DeepSeek V4.1 Flash: Apa yang Berubah dari V4 Flash dan V4 Pro?

DeepSeek-V4.1-Flash adalah model open-weight multimodal yang dirilis pada 10 September 2026. Sorotan utamanya bukan hanya skala model, melainkan cara DeepSeek menggabungkan arsitektur mixture-of-experts (MoE) 552 miliar parameter, aktivasi jarang, dan cache KV yang jauh lebih kecil agar inferensi dengan konteks sangat panjang lebih realistis dijalankan. 1735

Perubahan paling penting bagi pengguna API

Untuk integrasi baru di API DeepSeek, gunakan ID model deepseek-flash. ID ini memanggil V4.1 Flash, yang kini mendukung pemahaman visual secara native selain teks. 1517

Model sebelumnya, V4 Flash dan V4 Flash Vision Exp, sudah dipensiunkan. Namun, untuk kompatibilitas, ID lama deepseek-v4-flash dan deepseek-v4-flash-vision-exp masih diterima sementara. Permintaan yang masuk melalui keduanya akan dilayani oleh V4.1 Flash dan ditagih dengan tarif Flash. 1523

Status V4 Pro berbeda. Laporan transisi awal menyebut trafiknya akan dialihkan ke V4.1 Flash sambil menunggu V4.1 Pro. Akan tetapi, catatan perubahan API resmi yang lebih baru menyatakan DeepSeek tetap menyediakan layanan API V4 Pro setelah 14 September 2026, dengan skema penagihan tidak berubah, menyusul permintaan pengguna. Karena itu, pengembang yang membutuhkan hasil konsisten sebaiknya memakai ID model yang terdokumentasi saat ini dan menjalankan uji regresi—jangan berasumsi rute lama selalu bermuara ke V4.1 Flash. 1523

Model MoE 552B, tetapi yang aktif per token jauh lebih kecil

V4.1 Flash adalah model Mixture-of-Experts (MoE) dengan 552 miliar parameter backbone. Pada sistem MoE, tidak semua parameter dijalankan untuk setiap token; model hanya memilih sebagian "ahli" yang relevan untuk langkah komputasi tertentu.

DeepSeek menyatakan V4.1 Flash mengaktifkan 8 miliar parameter saat memproses masukan (prefill) dan 16 miliar parameter saat menghasilkan keluaran (decoding). Arsitektur ini disebut Causal Encoder–Decoder. Perbedaan tahap tersebut penting: prompt panjang dan jawaban panjang membebani sistem inferensi dengan cara yang berbeda. 1735

Aktivasi jarang tidak otomatis menjadikan model murah atau cepat dalam semua kondisi. Kecepatan nyata tetap dipengaruhi GPU, batching, kuantisasi, perangkat lunak penyajian model, panjang konteks, dan jenis permintaan. Namun, inilah fondasi utama klaim efisiensi V4.1 Flash.

Mengapa konteks 1 juta token bergantung pada kompresi cache KV

V4.1 Flash mendukung konteks hingga 1 juta token. 35

Tantangan utama konteks panjang adalah cache key-value (KV), yaitu memori status perhatian (attention) yang disimpan ketika model menghasilkan token berikutnya. Makin panjang prompt dan respons, makin besar pula kebutuhan memorinya.

Menurut model card DeepSeek, arsitektur Causal Encoder–Decoder memproyeksikan cache KV global decoder dari status tersembunyi encoder terakhir, alih-alih membangunnya terpisah dari setiap lapisan decoder. Rilis ini juga menggabungkan Compressed Sparse Attention 2 dan FP4 KV caching. Hasil yang dilaporkan DeepSeek: jejak cache KV global sekitar 890 byte per token, kira-kira seperempat dari jejak V4 Flash. 3539

Namun, kapasitas konteks bukan jaminan bahwa model selalu mampu mengambil informasi, bernalar, atau mengikuti instruksi secara akurat di seluruh isi prompt sepanjang satu juta token. Tim yang mengolah basis kode besar, kumpulan dokumen, atau riwayat agen AI tetap perlu menguji recall, latensi, dan biaya menggunakan beban kerja yang representatif.

