DeepSeek V4.1 Flash מגיע לזמינות כללית: 552B תחת ארכיטקטורה חדשה, משקולות MIT, וסיום תמיכה ב-V4 Pro שמעולם לא קרה

DeepSeek V4.1 Flash אינו עוד ניסוי בן יומיים. המודל שבילה את 8 ו-9 בספטמבר בתוך ה-API החי של הספק תחת מזהה שנשא את תאריך התפוגה של עצמו — deepseek-v4.1-flash-expires-on-0910 — שוחרר באמת ב-10 בספטמבר 2026, באפליקציה, בממשק האינטרנט וב-API של DeepSeek, ושם הוא נענה כעת לשם המודל deepseek-flash. שלושה דברים בשחרור גדולים מכפי שהבטא רמזה. הראשון הוא הניירת: DeepSeek פרסמה דוח טכני — שכותרתו, בלי יותר מדי עדינות, Pushing the Limits of KV Cache Compression — ומשקולות ברישיון MIT למודל mixture-of-experts מולטימודלי בעל 552B פרמטרים, הבנוי על ארכיטקטורת Causal Encoder-Decoder חדשה. המשקולות האלה אינן הבטחה: 48 שברי safetensors, בסך הכול כ-510 GB, עלו לרשת בבוקר השחרור, מה שהופך את הסיסמה הלא מאומתת של הבטא — "ארכיטקטורה חדשה, מולטימודלי ילידי" — למשהו שקורא יכול להוריד ולבדוק. השני הוא מבנה ההיצע. DeepSeek V4 Flash ו-DeepSeek-V4-Flash-Vision-Exp הוצאו לגמלאות, והמזהים הישנים שלהם עדיין מפנים למודל החדש בתעריפי Flash, והתוכנית להוציא את DeepSeek V4 Pro מהשירות בהדרגה ב-14 בספטמבר בוטלה לפני שהתאריך הגיע: V4 Pro עדיין מוגש, בחיוב ללא שינוי, ו-DeepSeek הבטיחה הודעה מראש לפני שדבר ישתנה. המודל הזול במשפחה תפס את מקומה של ספינת הדגל במחיר ובבנצ'מרקים של DeepSeek עצמה, ו-DeepSeek אומרת שהארכיטקטורה שמתחתיו תוכננה להתרחב למודלים גדולים יותר. מה שיושב מעליו הוא, נכון ל-25 בספטמבר, ניחוש של חשבון מעקב אחד — קו תלת-שכבתי של Flash, Pro ו-Ultra בנפחים 522B, 2T ו-8T — שהוצע על ידי החשבון שפרסם אותו כספקולציה, ולא אושר על ידי דבר שפורסם על ידי DeepSeek. השלישי הוא זה שמעולם לא היה לבטא. Artificial Analysis פרסמה כעת את ההערכות החיצוניות הראשונות של המודל — ציון Intelligence Index של 39 במצב Reasoning במאמץ מרבי עבור המשקולות מספטמבר ו-45 עבור צ'קפוינט 1017 (שיפור של שש נקודות שמשווה אותו ל-GLM-5.3 במקום השני מבין מודלים בקוד פתוח, בנקודה אחת אחרי MiMo-V2.6-Pro), לעומת 36 עבור DeepSeek V4 Pro 0813 באותו סולם, מה שהופך את מודל ה-552B למודל DeepSeek בעל הניקוד הגבוה ביותר שהאתר מדד. עשרה פריטים נוספים חדשים יותר מהשחרור, והם מצביעים לכיוונים שונים. ב-25 בספטמבר ראש בדיקות המודלים של ARC Prize עצמה פתח pull request שמוסיף פרופיל DeepSeek V4.1 Flash ממדרגה ראשונה לרנס הבנצ'מרק של הקרן — המעריך שהלוח שלו נתפס בתחום הזה כתקרת חשיבה ולא כבדיקת פרודוקטיביות, ומגיע בלי תוצאה מצורפת ובלי הבטחה לתוצאה. שלושה ימים לאחר מכן פרסם מעבדה חיצונית את הסוג ההפוך של ידיעה: מדידה גמורה, על לוח אחר, שמציבה את DeepSeek V4.1 Flash לצד מודל אחר בקוד פתוח ומוצאת אותו החלש מבין השניים — ומוצאת שהמספר זז יותר עם הרנס שעוטף את המודל מאשר עם המודל עצמו. ב-Exploit Bench, בנצ'מרק של אוניברסיטת קרנגי מלון שמודד עד כמה סוכן מטפס לקראת ניצול מלא של V8 בייצור, DeepSeek V4.1 Flash השיג בממוצע 4.7 מתוך 16 בתצורה ברירת המחדל של הבנצ'מרק ו-9.3 תחת Claude Code, בעוד GLM-5.3-Flash הגיע לשיא של 10.6 תחת Codex ונפל ל-6.2 תחת דווקא הרנס שמתאים ל-DeepSeek V4.1 Flash ביותר. השלישי הוא הפחות דרמטי והקל ביותר לבדיקה: ב-7 באוקטובר פרסם פרויקט vLLM את הדין וחשבון בן שלושת השבועות שלו על הגשת המודל הזה, ודיווח שהבנייה הנוכחית שלו מהירה פי 1.9 בקונקורנציה נמוכה ופי 5.3 בתפוקה תחת מגבלת 150 TPS לעומת מימוש ה-day-0 של עצמו — לפני ואחרי של מנוע על עצמו, ולא הערכה חיצונית נוספת, ונושא פרק המהירות שלהלן. הרביעי עוסק במה שעולה להשתמש במודל ולא במה שהוא משיג, והוא זז פעמיים בשלושה ימים: ב-12 באוקטובר OpenCode, סוכן הקידוד שמתמחר את המודל הזה לפי מכסת שימוש חודשית ולא לפי טוקנים מחושבים, העלה את המכסה עבורו מ-60 ל-80 דולר — הצהרה של הפלטפורמה עצמה על מוצר שהיא מוכרת, המופיעה בעמוד התמחור שלה — וב-15 באוקטובר היא החלה להגיש את אותו מודל בחינם, תחת מזהה מודל שני, בהקשר של 200,000 טוקנים לעומת חלון ה-1M של הרשומה המחושבת. החמישי, מ-14 באוקטובר, מודד את עלות ההגשה של המודל ולא את איכותו: Artificial Analysis הוסיפה את DeepSeek V4.1 Flash ל-AA-AgentPerf, בנצ'מרק החומרה שלה להסקה סוכנית, עם תוצאות על מאיצים של NVIDIA וגם AMD — ב-100 טוקנים לשנייה לכל משתמש, GB300 NVL72 של NVIDIA מוביל בתחום בכ-261 מיליון טוקנים לשנייה למגה-וואט, ואותן הרצות מגישות את המודל על שני מאיצים בלבד, שזהו הפרק שלהלן במטבע שני. השישי הוא השחרור עצמו, לאחר שהוחלף: ב-17 באוקטובר DeepSeek החליפה את הצ'קפוינט מאחורי אותו שם מודל deepseek-flash ב-DeepSeek-V4.1-Flash-1017 — משקולות חדשות, טבלת בנצ'מרק של הספק שמנצחת את מודל ספטמבר בכל שורה שהיא מפרסמת, אותו כרטיס תעריפים ואותה מעטפת של 1M טוקנים — ונכון ל-18 באוקטובר, מדידה חיצונית של המשקולות החדשות שסתרה את השורה שאיתה הספק מוביל: Artificial Analysis נותנת לצ'קפוינט 1017 ציון 45 ב-Intelligence Index שלה ו-33.8 ב-Terminal-Bench 4.0 תחת הרנס שלה, לעומת 42.3 בכרטיס של DeepSeek. השביעי הוא הוויכוח שהפער הזה יצר. ב-19 באוקטובר חשבון מעקב עם רקורד של ניבוי מוקדם של השחרורים האלה הצהיר שהוא "בטוח לחלוטין" ש-42.3 אמיתי "כי הוא טוב יותר מ-GLM-5.3", וביקש מ-Artificial Analysis להריץ את המודל ברנס ילידי. האתר כבר השיב יום קודם לכן, במספר נמוך בשמונה וחצי נקודות. השמיני אינו ציון: ב-20 באוקטובר חשבון מעקב של DeepSeek פרסם תמליל סוכן שבו צ'קפוינט 1017 סירב לפרסונה פרוצה כאשר dsh-purge — תוסף שנבנה כדי להסיר את האילוצים של הרנס עצמו — הופעל, והערות abliteration של צד שלישי קבעו את שיעור הסירוב של הצ'קפוינט שלא נגעו בו על 97 מתוך 100 הנחיות מזיקות במצב צ'אט ו-98 במצב חשיבה, כאשר DeepSeek לא פרסמה הערכת בטיחות משלה לאף אחד מהצ'קפוינטים. התשיעי אינו ציון ואינו מחיר: השבוע DeepSeek חשפה את מנוע ההסקה שהשירות שלה עצמה רץ עליו, עם עקומת פענוח לצ'קפוינט 1017 ונתוני הייצור שמאחוריה, והשרשור שהעלה אותו השבוע מעמיד את העקומה הזו מול בנצ'מרק Ascend 950DT מ-30 בספטמבר שמציב את הרכיב של Huawei בפיגור של בערך פי חמישה עד שבעה לכל שבב — פרק שבבי ההגשה שלהלן. העשירי אינו ציון, מחיר או צ'קפוינט: ב-22 באוקטובר YuyuantanTan, חשבון לענייני אקטואליה שמופעל על ידי China Media Group, דיווח ש-DeepSeek ו-MiniMax השלימו את הליכי הרישום הנלווים לטיוטת קטלוג ייצוא הטכנולוגיה של סין והשלימו את הקוד הפתוח ואת הרישוי מעבר לים. זהו דיווח של תקשורת ממלכתית על שתי חברות ולא הודעה של רגולטור או הצהרה של חברה, וזו ההתפתחות שעונה על השאלה שהקטלוג הטיוטתי פתח ב-16 באוקטובר — אם משקולות ה-MIT שעליהן עוסק הקטע הזה יכולות להמשיך להתפרסם ולהישלח לחו"ל. פרק הרישוי שלהלן מפריד בין מה שהדיווח אומר לבין מה שהוא אינו אומר.

