DeepSeek V4.1 Flash: 1 juta token, 552B MoE dan perubahan besar pada siri Flash

DeepSeek-V4.1-Flash ialah model terbuka berwajaran (open-weight) dan multimodal yang dilancarkan pada 10 September 2026. Tarikan utamanya bukan sekadar saiz: DeepSeek menggabungkan sistem mixture-of-experts (MoE) 552 bilion parameter, pengaktifan jarang (sparse activation) dan cache KV yang jauh lebih kecil untuk menjadikan inferens dengan konteks amat panjang lebih praktikal. 1735

Perubahan paling penting untuk pengguna API

Bagi pembangun yang menggunakan API DeepSeek, V4.1 Flash ialah penawaran Flash semasa dan dipanggil menggunakan nama model deepseek-flash. Tidak seperti V4 Flash asal, ia menyokong kefahaman visual multimodal secara asli di samping input teks. 1517

Model lama V4 Flash dan V4 Flash Vision Exp telah ditamatkan. DeepSeek menyatakan pengecam lama deepseek-v4-flash dan deepseek-v4-flash-vision-exp masih diterima untuk sementara waktu, tetapi permintaan tersebut sebenarnya akan dilayan oleh V4.1 Flash dan dicaj pada kadar Flash. 1523

V4 Pro pula tidak sama statusnya. Laporan awal mengenai peralihan menyatakan trafiknya akan dialihkan kepada V4.1 Flash sementara menunggu V4.1 Pro. Namun, log perubahan API rasmi DeepSeek yang lebih baharu menyebut bahawa perkhidmatan API V4 Pro akan diteruskan selepas 14 September 2026 atas permintaan pengguna, dengan kaedah pengebilan tidak berubah. 1523

Maksudnya, pasukan yang memerlukan hasil yang boleh diulang secara konsisten tidak patut menganggap laluan model lama sentiasa menuju ke V4.1 Flash. Gunakan ID model yang didokumenkan ketika ini dan jalankan ujian regresi sebelum berhijrah.

552B parameter, tetapi tidak semuanya diaktifkan setiap kali

V4.1 Flash ialah model Mixture-of-Experts (MoE) dengan 552 bilion parameter asas. Dalam seni bina MoE, model hanya memilih sebahagian pakar atau parameter untuk memproses sesuatu token, bukannya mengaktifkan keseluruhan model pada setiap langkah.

DeepSeek melaporkan bahawa V4.1 Flash mengaktifkan 8B parameter semasa pemprosesan input (prefill) dan 16B parameter ketika menjana output (decoding). Ia menggunakan seni bina yang dinamakan Causal Encoder–Decoder. Perbezaan antara dua fasa ini penting kerana kos bagi membaca arahan atau dokumen panjang tidak sama dengan kos menghasilkan jawapan panjang. 1735

Pengaktifan jarang tidak menjamin model akan sentiasa murah atau pantas dalam setiap keadaan. Kelajuan sebenar turut bergantung pada perkakasan, pengelompokan permintaan (batching), kuantisasi, perisian penyajian, panjang konteks dan corak trafik. Namun, ia ialah asas kepada sasaran kecekapan V4.1 Flash.

Mengapa konteks 1 juta token bergantung pada pemampatan cache KV

V4.1 Flash menyokong konteks sehingga satu juta token. 35

Cabaran besar bagi konteks panjang ialah cache key-value (KV), iaitu keadaan perhatian yang disimpan oleh model ketika menjana token seterusnya. Semakin panjang dokumen dan respons, semakin besar tekanan terhadap memori pelayan.

Menurut kad model DeepSeek, reka bentuk Causal Encoder–Decoder memproyeksikan cache KV global penyahkod daripada keadaan tersembunyi akhir pengekod, dan bukannya membinanya secara berasingan daripada setiap lapisan penyahkod. Keluaran ini turut menggabungkan Compressed Sparse Attention 2 dengan cache KV FP4. Hasil gabungan tersebut, DeepSeek melaporkan jejak cache KV global sekitar 890 bait bagi setiap token—kira-kira satu perempat daripada jejak sepadan pada DeepSeek V4 Flash. 3539

Ini tidak bermaksud setiap tugasan dengan satu juta token akan menjadi murah atau tepat. Kapasiti konteks bukan jaminan bahawa model boleh mencari maklumat, menaakul atau mengikuti arahan dengan andal merentas keseluruhan input. Pasukan yang bekerja dengan pangkalan kod besar, koleksi dokumen atau sejarah ejen AI perlu menguji kadar ingatan semula, kependaman dan kos menggunakan beban kerja sebenar mereka.