Bobot terbuka dan opsi menjalankan sendiri

DeepSeek telah menerbitkan bobot V4.1 Flash di Hugging Face dengan lisensi MIT. Artinya, organisasi dapat mengunduh dan menerapkan model sendiri sesuai ketentuan lisensi tersebut. 35

Ini memberi alternatif terhadap model yang hanya tersedia lewat API: tim dapat mengevaluasi model di infrastruktur sendiri dan mengendalikan tumpukan penyajiannya. Meski begitu, self-hosting tetap bukan pekerjaan ringan—terutama karena model ini memiliki backbone 552 miliar parameter—tetapi jalur untuk optimasi dan kontrol yang lebih dalam tersedia.

Apakah V4.1 Flash lebih baik daripada V4 Pro?

DeepSeek menyebut metode pretraining baru dan post-training reinforcement learning dalam skala lebih besar menghasilkan skor benchmark yang melampaui model andalan, termasuk V4 Pro. Perusahaan juga mengutip pengujian oleh beberapa pihak yang menempatkan V4.1 Flash di depan V4 Pro dari sisi performa, biaya, kecepatan, dan waktu proses total. 17

Klaim tersebut penting, tetapi bukan putusan universal. Hasil benchmark dapat berubah bergantung pada pemilihan tugas, prompt, konfigurasi alat, metode penilaian, dan versi model yang diuji. Sebelum memindahkan sistem produksi, bandingkan keduanya pada pekerjaan yang benar-benar relevan: penalaran sulit, tingkat penerimaan kode, penggunaan alat, akurasi multimodal, keandalan, kontrol keamanan, latensi, serta biaya total.

Penggunaan awal di OpenRouter: besar, tetapi bukan ukuran seluruh pasar AI

V4.1 Flash masuk ke pasar ketika DeepSeek dan penyedia model asal Tiongkok lain sudah memiliki trafik besar pada platform perutean model. OpenRouter menyusun peringkat berdasarkan token prompt dan token keluaran yang diproses melalui API-nya sendiri. Pada peringkat 13 September, OpenRouter mencatat DeepSeek V4.1 Flash di 4,94 triliun token dan menandainya sebagai model baru; DeepSeek V4 Flash 0731 berada di 11,6 triliun token, V4 Flash 0423 di 4,36 triliun token, sedangkan Xiaomi MiMo-V2.5 di 7,77 triliun token. 57

Laporan pada Agustus juga menunjukkan betapa cepatnya peringkat pemakaian berubah. Dalam satu potret mingguan, V4 Flash mencatat 7,1 triliun token dan sembilan dari 10 model paling banyak digunakan di peringkat itu berasal dari Tiongkok. 50

Catatan pentingnya adalah cakupan data. Angka token OpenRouter mencerminkan trafik yang dirutekan melalui OpenRouter, bukan total penggunaan AI dunia, jumlah implementasi perusahaan, pendapatan, ataupun mutu model secara keseluruhan. Data ini berguna sebagai sinyal permintaan di platform pengembang, bukan bukti bahwa suatu model telah memenangkan pasar AI secara luas.

Implikasinya bagi pengembang

Alasan utama untuk mengevaluasi V4.1 Flash adalah gabungan dukungan multimodal native, konteks satu juta token, bobot terbuka, dan desain yang ditujukan untuk menekan biaya memori pada inferensi jangka panjang. 1735

Langkah migrasi yang masuk akal:

1. Gunakan deepseek-flash untuk integrasi Flash baru.
2. Perlakukan ID Flash dan Vision Exp lama sebagai jalur kompatibilitas, bukan pin versi model yang stabil.
3. Bandingkan V4.1 Flash dengan V4 Pro menggunakan prompt dan kriteria keberhasilan milik sendiri.
4. Ukur kemampuan mengambil informasi dari konteks panjang dan latensi ujung-ke-ujung secara terpisah dari angka kapasitas konteks di spesifikasi.
5. Jadikan peringkat OpenRouter sebagai sinyal permintaan, bukan pengganti evaluasi produksi.

Klaim teknis V4.1 Flash cukup besar, terutama angka cache KV global 890 byte per token dan desain aktivasi jarangnya. Arti sesungguhnya bagi pengembang akan ditentukan oleh apakah keunggulan itu benar-benar menghasilkan performa yang andal dan terjangkau pada beban kerja nyata.