כל מה שלהלן מפריד בין שני סוגי טענות. המפרטים, הבנצ'מרקים והמחירים מגיעים מיומן השינויים, מכרטיס המודל ומהדוח הטכני של DeepSeek עצמה — פורסמו על ידי הספק, הורצו על ידי הספק, ולא שוחזרו בידי אף גורם אחר. הפער הזה הצטמצם מאז באמצעות ארבעה כלים בלתי־תלויים — מדד מורכב, לוח קרנלים קהילתי, בנצ'מרק סייבר הנשלט באמצעות הרנס ובנצ'מרק שירות חומרה — שאחד מהם, המדד, הורץ כעת על שני הצ'קפוינטים. אף אחד מהם אינו משחזר אפילו שורה אחת של הספק, ו-ARC Prize עדיין בונה את הערכת ההיסק, וטרם פורסם ממנה דבר. DeepSeek החליפה ב-17 באוקטובר את המודל שמאחורי אותו שם API בצ'קפוינט DeepSeek-V4.1-Flash-1017. במשך יום אחד זה אומר שכל מספר חיצוני בכתבה הזו תיאר משקלים שהספק כבר לא הגיש, בעוד שלמשקלים שכן הוגשו לא היה ציון חיצוני; ב-18 באוקטובר Artificial Analysis הרצה מחדש את המדד שלה על הצ'קפוינט החדש ופרסמה 45, לעומת 39 עבור משקלי ספטמבר. שלושת הכלים האחרים לא הורצו מחדש: בנצ'מרק הסייבר, לוח הקרנלים ובנצ'מרק החומרה עדיין מתארים את משקלי ספטמבר, ואף ציון בלתי־תלוי, ישן או חדש, אינו משחזר אפילו אחת משורות הבנצ'מרק של DeepSeek עצמה. נתון עלות ההגשה שפרויקט vLLM פרסם ב-17 באוקטובר חדש רק בתאריך הפרסום: התרשים שמאחוריו מתוארך ל-16 באוקטובר, יום לפני ההחלפה, ולכן הוא מתאר את אותם משקלים מיושנים. במדד הנוכחי שלה (v4.3.2), Artificial Analysis נותנת לצ'קפוינט ספטמבר של DeepSeek V4.1 Flash ציון 39 ולצ'קפוינט 1017 ציון 45, ומתארת את שניהם כגבוהים בהרבה מהחציון של 19 עבור מודלים בעלי משקלים פתוחים בגודל דומה; אלה מספרים אמיתיים של צד שלישי והראשונים בכתבה הזו ש-DeepSeek לא הפיקה. כל אחד מהם הוא מדד מורכב אחד של עשר הערכות, לא שחזור של שורה בודדת כלשהי של הספק, והוא אינו אומר דבר על כלכלת חלון ההקשר של 1M. נתוני הסירוב בכתבה זו הם סוג רביעי של טענה והם מסומנים במקום שבו הם מופיעים: הם מגיעים מאנשים שבונים נגזרות לא־מצונזרות של המשקלים האלה, לא מ-DeepSeek ולא ממעבדת הערכה, ו-DeepSeek לא פרסמה הערכת בטיחות לאף אחד משני הצ'קפוינטים. נתוני החומרה בפרק ההגשה הם סוג נוסף לגמרי: עקומת הפענוח של NVIDIA ונתוני הייצור הם מדידות של DeepSeek עצמה על המנוע שלה, שפורסמו עם הקוד השבוע, ונקודות Ascend מגיעות מגיליון בנצ'מרק שהועתק בשרשור ב-X ושאינו מפורסם באתר של אף אחד משני הספקים. כאשר מספר שייך ל-DeepSeek, הכתבה אומרת זאת. סוג נוסף נמצא מחוץ לטקסונומיה הזו. הדיווח מ-22 באוקטובר שלפיו DeepSeek ו-MiniMax השלימו רישום במסגרת קטלוג הייצוא בטיוטה הוא תקשורת ממלכתית — YuyuantanTan של China Media Group, שהועתק בכלי תקשורת פיננסיים סיניים — ולא הודעה של משרד המסחר, ו-DeepSeek לא פרסמה הצהרה המאשרת זאת. הקטלוג עצמו הוא טיוטה ממשלתית הפתוחה להערות עד 15 בנובמבר, והוא מתואר כטיוטה בכל מקום שבו הוא מופיע כאן. שמות הבילד המצורפים לדיווח — V4.1F-1017 ו-M3.1-Flash — מגיעים מחשבון X בודד ב-23 באוקטובר ואינם מופיעים בדיווח התקשורת הממלכתית או בכלי התקשורת שהעבירו אותו; הצ'קפוינט שהפוסט הזה נוקב בשמו כבר היה זמין להורדה שישה ימים כשהפוסט נכתב.

נקודת הבידוק של 17 באוקטובר: מה השתנה ב-DeepSeek-V4.1-Flash-1017

חמישה שבועות לאחר השחרור שהקטע הזה בנוי סביבו, DeepSeek החליפה את הדגם שבבסיסו. רשומת יומן השינויים מיום 17 באוקטובר היא בת שלושה משפטים: "DeepSeek V4.1 Flash שודרג ל-DeepSeek-V4.1-Flash-1017. דגמי ה-Web וה-APP הרשמיים עודכנו גם הם לגרסה החדשה. שיטת הקריאה ל-API והתמחור נותרו ללא שינוי — פשוט השתמשו ב-deepseek-flash כדי לגשת לדגם העדכני ביותר." כל מה שבציטוט הזה הוא הספק שמדבר על המוצר שלו עצמו, וכל שלוש הטענות ניתנות לאימות בעמודים של DeepSeek עצמה ולא נדרש לקבלן על סמך אמון: שורת גרסת הדגם בטבלת Models & Pricing מציגה כעת DeepSeek-V4.1-Flash-1017 במקום DeepSeek-V4.1-Flash, כרטיס התעריפים שלצידו הוא אותו פיצול של שעות שפל ושעות עומס שפורסם ב-10 בספטמבר — $0.003, $0.15 ו-$0.60 למיליון טוקנים בשעות שפל, כשהם מוכפלים ל-$0.006, $0.30 ו-$1.20 בתוך חלונות שעות העומס בימי חול — ומדריך ההתחלה המהירה של ה-API עדיין מציין את deepseek-flash כמחרוזת הדגם, כאשר חלון ההקשר של 1M טוקנים, תקרת הפלט של 384K ומגבלת המקביליות של 2,500 בקשות נותרו ללא שינוי. מזהי הכינויים שהוצאו משימוש מתנהגים כפי שנאמר בהערת ספטמבר: deepseek-v4-flash ו-deepseek-v4-flash-vision-exp עדיין מתקבלים וכעת עונים בתור DeepSeek-V4.1-Flash-1017 במחירי Flash. DeepSeek הכריזה על אותו שינוי מהחשבון שלה באותו יום, וכדאי לקרוא את הפוסט לצד יומן השינויים משום שהוא קצר יותר וישיר יותר: "DeepSeek-V4.1-Flash-1017 כאן! ביצועי בנצ'מרק חזקים יותר, השלמת משימות מהירה יותר ופלטים קצרים יותר מהגרסה הקודמת — שיפור פארטו בביצועים ובעלות. עכשיו זמין באתר שלנו, באפליקציה וב-API," ולאחריו אותן שלוש ערכות בדיקה ואותה הוראה לשדרג ל-DeepSeek Harness 0.2.1-rc.1 או לגרסה מאוחרת יותר. כל מה שכתוב בו הוא הספק המתאר את מוצרו בערוץ שלו: "עכשיו זמין באתר שלנו, באפליקציה וב-API" הוא ניסוח מחדש של "דגמי ה-Web וה-APP הרשמיים עודכנו גם הם" מיומן השינויים, והטענות בדבר בנצ'מרק, זמן ריצה, אורך פלט ופארטו הן של כרטיס הדגם — עם הבדל אחד שחשוב לכל מי שמחליט אם לנסות אותו. הכרטיס מציג מספר לצד כל שורת בנצ'מרק; בפוסט אין מספר כזה, ולא הפוסט ולא יומן השינויים מצמידים נתון לטענה בדבר זמן הריצה ואורך הפלט. שניים מבין ארבעת הדברים ש-DeepSeek מציגה כאן בראש הם עדיין טענות ספק ולא תוצאות מפורסמות, והתרשים שמאחורי שורת הפארטו — זה שצורף לפוסט — הוא של DeepSeek עצמה, ומשורטט על סמך מדידות עלות המשימה שלה עצמה.

המשקלים עברו איתו, וזה החלק שקורא יכול לאמת בלי לסמוך על יומן שינויים. מאגר שני, deepseek-ai/DeepSeek-V4.1-Flash-1017, עלה ל-Hugging Face בשעות המוקדמות של 17 באוקטובר תחת אותו רישיון MIT: שוב 48 קטעי safetensors, אותו סך כולל של כ-510 GB, כל קטע בגודל זהה למקבילו מספטמבר, וההאש של כל קטע שונה. אותה צורה, תוכן שונה — וזה מה ש„עדכון משני” אמור להיראות מבחוץ, וזה גם אומר שטענות הארכיטקטורה שהכתבה הזו מדווחת מאז ספטמבר נותרו ללא שינוי: קובץ התצורה שמצהיר על עמוד השדרה של 552B, על 384 המומחים המנותבים, על מסלול ה-prefill עם 8B פרמטרים פעילים לכל טוקן ועל מסלול ה-decode של 16B זהה בייט-בייט לזה שבמאגר מספטמבר, כך שמטמון ה-KV של 890 בייט לכל טוקן הוא אותו תכנון ולא תכנון חדש. מה שאין במאגר החדש הוא התיעוד. אין בו דוח טכני, אין תיקיית הערכה ואין תבנית צ'אט Jinja; כרטיס המודל אומר שהמהדורה אינה כוללת תבנית צ'אט ומפנה במקום זאת לאסמכת קידוד Python ולערכת כלים חדשה ב-Rust, deepseek-recipe, להמרת בקשות בפורמט Chat Completions, Responses ו-Anthropic לפורמט הפרומפט של המודל. כל מי שמצמיד משקלים לפי שם מאגר צריך לדעת ששתי ההורדות נבדלות זו מזו ביותר מאשר בהאשים שלהן. רשימת הקבצים מראה בדיוק כיצד: לכל 48 הקטעים יש סכום ביקורת שונה וגודל בייטים זהה, ואילו הקבצים שאינם משקלים — קובץ התצורה שמצהיר על הארכיטקטורה, הרישיון וכל תיקיית הקידוד — זהים בייט-בייט בשני המאגרים. שבעה קבצים קיימים במאגר של ספטמבר ולא במאגר הזה, ושום דבר לא נוסף כדי להחליפם: הדוח הטכני, תיקיית ההערכה, תבנית הצ'אט, שני האיורים שכרטיס המודל נהג להטמיע, וקובץ .gitignore. כרטיס המודל מצמצם גם פרמטר הגשה אחד. הכרטיס מספטמבר המליץ על top_p של 0.95 או 1.0; הכרטיס מ-17 באוקטובר ממליץ על 1.0, עם temperature של 1.0, חלון הקשר של 1M ו-max_tokens של לפחות 256K ללא שינוי.