Wajaran terbuka dan pilihan hos sendiri

DeepSeek menerbitkan wajaran V4.1 Flash di Hugging Face di bawah lesen MIT. Kad model itu menerangkan keluaran tersebut sebagai wajaran terbuka, membolehkan organisasi memuat turun dan menggunakan model tertakluk pada syarat lesen berkenaan. 35

Ini memberi pilihan yang berbeza daripada model API sahaja: organisasi boleh menilai model pada infrastruktur sendiri serta mengawal susunan penyajian mereka. Namun, hos sendiri masih rumit—terutama bagi model dengan asas 552B parameter—walaupun tidak semua parameter diaktifkan pada setiap token.

Adakah V4.1 Flash benar-benar mengatasi V4 Pro?

DeepSeek menyatakan kaedah pralatihan baharu dan pascalatihan pembelajaran pengukuhan pada skala lebih besar menghasilkan keputusan penanda aras yang mengatasi model perdana, termasuk V4 Pro. Syarikat itu juga merujuk ujian oleh beberapa pihak yang dikatakan meletakkan V4.1 Flash di hadapan V4 Pro dari segi prestasi, kos, kelajuan dan jumlah masa pelaksanaan. 17

Itu ialah dakwaan yang penting, tetapi bukan keputusan muktamad untuk semua kegunaan. Keputusan penanda aras boleh berubah mengikut pemilihan tugasan, reka bentuk arahan, konfigurasi alat, kaedah pemarkahan dan versi model yang diuji. Sebelum memindahkan aliran kerja produksi, bandingkan kedua-dua model pada metrik yang benar-benar penting: penaakulan sukar, kadar penerimaan kod, penggunaan alat, ketepatan multimodal, kebolehpercayaan, kawalan keselamatan, kependaman dan kos keseluruhan.

Penggunaan awal di OpenRouter: isyarat permintaan, bukan gambaran seluruh pasaran

V4.1 Flash memasuki pasaran ketika DeepSeek dan penyedia model China lain sudah mempunyai penggunaan besar melalui platform penghalaan. OpenRouter menyusun kedudukan model berdasarkan token arahan dan token pelengkapan yang diproses menerusi API platform itu sendiri.

Dalam kedudukan 13 September, OpenRouter menyenaraikan DeepSeek V4.1 Flash pada 4.94T token, dengan tanda model baharu. Dalam senarai sama, DeepSeek V4 Flash 0731 mencatat 11.6T token, V4 Flash 0423 sebanyak 4.36T token, manakala Xiaomi MiMo-V2.5 pada 7.77T token. 57

Data terdahulu juga menunjukkan kedudukan penggunaan boleh berubah pantas: satu gambaran pada Ogos meletakkan V4 Flash pada 7.1T token mingguan dan melaporkan sembilan daripada 10 model paling banyak digunakan dalam kedudukan itu ialah model dari China. 50

Perlu ditekankan skopnya: kiraan token OpenRouter mewakili trafik yang melalui OpenRouter sahaja, bukan penggunaan AI di seluruh dunia, penerimaan perusahaan, hasil pendapatan atau kualiti mutlak model. Ia berguna sebagai petunjuk permintaan dalam kalangan pembangun di platform itu, tetapi bukan bukti bahawa sesuatu model sudah memenangi pasaran AI secara menyeluruh.

Apa yang patut dibuat oleh pembangun

Sebab paling kukuh untuk menilai V4.1 Flash ialah gabungan multimodal asli, konteks satu juta token, wajaran terbuka dan seni bina yang direka untuk mengurangkan kos memori inferens jangka panjang. 1735

Laluan migrasi yang munasabah ialah:

1. Gunakan deepseek-flash untuk integrasi Flash baharu.
2. Anggap ID Flash dan Vision Exp lama sebagai laluan keserasian, bukan pin versi model yang stabil.
3. Uji V4.1 Flash berbanding V4 Pro menggunakan arahan, data dan kriteria kejayaan sendiri.
4. Ukur keupayaan mendapatkan semula maklumat daripada konteks panjang serta kependaman hujung ke hujung secara berasingan daripada angka kapasiti konteks.
5. Gunakan kedudukan OpenRouter sebagai petunjuk permintaan, bukan pengganti penilaian produksi.

Dakwaan teknikal V4.1 Flash memang besar, khususnya angka 890 bait bagi cache KV global dan reka bentuk pengaktifan jarang. Nilai sebenar model ini akhirnya bergantung pada sama ada kelebihan tersebut menghasilkan prestasi yang andal dan mampu dibiayai untuk beban kerja yang benar-benar dijalankan oleh pembangun.