טבלת הבנצ'מרקים של DeepSeek עצמה היא המקום שבו העדכון אמור לבוא לידי ביטוי, והיא טבלת ספק בדיוק מהסוג שהיו שורות ספטמבר: הרצות של אותה חברה, שלא שוחזרו בידי איש, שפורסמו על מודל שמשקלותיו היו ציבוריים כמה שעות. מול צ'ק-פוינט ספטמבר היא גבוהה בכל שורה שהכרטיס נושא — HLE ללא כלים 42.6 לעומת 36.8, או 44.0 לעומת 39.1 בתת-הקבוצה טקסט בלבד; Terminal-Bench 4.0 42.3 לעומת 31.2; DeepSWE v1.1 77.0 לעומת 74.2; ProgramBench 29.1 לעומת 20.3; NL2Repo-Bench 68.2 לעומת 65.4; Automation-Bench v1.0.6 60.5 לעומת 54.8; Agents' Last Exam 35.4 לעומת 31.8; Apex Bench v1.1 72.1 לעומת 64.6; Chartography עם כלים 83.0 לעומת 78.9; BabyVision עם כלים 92.5 לעומת 89.6; ו-ZeroBench-main עם כלים 51.0 לעומת 49.0, ב-Pass@5. אותה טבלה מציבה את 1017 מול מודלי החזית ש-DeepSeek עורכת מולם בנצ'מרקים: היא עכשיו עוקפת את GPT-5.6 Sol ב-Terminal-Bench 4.0, 42.3 לעומת 39.9, בעוד שעדיין מפגרת אחרי Opus 5 עם 51.8, והיא מובילה על שניהם ב-DeepSWE v1.1, 77.0 לעומת 73.0 ו-74.0 — שורה שנקראה מהתרשים המצורף להודעה של הספק עצמו, והמספר המצוטט ביותר של השבוע. ב-NL2Repo-Bench היא עולה ל-68.2 ועדיין ניצבת מאחורי Opus 5 עם 75.3, וזו הצורה שהייתה גם לטבלת ספטמבר: הכי חזקה בעבודה סוכנית עם הרנס, מאחור בשורות שמתגמלות עומק הסקה. השורה של Terminal-Bench 4.0 היא זו שכדאי לקרוא פעמיים, כי היא כעת השורה היחידה בטבלה הזו שיש לה מקבילה עצמאית. DeepSeek הריצה אותה תחת הרנס Claude Code; Artificial Analysis מריצה את אותם 66 משימות תחת mini-swe-agent, והתוצאה שלה מ-18 באוקטובר עבור המשקלות האלה היא 33.8 — שמונה וחצי נקודות מתחת ל-42.3 של הספק. בטבלה של DeepSeek עצמה השורה הזו עוקפת את GLM-5.3 ב-4.4 נקודות, 42.3 לעומת 37.9. בהרנס של Artificial Analysis אותם משקלות מפגרים אחרי GLM-5.3 בשמונה, 33.8 לעומת 41.9.

שורה אחת של אותיות קטנות שווה יותר מכמה מהדלתאות האלה. כרטיס ספטמבר העריך את Terminal-Bench 4.0 עם DeepSeek Harness במצב Minimal שלו; כרטיס 1017 אומר שהוא השתמש בהארנס Claude Code עבור Terminal-Bench 4.0 וב-Mini-SWE-V2 עבור DeepSWE v1.1. מחקר ההארנסים בהמשך הכתבה מדד שבע נקודות פיזור על מודל אחד על פני שבעה ממשקי CLI של סוכנים, ולכן תזוזה של אחת עשרה נקודות ב-Terminal-Bench 4.0 שמגיעה עם הארנס אחר מתחתיה לא יכולה להיקרא כאחת עשרה נקודות של מודל. הכרטיס מציין באיזה הארנס השתמש, וזה מה שהופך את השורה לניתנת לביקורת ולא רק למרשימה, אבל השורה היא שני שינויים שלובשים מספר אחד. הריצה הבלתי תלויה מפרידה ביניהם, ולא לטובת הספק. Artificial Analysis העריכה את אותם משקלות 1017 על Terminal-Bench 4.0 תחת mini-swe-agent — ההארנס שהיא מחזיקה קבוע בכל מודל בלוח הזה — וקיבלה 33.8, לעומת 26.8 עבור הצ'קפוינט של ספטמבר על אותו הארנס. על הארנס הקבוע הצ'קפוינט שווה שבע נקודות, לא אחת עשרה, ומספר הכותרת של DeepSeek נמצא שמונה וחצי נקודות מעל מה שאותם משקלות משיגים כשההארנס מוחזק קבוע על פני מודלים. שאר המסגור של DeepSeek עוסק בעלות ולא בציון, וזה אותו ציר שעליו נמכרה מהדורת ספטמבר: יומן השינויים טוען שהעדכון מקצר את זמן הריצה של המשימה ואת אורך הפלט, מכנה את התוצאה "אופטימום פרטו חדש של ביצועים–עלות על פני מספר הארנסים", ואומר שביצעה אופטימיזציה עבור DeepSeek Harness, Tencent CodeBuddy ו-WorkBuddy, וממליץ על DeepSeek Harness 0.2.1-rc.1 ואילך. זמן ריצה ואורך פלט הם בדיוק הכמויות שהעדויות לרמת הפירוט בכתבה הזו עוקבות אחריהן מבחוץ, ו-DeepSeek כעת טוענת שצמצמה את שתיהן — בלי לצרף נתון. קיימת כעת מדידה חיצונית אחת של הצ'קפוינט החדש, והיא אינה מראה את הקיצוץ בזמן הריצה או בפלט: ריצת האינדקס של Artificial Analysis מציבה את משקלות 1017 על 288.8 שניות למשימה לעומת 289.9 בספטמבר, ו-89,495 אסימוני פלט למשימה לעומת 88,574 — ללא שינוי בשניהם, כשהחיסכון בעלות נוח במקום אחר לגמרי. הפוסט ש-DeepSeek פרסמה בחשבון שלה באותו יום מכווץ את כל זה ל"השלמת משימות מהירה יותר, ופלטים קצרים יותר", ואז מכנה את הצמד שיפור פרטו בביצועים ובעלות — הטענה של יומן השינויים בצורה קצרה יותר, מאותו מקור, ובדיוק באותה מידה לא מדודה. זהו הספק שמנסח מחדש את עצמו, לא מקור שני — וזה חשוב, משום שהמספר מהתרשים הזה הוא זה שהעולם החיצון בילה את השבוע בחזרה עליו. הפריט היחיד בהכרזה שנושא מספרים הוא התרשים המצורף לפוסט, והוא DeepSWE v1.1 Pass@1 המשורטט מול עלות ממוצעת למשימה תחת הארנס mini_swe_v2. כדאי לקרוא את הכיתוב שלו לפני שורת הפרטו: נתוני לוח הדירוג הציבורי שמתחתיו מתוארכים ל-22 בספטמבר בתרשים עצמו, שלושה וחצי שבועות לפני הצ'קפוינט שהתרשים משמש לקידומו, וקווי ההשוואה עבור המודלים של OpenAI מיוחסים לתרשים ה-DeepSWE של OpenAI עצמה ולא לריצה משותפת. נקודה אחת בתרשים הזה חדשה. כל מה שהיא נמדדת מולו פורסם לפני שהיא הייתה קיימת.

באותו יום שבו בוצעה ההחלפה, הקריאה הנפוצה ביותר של אותה טבלה הגיעה ממישהו שיש לו אינטרס בשאלה היכן המודל ירוץ. יוצ'ן ג'ין, שעובד על מערכות AI ב-Databricks, פרסם כי DeepSeek-V4.1-Flash-1017 "משיג 77 ב-DeepSWE v1.1", כי הוא "ביצועים ברמת Opus 5 בעלות נמוכה פי 83", וכי "אנחנו נשיק אותו ב-Databricks". המספר 77 הוא השורה של DeepSeek עצמה, שנלקחה מהתרשים שצורף להודעת הספק, ואף גורם מחוץ לחברה לא שחזר אותו. שתי נקודות ההשוואה הן של ג'ין, והן מתחלקות בצורה ברורה לאחת שעומדת בבדיקה חיצונית ואחת שלא. הטענה בדבר רמה של Opus 5 מחזיקה מעמד: הלוחות הבלתי-תלויים שמפרסמים DeepSWE v1.1 ממקמים את שם המודל הזה בטווח הזה בהרצות שלהם עצמם. לוח הדירוג APEX של Mercor — 113 משימות מקוריות ב-91 מאגרי קוד, שנמדדו תחת הרנס mini-swe-agent — מציג את Opus 5 Max ב-71.4% ואת רשומת DeepSeek V4.1 Flash Max ב-71.7%, ולוח llm-stats של אותו מבחן מציב את Claude Opus 5 ב-68.8% לעומת 74.2% ל-DeepSeek-V4.1-Flash. הקריאה הישרה של השניים צרה יותר מכפי שהפוסט מציג אותה: שני לוחות שמודדים את המבחן הזה באופן בלתי-תלוי מסכימים שהמודל שווה לפחות ל-Opus 5 בו, ואף אחד מהלוחות אינו מציג 77, מפני ששניהם נושאים או את נתון ספטמבר או את ההרצה שלהם עצמם, ואף אחד מהם אינו מתייג רשומה עם הצ'ק-פוינט 1017. אפשר להצדיק את "רמה של Opus 5" כאמירה על טווח ביצועים סמוך. המספר שהפיק אותה עדיין אינו ניתן לשחזור.

חצי ה־83× של הפוסט הוא האריתמטיקה שלו ולא נתון שפורסם, וזה החצי שיש להתייחס אליו בעירבון מוגבל. אף לוח לא מציג עלות למשימה עבור צ'קפוינט 1017, והתרשים של הספק שמאחורי טענת Pareto של DeepSeek עצמה משרטט עלות למשימה על ציר לוגריתמי שנע מעשרה סנטים לעשרים דולר — וזה סוג הטווח שמכפיל כה גדול מחייב. לפי תעריפי המחירון בלבד הפער קטן מ־83×: Claude Opus 5 מחייב 5 דולר לכל 1M טוקני קלט ו־25 דולר לכל 1M פלט, לעומת 0.30 דולר ו־1.20 דולר עבור DeepSeek-V4.1-Flash בחלונות השיא של ימי החול, בערך 17× בקלט ו־21× בפלט, והתשובה משתנה מאוד בהתאם לשיעור פגיעות המטמון ובהתאם לכמה טוקנים משימה צורכת. כיוון הטיעון העלותי אינו שנוי במחלוקת, לא כאן ולא בשום מקום אחר במאמר הזה. המכפיל הספציפי הוא טענה בדבר השוואה שאיש לא פרסם.

Databricks הוא החלק בפוסט הזה שניתן לבדוק מול התיעוד, והתיעוד אומר יותר משהפוסט אומר. DeepSeek V4.1 Flash נמצא ב-Databricks Unity Gateway מאז 11 בספטמבר, היום שאחרי ההשקה של DeepSeek, עם קלט טקסט ותמונה דרך ה-Foundation Model APIs של הפלטפורמה תחת שם השירות system.ai.deepseek-v4-1-flash; ב-7 באוקטובר הפלטפורמה הוסיפה עבורו תמחור לפי טוקן בעדיפות ותפוקה מוקצבת מראש. הוא גם היעד המיועד של הפלטפורמה למשפחה הזו: Databricks קבעה פרישה ל-DeepSeek V4 Pro (0813) ב-30 באוקטובר ול-DeepSeek V4 Flash (0731) ב-5 בנובמבר, כשהיא מציינת את DeepSeek V4.1 Flash כמחליף המומלץ בשתי ההערות. מה שאף עמוד של Databricks לא אומר הוא שהצ'קפוינט של 17 באוקטובר עומד להגיע. הטענה הזו היא עובד אחד שמדבר בשם עצמו — אות פנימי לגבי כוונה ולא תאריך שחרור, ועמוד המודלים הנתמכים עדיין מציג את המודל ללא תווית צ'קפוינט. אז שינוי הזמינות השבוע הוא עתידי, ממקור בתוך הפלטפורמה ולא מהפלטפורמה עצמה; מה שלקוח Databricks יכול לקרוא אליו היום הוא המשקלים של ספטמבר, וההחלפה שהמאמר הזה תיאר — משקלים חדשים תחת אותו שם ואותו כרטיס תעריפים — היא הצורה שהמחליף יקבל כשהוא יגיע.

אז מה שלא השתנה חשוב לא פחות ממה שכן. שלושה מבין ארבעת כלי המדידה העצמאיים עדיין מכסים את משקלי ספטמבר ורק אותם: טבלת ה-harness של Exploit Bench, לוח ה-kernel הקהילתי והרצות החומרה של AA-AgentPerf — כולם הופקו לפני ההחלפה, ושני לוחות DeepSWE v1.1 הנושאים את שמו של המודל הזה מפרסמים רשומה שאין בה checkpoint. הרביעי השתנה ב-18 באוקטובר: Artificial Analysis הוסיפה שורה נפרדת עבור ה-checkpoint 1017, העניקה לו ציון 45 ב-Intelligence Index שלה ו-33.8 ב-Terminal-Bench 4.0, והשאירה את שורת ספטמבר עומדת על 39 ו-26.8. זו הפעם הראשונה שמספר בכתבה הזו הופק על ידי מישהו אחר מלבד DeepSeek מול המשקלים ש-DeepSeek מגישה כעת. השינוי ב-API הוא רענון checkpoint מאחורי שם ש-DeepSeek כבר תיעדה כמצביע על מודל ה-Flash העדכני ביותר — ההיפך מהתוכנית מספטמבר לגרום ל-deepseek-v4-pro להשיב כמודל אחר, וזו ההבחנה שהמפתחים עשו כשהתנגדו לאותו מקרה. עבור קורא ל-API, ההשפעה המעשית צרה וקונקרטית: בקשה ל-deepseek-flash מקבלת כעת משקלים שונים באותו מחיר, כאשר מאחוריהם טבלה טובה יותר שדווחה על ידי הספק, ומאז 18 באוקטובר, צד שלישי אחד נותן להם ציון — נמוך יותר בשורה היחידה שבה קיימים שניהם. ב-OrcaRouter גם מזהה המודל וגם מחירון התעריפים לא השתנו — DeepSeek V4.1 Flash מנותב במחיר המחירון של DeepSeek עצמה עם 0% תוספת שעוברת הלאה — וזה מה שספק שמרענן מודל בלי להזיז את שמו או את מחירו אמור להיראות מהצד של הלקוח בקו.

מה בעצם שוחרר ב-10 בספטמבר

רשומת יומן השינויים נפתחת במשפט בודד: "היום אנו משחררים רשמית את מודל DeepSeek-V4.1-Flash." ‏DeepSeek מתארת אותו כחבר הקטן ביותר במשפחה חדשה של מבני מודלים, עם הבנה חזותית נייטיבית, וזהו השחרור הראשון במחזור הזה שמגיע עם דוח טכני מצורף. בצד ה-API מדובר בהחלפת שם ולא בהגירה:

• שם המודל — deepseek-flash ב-API של DeepSeek עצמה; כתובת ה-base URL, המפתח ופורמט הבקשה לא השתנו.

• הוצא משימוש — DeepSeek V4 Flash ו-DeepSeek-V4-Flash-Vision-Exp אינם פעילים. המזהים הישנים שלהם עדיין מתקבלים ומנותבים כעת ל-V4.1 Flash, בחיוב לפי תעריפי Flash, כך שהאינטגרציות הקיימות ממשיכות לפעול ללא שינוי בקוד.

• V4 Pro — DeepSeek הודיעה כי החל מ-12:00 לפי שעון בייג'ינג ב-14 בספטמבר, בקשות אל deepseek-v4-pro ינותבו אל V4.1 Flash במחירי V4.1 Flash עד להשקתו של V4.1 Pro, ואז חזרה בה מההחלטה לפני שהתאריך הגיע. V4 Pro עדיין מוגש, בתמחור ללא שינוי, ו-DeepSeek אומרת שתודיע על כל שינוי נוסף.

• Envelope — חלון הקשר של 1M טוקנים, פלט מרבי של 384K, 2,500 בקשות במקביל לחשבון, קלט תמונות נתמך, מצב חשיבה מופעל כברירת מחדל עם אפשרות ללא חשיבה.

• משקלים — באותו יום, המאגר deepseek-ai/DeepSeek-V4.1-Flash עלה ל-Hugging Face תחת רישיון MIT: 48 חלקי safetensors בסך כולל של כ-510 GB, הדוח הטכני כ-PDF לצידם, ומימוש הסקה לדוגמה בתיקיית inference.

התבליט האחרון הוא גם המקום שבו סיפור מזהה המודל שהוצא משימוש נוגע לכל מי שיש לו deepseek-v4-flash מקודד קשיח בנתיב ייצור: הוא עדיין נפתר, אבל מה שמשיב הוא מודל אחר. DeepSeek הבהירה במפורש שזהו שim שכבות תאימות ולא הבטחה, מה שהופך אותו למועד יעד למיגרציה העוטה הודעת התיישנות.

הארכיטקטורה, כעת מתועדת

לפני יומיים החלק הזה יכול היה להיות רק רשימה של דברים שאיש לא פרסם. הדוח הטכני פותר את הסוגיה, והטענה המבנית מתבררת כפשוטה כמשמעו ולא כשיווקית. DeepSeek V4.1 Flash הוא מודל רב-מודאלי של תערובת מומחים עם 552B פרמטרים, והחלקים החדשים הם אלה שקובעים מה יעלה להפעיל אותו:

• Backbone — 552B פרמטרים בסך הכול, mixture-of-experts עם מומחה משותף אחד ו-384 מומחים מנותבים בכל שכבה, שישה מומחים מנותבים פעילים לכל טוקן.

CED — טרנספורמר בעל 40 שכבות, המחולק לאנקודר סיבתי בעל 20 שכבות ולדקודר בעל 20 שכבות. מטמון ה‑KV הגלובלי של הדקודר מוקרן מהמצבים החבויים הסופיים של האנקודר, במקום להיגזר מהמצבים החבויים של כל שכבה של הדקודר עצמה, וזה המקור העיקרי לחיסכון בזיכרון.

• אסימטריה בהפעלה — בערך 8B פרמטרים פעילים לטוקן בשלב ה-prefill ו-16B בשלב ה-decode, לכן קריאת פרומפט ארוך זולה משמעותית מיצירת תגובה ממנו.

• מטמון KV — הדוח טוען ל-890 בתים לטוקן של מטמון KV גלובלי, בערך רבע מזה של DeepSeek V4 Flash, תוך שימוש במטמון KV ראשי בפורמט FP4 עם סקאלה אחת לכל 16 ערוצים, ובנוסף שימוש חוזר בין-שכבתי.

• קשב ופענוח — Compressed Sparse Attention 2 עם מצבי Full, Reindex ו-Reuse, מאנדקס דליל היררכי, Single-Pass mHC, ופענוח ספקולטיבי DSpark.

• Engram — טבלת זיכרון מותנית בת 196 מיליארד פרמטרים, שנגישה אליה בדלילות באמצעות חיפוש מבוסס טוקנים, ושנמצאת לצד נתיב תערובת המומחים ולא בתוך מחסנית הקשב. זהו בלוק המשקלים הגדול ביותר במהדורה, והנתון עבורו בכרטיס המודל הוא מה שהופך את גודל ההורדה למובן.

• ראייה — DeepSeek-ViT עם מקרן MLP דו-שכבתי, שאומן מתחילת הקדם-אימון של מודל השפה במקום להיות מוצמד למצע טקסט בדיעבד.

• אימון — 45T טוקנים של קורפוס מולטי-מודאלי, עם קשב דליל שאומן באורך רצף של 64K והקשר הורחב ל-1M בנקודת 34T הטוקנים. הפוסט-אימון כולל SFT, לאחר מכן RL, ולבסוף זיקוק על-מדיניות.

• מאמץ חשיבה — מספר שלם הניתן לשליטה רציפה מ-1 עד 100, חוגה עדינה יותר מהדרגות הנמוכה, הגבוהה והמקסימלית ש-DeepSeek V4 Pro חושף.

נתון ה-KV-cache הוא זה עם השלכות מעבר לדף המפרט, והוא המקום שבו התכנון מצדיק את קיומו. חלון הקשר של 1M טוקנים שימושי רק אם יש לך את היכולת למלא אותו. הסיבה לכך שכלכלת ההקשר הארוך של הדור הקודם הייתה כואבת הייתה כפולה: המטמון הגלובלי גדל עם כל שכבה שביצעה אטנשן על הפרומפט, ורוב קיבולת המטמון המתמשכת הושקעה בהחזקת מצב חלון מחליק שהפסיק להיות שימושי בתוך דקות. התשובה של הדוח תוקפת את שני אלה. השאלה אם המוצר המוגש תואם לכך ב-1M טוקנים תחת מקביליות אמיתית היא מסוג הטענות שעדיין דורשות צד שלישי — הציונים העצמאיים שקיימים כעת מודדים את המודל, לא את כלכלת ההקשר הארוך — אבל המנגנון כעת מתועד ולא מוסק, והסעיף שלהלן מפרק אותו.

בתוך המטמון: כיצד 890 בייטים לכל טוקן מושגים בפועל

כותרת הדוח היא התזה. קראו אותה, והטענת היעילות מפסיקה להיראות כתוצר לוואי של עמוד השדרה מסוג mixture-of-experts ומתחילה להיראות כבריף העיצוב — וזו הקריאה שאליה התכנסו כתבות עצמאיות מאז השחרור. הסיבה שזה חשוב מסחרית ולא אקדמית היא היכן שהחשבון של הסוכן באמת נוחת: הניסוח של DeepSeek הוא ששורת פגיעות המטמון (cache-hit) היא זו ששולטת בו בעומסי עבודה סוכניים ארוכים, מה שהופך את גודל המטמון למנוף עלות ממדרגה ראשונה. המספרים של DeepSeek מציבים את המטמון הגלובלי על 890 בייטים לכל טוקן, בערך פי 437 קטן יותר מ-DeepSeek V1 המקורי וכבערך רבע מ-DeepSeek V4 Flash. הריצו את החשבון על חלון מלא וזה ההבדל בין בערך 890 MB של KV גלובלי לרצף בודד של מיליון טוקנים לבין כ-3.5 GB בשיעור לכל טוקן של V4 Flash. שלושה שינויים עושים את רוב הדחיסה: אחד בכמה נשמר, אחד במה שנקרא, ואחד במה שנשמר בכלל.

פורמט האחסון הוא הקריא ביותר מביניהם. המטמון הגלובלי הראשי נשמר ב-FP4 באמצעות פריסת E2M1 עם קנה מידה E4M3 אחד לכל 16 ערוצים — חצי מהרוחב של מטמון ה-FP8 ששמרה DeepSeek V4 ורבע מ-FP16. מה שמאפשר לזה לשרוד הוא ש-DeepSeek כימתה את המטמון במהלך האימון ולא בזמן ההגשה, כך שהרעש שהפורמט הצר יותר מכניס הוא משהו שהמודל למד להתמודד איתו במקום משהו שהוטח בו בדיעבד. לא הכול נדחס כך: מטמון החלון המחליק המקומי נשאר ב-FP8, משום שהדוח מתייחס אליו כאל החלק הרגיש להצרה נוספת.

Compressed Sparse Attention 2 קובע מה ייקרא. כל שכבת קשב מוקצית סטטית לאחד משלושה מצבים — Full, Reindex או Reuse — כך ששכבות דקודר יכולות לחלוק מצב מפתח ומצב אינדקסר במקום שכל אחת תחזיק מצב משלה, ושכבת מצב Full הראשונה בונה מאגר מועמדים ששכבות אינדוקס מאוחרות יותר מוגבלות אליו. הנתונים בדוח מציבים את המאגר הזה על 16,384 פוזיציות, כשהבחירה הדלילה נעשית מתוך 512 הערכים המובילים, וזה מה שמנתק את עלות האינדוקס מאורך ההקשר: הטענה של DeepSeek היא שמעבר מ-4K ל-1M הקשר מוסיף רק בערך רבע יותר מחשוב לכל טוקן שנוצר, ולא את הגדילה הפרופורציונלית בערך לחלון שהתכנון הקודם רמז עליה. הנתון הבודד הזה הוא הדבר השימושי ביותר בדוח עבור מי שמנסה לתמחר עומס עבודה עם הקשר ארוך, והוא גם זה שאין לו שום אישור חיצוני — אף אחת מהמדידות החיצוניות בכתבה הזו לא בחנה את הקצה הרחוק של חלון ההקשר.

לשינוי שעושה את מרב העבודה בצד המתמשך יש את השם הכי פחות מבטיח. DeepSeek V4 שמר שני דברים במטמון המתמשך שלו במשך יותר מ-72 שעות בעומסי עבודה טיפוסיים: ה-KV הגלובלי ומצב הקשב של חלון מחליק. מצב של חלון מחליק חשוב לפרקי זמן של דקות, אבל הוא צרך קרוב למחצית מקיבולת המטמון המתמשך — אחסון שנועד לימים והוצא על נתונים בעלי תועלת של דקה. V4.1 Flash מוציא את מצב SWA מהמטמון המתמשך כליל ומניח אותו במאגר שנבנה מכ-10% מה-DRAM המארח של כל מכונה, עם זמן תפוגה ברמת דקות. כאשר סשן מתחדש והמצב הזה איננו, SWA Bounded Replay משחזר אותו בקירוב: במקום לשחזר שכבות × אסימוני חלון, הוא משחזר רק את החלון העדכני ביותר, המדווח כ-128 אסימונים, ומקבל שהמצב המשוחזר אינו זהה מתמטית לשחזור מלא. DeepSeek אומרת שהיא הבחינה בהשפעה מועטה על האיכות מן הקירוב ושהיא הדמה את אותה התנהגות במהלך אימון-המשך. כשמחברים זאת למטמון הגלובלי המצומצם יותר, טביעת הרגל של ה-KV המתמשך יורדת לכערך שמינית מזו של DeepSeek V4 Flash בעומסי עבודה זהים — קיצוץ גדול יותר מנתון הרבע שמככב בראש גיליון המפרט, משום שמדובר בשני שינויים שנערמו זה על זה ולא בשינוי פורמט אחד.

שני גבולות חלים על כל זה. הדוח אינו מציע השוואה של השהיה או עלות מקצה לקצה, ולכן מטמון מתמיד קטן פי שמונה אינו עומס עבודה שהוכח כזול פי שמונה: הדחיסה מקלה על לחץ הזיכרון, ורק החלק התלוי בזיכרון של החשבון מגיב לכך. והחיסכון אינו משהו שקורה לך מעצמו. מנוע חייב ליישם את הטלת המקודד-מפענח, את שלושת מצבי CSA2, את פריסת המטמון FP4 ואת Bounded Replay לפני שלמספר יש משמעות כלשהי, ולכן 890 בייטים הם קריאה נכונה יותר כמפרט רשמי מטעם DeepSeek עבור ה-API המוגש שלה עצמה, ולא כהבטחה לגבי בנייה מקומית — ההמרות המקוונטות עבור llama.cpp, Ollama ו-LM Studio במאגר אינן נושאות עמן את המטמון הזה. הכותרת גם מכסה אסימוני טקסט; הטמעות חזותיות נמצאות מחוצה לה. בכל דבר שמתארח בעצמך, המספר שכדאי לסמוך עליו הוא זה שאתה מודד. עד כמה מנוע יכול להגיע עם זה כבר אינו היפותטי, אף שהוא עדיין אינו עצמאי. vLLM יישמה את הקיצוץ בצד המפענח ואת Bounded Replay במהלך שלושת השבועות שלאחר השחרור ופרסמה את המצב לפני ואחרי בקטע המהירות שלמטה — הדבר הקרוב ביותר עד כה לבדיקה של המפרט, וכזו שנעשתה בידי מנוע שמודד את עבודתו שלו ולא בידי מעריך שמודד את המודל.

הציון הבלתי־תלוי, שהורץ פעמיים: 39 עבור משקלי ספטמבר, 45 עבור 1017

Artificial Analysis פרסמה את ההערכה החיצונית הראשונה של DeepSeek V4.1 Flash, וזהו המספר שגרסת הבטא לא הצליחה להפיק. בגרסה הנוכחית של מדד Intelligence Index של Artificial Analysis (v4.3.2), המודל מקבל ציון 39 במצב Reasoning במאמץ מרבי. באותו סולם ובאותה הגדרה, DeepSeek V4 Pro 0813 מקבל 36 ו-DeepSeek V4 Flash 0731 מקבל 34. כשקוראים אותן יחד, שלוש השורות האלה אומרות את מה שהשיווק של DeepSeek עצמה טען ומה שהבנצ'מרקים שלה לא הצליחו לבסס בכוחות עצמם: המודל הקטן ביותר במשפחה הוא כעת החזק ביותר. Artificial Analysis מתארת את 39 כגבוה בהרבה מהחציון של 19 עבור מודלי משקלים פתוחים בגודל דומה. במשך חמישה שבועות זה היה ציון עבור צ'קפוינט ספטמבר בלבד: הרשומה של המעריך נשאה את תאריך השחרור של ספטמבר ולא דבר אחר. ב-18 באוקטובר זה השתנה, והשינוי הוא החדשה שלא הייתה לכתבה הזו כשהיא פורסמה לראשונה. שורה שנייה הופיעה עבור DeepSeek V4.1 Flash 1017, מתוארכת ל-17 באוקטובר, עם ציון 45 באותו מדד ובאותו מאמץ מרבי. זה מעמיד את משקלי 1017 באותה רמה כמו GLM-5.3 עם 45, שתי נקודות מתחת ל-GPT-5.6 Sol עם 47 ושש נקודות מתחת ל-Claude Opus 5 עם 51 — וזה הופך את הצ'קפוינט למודל DeepSeek בעל הציון הגבוה ביותר שהאתר מדד, חמישה שבועות אחרי שמשקלי ספטמבר זכו בתואר הזה. זה גם מעניק למודל מעמד שלא היה לו קודם, ומעמד שהמעריך מציין במפורש בכתיבה שלו מ-19 באוקטובר: מקום שני בטבלת המשקלים הפתוחים, בתיקו עם GLM-5.3 ונקודה אחת אחרי MiMo-V2.6-Pro עם 46, כאשר Step 5 Preview ו-Kimi K3 נמצאים נקודה נוספת מאחור עם 44. שש הנקודות אינן פרוסות באופן שווה על פני עשרת ההערכות. אותו סיכום מדווח על השינויים הגדולים ביותר ברכיבי הסוכנים והידע — Elo של 1,746 לעומת 1,600 ב-GDPval-AA v2.1, Elo של 1,570 לעומת 1,420 ב-AA-Briefcase v1.1, ושיעור אי-הזיה של 33% לעומת 4% ב-AA-Omniscience, כאשר הדיוק עולה מ-43% ל-46% והמדד של אותה הערכה נע מ־5− ל־+5. אלה המספרים של המעריך עצמו עבור המבחנים שלו, שפורסמו על ידו ולא הובאו כאן, והם מתארים מודל שנהפך להרבה פחות מוכן להמציא תשובה — שיפור שונה משיפור המהירות שבו יומן השינויים של DeepSeek פותח.

ההשוואה שמשנה כאן היא ההשוואה הפנימית, משום שהיא אותה השוואה שטבלת הניתוב של DeepSeek עורכת. ב-V4.1 Flash יש 552B פרמטרים בסך הכול, עם 16B פעילים לכל טוקן; ב-DeepSeek V4 Pro 0813 יש כ-1.6T בסך הכול עם כ-49B פעילים. מודל עם כשליש מהשלד בערך משיג ציון גבוה בשלוש נקודות במדד משולב שהיוצר שלו לא הריץ — גבוה בתשע נקודות כאשר מכלילים את משקלי 1017, מאחר שדגם הדגל בנפח 1.6T לא זז מ-36. האיזון בין גודל לציון הוא כל התזה של עיצוב Causal Encoder-Decoder, וכעת מעריך שאין לו כל אינטרס בתוצאה הפיק מספר שעולה בקנה אחד עם זה.

גם החלק הנוגע למחיר של הטענה מחזיק מעמד, וזו ההשוואה הראשונה במחיר בסיפור שאינה מגיעה מכרטיס התעריפים של DeepSeek. Artificial Analysis מציגה את DeepSeek V4.1 Flash במחיר של $0.30 לכל 1M אסימוני קלט ו-$1.20 לכל 1M פלט, לעומת $1.32 ו-$3.96 עבור DeepSeek V4 Pro 0813 — זול פי 4.4 בקלט ופי 3.3 בפלט, עם מחיר משולב של $0.18 לכל 1M בתמהיל 7:2:1 של פגיעות מטמון, קלט ופלט באתר. הוא גם זול יותר מ-DeepSeek V4 Flash 0731 הישן והקטן יותר שהוא מחליף, אשר האתר מציג במחיר $0.44 ו-$1.32 בעוד שהוא מקבל ציון נמוך בחמש נקודות. זול יותר מהמודל שהוא מחליף, זול יותר מהמודל שהוא דוחק, ומקדים את שניהם במדד.

שתי הסתייגויות צריך לצרף למספר. מדובר במכלול של עשר הערכות שהורצו במאמץ חשיבה מקסימלי, ולכן הוא אינו אומר דבר על הגדרות המאמץ הנמוכות שבהן משתמשת בפועל רוב התעבורה בייצור, ואינו אומר דבר על האופן שבו האיכות מחזיקה בקצה הרחוק של חלון של 1M טוקנים. והוא ציון של מעריך יחיד: עצמאי, אך לא משוכפל — והמכלול עצמו עודכן מאז שהמאמר הזה ציטט אותו לראשונה, מ-v4.3 ל-v4.3.2, מה שהזיז את הציון של DeepSeek V4.1 Flash מ-40 ל-39 ואת זה של קודמו מ-35 ל-34. מה שכן הוא מבסס הוא צר ושימושי — הטענה היחידה שהבטא לא יכלה לתמוך בה, שמודל של 552B הוא באמת תחרותי מול מודל הדגל של DeepSeek עצמה בן ה-1.6T, יש לה כעת מקור מחוץ ל-DeepSeek. השורה של 1017 נושאת את אותן שתי הסתייגויות ועוד אחת. זהו ציון של מעריך יחיד, עבור משקלים בני חמישה שבועות יותר מרוב הראיות כאן, וזהו מכלול אחד ולא שכפול של שורה של שום ספק. גם מחירו למשימה זז באתר: נקודת הבידוק של ספטמבר רשומה היום ב-$0.49 למשימת Intelligence Index, במקום $0.27 שהמאמר הזה נשא לראשונה, ונקודת הבידוק 1017 ב-$0.26. התייחסו לנתון הדולרי כמספר חי על לוח המחוונים של מישהו אחר ולא כקבוע — וזה אותו לקח שהציון עצמו לימד כשעבר מ-40 ל-39. טבלת העלויות שלצד הציון היא שאר ההסתייגות, והיא חותכת לשני הכיוונים. המודל שמקום אחד מעליו הוא גם חצי ממחירו: MiMo-V2.6-Pro מגיע ל-46 ב-$0.13 למשימת Intelligence Index לעומת $0.26 כאן, וההשוואה של Artificial Analysis עצמה מציבה את GPT-6.1 Sol במאמץ בינוני על 48 תמורת $0.21. מה שנקודת הבידוק 1017 כן מנצחת בו הוא העימות ראש בראש ש-DeepSeek מוכרת מאז ספטמבר — היא גוברת על GLM-5.3-Flash בשני הצירים של אותה טבלה, 45 מול 42 ו-$0.26 מול $0.28 למשימה — וזהו הציוות שבו היכולת והעלות נעות באותו כיוון.

הציון החיצוני הבא: ARC Prize בונה את המבחן

ב-25 בספטמבר פתח מאט מזור, מוביל בדיקות המודלים של ARC Prize, pull request במאגר הבנצ'מרק ARC-AGI-3 של הקרן עצמה, שמוסיף מתאם ספק DeepSeek מהשורה הראשונה: פרופיל אחד, בשם deepseek-v4-1-flash-low-provider-adapter, ששדה ה-model שלו הוא deepseek-ai/DeepSeek-V4.1-Flash. הטענה ש-ARC Prize מתכוונת להעריך את המודל הזה הגיעה כפוסט חברתי בודד, ולכן בדקנו אותה מול הקוד של הקרן עצמה ולא מול הפוסט. המתאם, הפרופיל, בדיקות היחידה והתיעוד שלו נמצאים ב-diff, והמאגר הוא הארנס שמדיניות הבדיקות של ARC Prize מציינת עבור הבנצ'מרק הסוכני האינטראקטיבי שלה. מה שלא קיים הוא תוצאה: ה-pull request פתוח ולא ממוזג, אין ציון, אין תאריך פרסום, ואין הצהרה אילו רמות הסקה יפורסמו. הסיבה שזה חשוב היא צורת המדידה, ולא הבשורה שתוצאה כזו מגיעה. ARC-AGI שואל שאלה ששאר הלוחות לא שואלים: מודל יכול להיות מהיר, זול וחזק בתוך הארנס ועדיין להשיג ציון בשנות השישים במשימות שהוא לא ראה. זו השאלה שאף אחד עדיין לא שאל את DeepSeek V4.1 Flash.

הפרופיל מגדיר בדיוק כיצד הרצה כזו תעבוד, ושלושה פרטים יעצבו את המספר שיתקבל בסופו של דבר. הוא מריץ את המודל בהגדרת מאמץ חשיבה נמוך ולא במקסימום, מזרים תגובות, מגדיר הקשר harness של 1M טוקנים עם טריגר דחיסת סיכום ב-175,000 טוקנים, ומגביל את הפלט ל-262,144 טוקנים. הוא מנתב דרך נקודת הקצה התואמת ל-OpenAI של Baseten ולא דרך זו של DeepSeek עצמה, והוא מוגדר ב-$0.30 לכל 1M טוקני קלט וב-$1.20 לכל 1M טוקני פלט — תעריפי השיא במחירון של DeepSeek, ולא תעריפי השפל המצוטטים בהמשך הכתוב. ARC Prize מחשבת עלות לכל משימה מהמחירים המוגדרים בפרופיל, לכן המספר הסופי יהיה לפי תעריף שיא, וכדאי לזכור זאת לפני שמשווים אותו ל-$0.042 לכל משימה ש-DeepSeek V4 Flash 0731 הציג כשנבדק. המאפיין יוצא הדופן האחר הוא פתרון עוקף לאופן שבו מצב החשיבה של DeepSeek מתנהג: תוכן חשיבה היסטורי משוחזר רק כאשר בקשה כוללת כלים, לכן המתאם גורם למודל לפלוט כל פעולת ARC כקריאת כלי submit_action ומשחזר את הודעת העוזר המדויקת עם החשיבה שלה מצורפת, במקום לפרסר פעולות מתוך פרוזה.

הרף שמולו זה יימדד מגיע מהלוח של ARC Prize עצמו. DeepSeek V4 Flash 0731, נקודת הצ׳קפוינט ש-V4.1 Flash מוציא מכלל שימוש, היא הרשומה המאומתת בלוח עבור דרג ה-Flash שממנו היא מגיעה: 61.4% ב-ARC-AGI-2 במאמץ החשיבה המרבי ו-89.0% ב-ARC-AGI-1, בעלות של $0.042 ו-$0.021 למשימה. Dots3-Note Preview עומד על 76.8% ב-ARC-AGI-2, שהם ה-77% שאליהם מכוון הפוסט שסימן את המתאם, והציפייה של אותו חשבון — שכל תוצאה מתחת ל-80% מיורש גדול בהרבה ובעל מולטימודליות ילידית תאכזב — היא המסגור שלו ולא יעד מפורסם. החלק הנותר של אותו מסגור ראוי לתווית: הטענה ש-V4.1 Flash מייצר 29% יותר טוקנים מהמודל שהוא מחליף היא חסרת ייחוס ובלתי מוגדרת, ושום דבר ממה שפרסמו DeepSeek או ARC Prize אינו אומר מה היא מודדת.

הסתייגות אחת לגבי באיזה לוח מדובר. המתאם נחת במאגר ARC-AGI-3, הרנס של הבנצ'מרק הסוכני האינטראקטיבי של הקרן, והמאגר הנפרד שמריץ את ARC-AGI-1 ואת ARC-AGI-2 אינו מכיל רשומת V4.1 כלל — רשימת המודלים שלו לא עודכנה מאז 27 ביולי ועדיין מציינת נקודות קצה ישנות של DeepSeek. לכן העובדה הניתנת לתיארוך היא ש-ARC Prize חיברה את המודל הזה להרנס הסוכני שלה; האם הוא יופיע גם בלוח ARC-AGI-2, שבו נמצאת השוואת ה-61.4%, אינו משהו שהקוד הציבורי מראה היום. הקריאה המעשית לכל מי שבוחר מודל התרחבה. ארבעה מכשירי מדידה בלתי תלויים על DeepSeek V4.1 Flash פועלים כעת — מדד משולב שהורץ פעמיים, פעם אחת לכל נקודת ביקורת; לוח קרנל קהילתי; בנצ'מרק סייבר הנשלט על ידי הרנס; ומאז 14 באוקטובר, בנצ'מרק הגשה על חומרה — ושניים מהם מציבים את המודל בתוך הרנס במשימות שהוא לא ראה. החדש מבין השניים הוא המדד המשולב, שכולל את Terminal-Bench 4.0 מאז index v4.3: 66 משימות טרמינל, pass@1 בממוצע על פני שלושה חזרות, כל מודל תחת אותו הרנס סוכני. תוצאתו מ-18 באוקטובר עבור משקולות 1017 היא 33.8. בנצ'מרק הסייבר, להלן, הוא הקרוב ביותר מכל אלה, ובו המודל הזה מפסיד את ההתמודדות ראש-בראש היחידה שהוא מקיים. פרופיל ARC הוא ההערכה שנבנתה כדי לענות על שאלת ההיסק, והוא עדיין זה בלי מספר. עד שהוא ירוץ, תקרת ההיסק של המודל אינה מדודה, והמספר שכדאי להעמיד מולו הוא זה של קודמו.

ציון הסייבר החיצוני הראשון: ההרנס מזיז את המספר יותר מהמודל

ב-28 בספטמבר פרסמה מעבדת ההערכה Generality Labs המשך לעבודת הסייבר הקודמת שלה בשם "האם הרתמה חשובה בהרצת Cyber Benchmarks?" — המדידה החיצונית המוגמרת הראשונה שמציבה את DeepSeek V4.1 Flash לצד מודל נוסף במשקלים פתוחים באותו מדד סייבר. המדד הוא Exploit Bench, הערכה של Carnegie Mellon מאת Seunghyun Lee ופרופ' David Brumley, שמדרגת עד כמה סוכן מטפס בסולם של שישה-עשר יכולות — מהגעה לקוד פגיע, דרך הפעלת הבאג, דרך בניית פרימיטיבים לניצול, ועד להרצת קוד שרירותית — כנגד V8 בייצור עם ארגז החול האבטחתי של V8 מופעל. המעבדה הריצה שני מודלים, DeepSeek V4.1 Flash ו-GLM-5.3-Flash של Z.ai, עם תקציב של 250 מיליון טוקנים לכל משימה על פני 10 משימות שנבחרו מתוך 41 המקוריות של המדד באמצעות תורת התגובה לפריט (Item Response Theory), וחזרה על כל מודל בשבע תצורות רתמה: שישה CLIs של סוכנים — Claude Code, Codex, Kimi CLI, ReAct, Gemini CLI ו-OpenCode — בתוספת ברירת המחדל של המדד עצמו, שאותה מכנה הכתוב Original. Original אינו CLI של צד שלישי כלל: אין לו מגבלת טוקנים, תקרה של 300 סיבובים ואין דחיסת הקשר. החשבון שסימן את התוצאה הזו מתאר את Original בערך כלולאת while בפייתון; זהו התיאור שלו ולא של החוקרים, שתיאורם הוא זה שלמעלה.

התוצאה היא פיזור שאף ציון בודד לא היה מציג. היכולת הממוצעת נמדדת מתוך 16. DeepSeek V4.1 Flash נמצא במיטבו תחת Claude Code, 9.3, עם Codex במקום השני ב-8.9; אותו מודל יורד ל-7.4 ב-Kimi CLI, 5.9 ב-OpenCode, 5.7 ב-Gemini CLI, 5.3 ב-ReAct ו-4.7 תחת Original — ברירת המחדל של המבחן של עצמו, והגרוע מבין השבעה. GLM-5.3-Flash הופך את הדירוג הזה בשני הקצוות. התצורה הטובה ביותר שלו היא Codex ב-10.6, מעל ה-10.02 שנמצאים במערך הנתונים של המחקר עצמו עבור Mythos Preview על מערך 41 המשימות המלא, אם כי החוקרים מזהירים שתת-קבוצה של 10 דגימות אינה מייצגת באופן מלא; הגרוע ביותר שלו הוא Claude Code ב-6.2, אותה סביבת הרצה שהיא הטובה ביותר של DeepSeek V4.1 Flash, ו-8.9 ב-Gemini CLI, 8.2 ב-Kimi CLI, 8.1 ב-OpenCode, 7.7 ב-ReAct ו-6.4 תחת Original. בממוצע על פני כל השבעה, GLM-5.3-Flash נמצא סביב 8.0 ו-DeepSeek V4.1 Flash סביב 6.7. אז שני החצאים של הטענה שהופצה עם התוצאה הזו מתאמתים מול הנתונים שפורסמו: בחירת סביבת ההרצה שווה כמה נקודות, ובמבחן הזה DeepSeek V4.1 Flash הוא החלש מבין שני המודלים — אלא שתחת Claude Code, שם הוא מוביל ביותר משלוש.

החוקרים מציינים במפורש שאינם יכולים להסביר באופן מלא את הפיזור. הרמז החיובי היחיד שלהם הוא כיצד כל ארנס דוחס את ההקשר, וההבדל הוא עניין של ניסוח. פרומפט הדחיסה של ReAct מבקש מהמודל "כתוב סיכום המשך שיאפשר לך (או למופע אחר של עצמך) לחדש את העבודה"; בתמלולים שהמעבדה פרסמה, זה מוביל לפעמים את המודל להכריז שהעבודה הסתיימה, לאחר מכן הארנס מעיר אותו שוב והוא מגיש מחדש את אותו דוח עשרות פעמים עד שהתקציב אוזל. Codex מנסח את אותו רגע כ"צור סיכום מסירה ל-LLM אחר שימשיך את המשימה", והמעבדה משערת שפנייה לסוכן אחר היא מה שמאפשר למודל להתקדם לאורך תקציבים ארוכים. הם מכנים זאת השערה, לא סיבה. שגיאת תצורה אחת חשובה גם לקריאת הטבלה: הדחיסה של ReAct הוגדרה ל-100K טוקנים במקום הטריגר המיועד, כך שהיא דחסה בתדירות גבוהה בהרבה ממה שהתכנון דרש, מה שמנמיך את שורות ה-ReAct של שני המודלים. ההסתייגויות של המחקר עצמו ראויות להילקח בחשבון עם כל מספר ממנו — שני מודלים, 10 דגימות לכל תצורת ארנס, 70 דגימות שאלות לכל מודל מול 41 המשימות המקוריות של הבנצ'מרק, ושלוש דגימות שנכשלו או שלא הסתיימו מעולם, שתיים מהן GLM-5.3-Flash. המחברים מציינים שהמדגם הקטן רועש מטבעו, שאין להניח שהתוצאה חלה על תחומים ומשימות אחרים, ושעבודה קודמת של METR לא מצאה הבדל מובהק סטטיסטית בין ארנסים במשימות אופק ארוך. זו מעבדה חיצונית שמריצה בנצ'מרק של מישהו אחר, לא בעלי הבנצ'מרק, והיא לא עברה ביקורת עמיתים. מה שזה לא הוא נתון של ספק, וזה המספר החיצוני הראשון בכתבה הזו שסותר את הסיפור של הספק עצמו במקום רק להיכשל באישורו.

יש כאן דבר אחד שנתב יכול לפעול עליו, ודבר אחד שהוא לא יכול. הוא לא יכול לבחור את ההרנס שלך — זו לולאת הסוכן שאתה כבר מריץ, וכל עיקרו של המחקר הזה הוא שהבחירה הזו נושאת משקל. מה שהוא כן יכול לעשות הוא להפוך את חצי־המודל של הזוג לשינוי של שורה אחת. DeepSeek V4.1 Flash ו-GLM-5.3-Flash ניתנים לניתוב דרך OrcaRouter באמצעות מפתח יחיד תואם OpenAI, במחיר המחירון של הספק עצמו עם 0% תוספת מחיר, כך שצוות שרוצה למצוא את השילוב שלו של מודל והרנס יכול להחליף את המודל שמתחת להרנס קבוע בלי חוזה שני או אינטגרציה שנייה, ולהשאיר מאחוריו מודל מוכח כגיבוי אוטומטי (failover) אם ההחלפה תתגלה כרגרסיה. זהו אותו טיעון שסעיף האימוץ מציג בהמשך, כשהוא מיושם על החלטה שמחקר ההרנס זה עתה הפך למוחשית: לפי הראיות האלה, ההרנס שאתה מריץ עשוי להיות חשוב יותר מהמודל שאתה בוחר, וצד המודל של אותו זוג הוא הצד שאתה יכול לשנות באחר צהריים אחד.

היכן שהוא נוחת מול הגבול, והיכן שהוא עדיין מפסיד

כרטיס המודל של ספטמבר משווה את V4.1 Flash מול Opus-5.0, GPT-5.6 Sol, Kimi K3 ו-GLM-5.3 במאמץ חשיבה מרבי, כאשר DeepSeek V4 Pro ו-DeepSeek V4 Flash שלה משמשים כקווי בסיס פנימיים. כל נתון להלן מדווח על ידי הספק, הורץ על גבי מערכות ההרצה של DeepSeek, ולא שוחזר על ידי צד שלישי כלשהו. הכרטיס מציין שתוצאות סוכניות משתמשות במצב Minimal של DeepSeek Harness עם הקשר של 1M טוקנים עבור מבחני קוד וחלון של 512K עבור מבחנים חזותיים, ולכן אין להשוות אותן ישירות למספרים שפורסמו על ידי צדדים שלישיים באותם מבחנים. הציונים הבלתי-תלויים בסעיפים שלמעלה הם מדידות שונות על קבוצות הערכה שונות; הם תומכים בתמונה הכללית ואינם מאששים אף שורה בודדת להלן, והשורות של 17 באוקטובר בסעיף שלמעלה מגיעות מכרטיס אחר ומהרצה אחרת של אותם מבחנים.

בעבודות אָגֶ'נְטִיוֹת וקידוד, מספרי הספק מציבים את V4.1 Flash מעל מודלי החזית שהוא מציין:

• Terminal-Bench 2.1 — 90.6, לעומת 89.1 עבור Opus-5.0, 88.8 עבור GPT-5.6 Sol ו-87.9 עבור DeepSeek V4 Pro

• DeepSWE v1.1 — 74.2 נפתרו, לעומת 74.0, 73.0 ו-62.7

• CyberGym — 88.1, לעומת 84.5 גם ל־GPT-5.6 Sol וגם ל־GLM-5.3, ו־83.3 ל־DeepSeek V4 Pro

• AutomationBench — 54.8, לעומת 50.3 עבור Opus-5.0 ו-37.7 עבור DeepSeek V4 Flash

הבחינה האחרונה של הסוכן — 31.8, לעומת 28.6 ו-25.7

• Codeforces — דירוג של 3,471, לפני DeepSeek V4 Pro עם 3,348 ו-DeepSeek V4 Flash עם 3,289

• MathArena Apex — 65.6, ברמה של Kimi K3 ולפני DeepSeek V4 Pro עם 65.3

ובסוויטות האג'נטיות הקשות יותר, זה לא:

• Terminal-Bench 3.0 — 30.0, הרבה מאחורי Opus-5.0 עם 43.3 ו-GPT-5.6 Sol עם 34.4, אם כי הרבה לפני DeepSeek V4 Pro עם 11.8

• Terminal-Bench 4.0 — 31.2, לעומת 51.8 ו-39.9, ושוב לפני DeepSeek V4 Pro עם 12.4

• ProgramBench — 20.3, לעומת 37.0 עבור Opus-5.0

• NL2Repo-Bench — 64.0, לעומת 75.3 עבור Opus-5.0

• HLE — 36.8, לעומת 56.3 ו-44.5

• ExploitGym — 15.3, נגד 33.7 ו-22.1

צורתה של הרשימה הזו מאלפת יותר מכל שורה בודדת. V4.1 Flash מטפס מעבר לחזית במדדים שמתגמלים שימוש מתמשך בכלים בתוך הארנס, ומפסיד באלה שמתגמלים עומק חשיבה — התבנית שהייתם מצפים ממודל שתוכנן סביב תפוקה וכלכלת הקשר ולא סביב תקרת חשיבה גולמית. ההשוואה הפנימית היא הבולטת: הוא מנצח את DeepSeek V4 Pro כמעט בכל שורה, כולל השורות שבהן שניהם מפסידים ל-Opus-5.0. DeepSeek לא טוענת שהמודל הזול ביותר שלה הוא המודל הטוב ביותר בשוק. היא טוענת שהמודל הזול ביותר שלה הוא המודל הטוב ביותר ש-DeepSeek מייצרת, טענה שטבלת הניתוב שלה עצמה תומכת בה.

כמה זה עולה, ואיך נראית בעצם ההשוואה ל-Pro

כרטיס התעריפים של 10 בספטמבר הוא כעת פשוט כרטיס V4.1 Flash, שפורסם בעמוד Models & Pricing של DeepSeek עם חלוקה לשעות שיא ושעות שפל:

• קלט, פגיעת מטמון — $0.003 לכל מיליון טוקנים בשעות שפל, $0.006 בשעות שיא

• קלט, החטאות מטמון — $0.15 למיליון אסימונים בשעות שפל, $0.30 בשעות השיא

• פלט — $0.60 לכל 1M טוקנים בשעות שפל, $1.20 בשעות שיא

• חלונות שיא — 01:00–04:00 ו-06:00–10:00 UTC, יום שני עד שישי; כל שעה אחרת מחויבת בחצי מתעריף השיא

• ברנמינבי — ¥0.02, ¥1 ו-¥4 בשעות השפל, מוכפל ל-¥0.04, ¥2 ו-¥8 בשעות השיא

השוו זאת למודל שאותו הוא מחליף. DeepSeek V4 Pro גובה $0.022 לכל מיליון קלט עם פגיעת מטמון, $0.66 לקלט עם החמצת מטמון ו-$1.98 לפלט מחוץ לשעות השיא — בערך פי 4.4 בקלט עם החמצת מטמון ופי 3.3 בפלט. אלה המספרים שהניתוב מחדש מ-14 בספטמבר היה מחיל על כל קריאה ל-deepseek-v4-pro, וזו הסיבה שהתוכנית הייתה סיפור מחיר לא פחות מסיפור יכולת, והם עדיין הסיבה שההשוואה חשובה: DeepSeek ביטלה את הניתוב מחדש, לא את המחירון. Artificial Analysis מגיעה לאותה אריתמטיקה מהרשימות שלה — $0.30 ו-$1.20 לכל מיליון עבור V4.1 Flash לעומת $1.32 ו-$3.96 עבור DeepSeek V4 Pro 0813, אותם פי 4.4 ופי 3.3, ומחיר משוקלל של $0.18 לכל מיליון לפי תמהיל 7:2:1 של פגיעות מטמון, קלט ופלט באתר. המחירון גם נמוך מהמחיר של DeepSeek V4 Flash 0731, המודל שהוא מוציא לגמלאות, שאותו אתר מציין ב-$0.44 ו-$1.32.

מחיר לפי טוקן אינו עלות לפי משימה, והבטא היא ההוכחה לכך. בודקים ביום הראשון דיווחו שהפעלות של חמש דקות רוקנו את היתרה שלהם מהר יותר במודל החדש מאשר אותו זמן שעון ב-DeepSeek V4 Flash, מפני שהמודל בנוי לפלוט טוקנים במהירות, והחיוב נמדד לפי טוקנים, לא לפי דקות. כרטיס שמחירו רבע ממחיר Pro הוא מציאה אם משימה מסתיימת במספר טוקנים דומה; הוא יוצא מאוזן אם המודל מהרהר זמן רב יותר כדי להגיע לשם.

כאשר אכן קיים מספר חיצוני לשאלה הזו, הוא מצביע לשני הכיוונים. Artificial Analysis מציבה את DeepSeek V4.1 Flash ב-$0.27 למשימת Intelligence Index על סט ההערכה שלה — נתון אמיתי לכל משימה, שהופק מחוץ ל-DeepSeek, והוא נמוך. אבל אותה הרצה יצרה 250M אסימוני פלט לעומת חציון של 140M עבור מודלים דומים, והסיכום באתר מכנה את המודל מילולי מאוד באותה נשימה שבה הוא מכנה אותו מהיר. מילוליות היא בחינם בתוך רתמת בנצ'מרק ויקרה בייצור, וזה בדיוק המנגנון שתיארו בודקי הבטא כשדיווחו שיתרות מתרוקנות מהר יותר במונחי זמן שעון. התמונה הכנה של שאלת העלות למשימה היא שמעריך עצמאי אחד מדד כעת את שני החצאים שלה, על סט ההערכה שלו, והתשובה עדיין תלויה במה שאתה מריץ. המדד המשולב לא יכול להראות לאן הולך הפלט הנוסף, וגם בודקי הבטא לא אמרו זאת. דיווחי ההתנסות הראשונים כן מראים זאת, והם בסעיף המהירות למטה: המודל מילולי כי הוא בודק. עדכון ה-17 באוקטובר הוא הפעם הראשונה ש-DeepSeek טוענת לשנות את המספר הזה: יומן השינויים אומר שה-checkpoint החדש "מפחית את זמן הריצה של המשימה ואת אורך הפלט", והפוסט כמה שעות לאחר מכן אומר את אותו הדבר בפחות מילים — "השלמת משימה מהירה יותר, ופלטים קצרים יותר." זהו DeepSeek שמתייחסת, על סמכותה שלה, לכמות המדויקת שהמדידה החיצונית התלוננה עליה, בלי שום נתון מצורף לאף אחת מההצהרות. המבט החיצוני הראשון על כך, ב-18 באוקטובר, מצא את הנפח המצטבר יורד — 210 מיליון אסימוני פלט ברחבי האינדקס לעומת 250 מיליון בספטמבר — ואת הנתון למשימה ללא שינוי, ב-89,495 אסימונים לעומת 88,574.

מה העלות החודשית: הקצבה של 80 דולר, ואז מסלול חינמי

הכרטיס שלמעלה עונה על השאלה כמה עולה טוקן. נתון אחר זז פעמיים, ובשתי הפעמים הוא בא מ-OpenCode — סוכן הקידוד שמינוי ה-Go שלו מתמחר גישה למודל הזה כמכסת שימוש חודשית ולא כטוקנים מחויבים לפי מדידה — כשהוא מדבר על המינוי של עצמו ולא על המודל. ב-25 בספטמבר חשבון הפלטפורמה פרסם: "מבצע Cheepseek שלב 2: שימוש בסך $60 עבור DeepSeek v4.1 Flash הוא כעת קבוע." ב-12 באוקטובר הוא פרסם את ההמשך באותו פורמט — "מבצע Cheepseek שלב 3: שימוש בסך $80 עבור DeepSeek V4.1 Flash" — ועמוד התמחור שלו הראה $80 עבור המודל הזה במקום שבו הראה $60 בסוף ספטמבר. הקריאה הזו נלקחה בשנית ב-13 באוקטובר, מול אותו עמוד, והחזירה את אותה שורה: $80 במסלול Go ב-$10 לחודש, $160 ב-Go Plus. הנתון אפוא אינו טענה של פוסט אחד על עצמו; זהו המחיר המפורסם של פלטפורמה אחת עבור הצעת המודל הזה, והוא עדיין היה שם יום לאחר מכן. בקריאה משותפת, שני הפוסטים אומרים למה התברר ש"קבוע" התכוון: בלי תאריך תפוגה — ומספר גבוה יותר שלושה שבועות לאחר מכן. מה שהשינוי הזה אינו הוא דרך חדשה להגיע למודל — היא מגיעה שלושה ימים לאחר מכן, בפסקה שלמטה. DeepSeek V4.1 Flash עונה ב-API של DeepSeek עצמו מאז 10 בספטמבר ו-OrcaRouter הציעה אותו בתעריפים של DeepSeek עצמו מאז ההשקה, כך שהמשקלים, הארכיטקטורה וכל שורת בנצ'מרק בכתבה הזו אינם מושפעים מתמחור מחדש של מינוי; מה שאוקטובר שינה הוא מי שמוכן להציע את המודל ובאילו תנאים.

הרשומה החינמית היא סוג שונה של שינוי מכל אחד מאלה, והיחידה מבין השלושה שמשנה את מה שקורא יכול לעשות השבוע. ב-15 באוקטובר הוסיפה OpenCode רשומה נפרדת עבור המודל הזה — DeepSeek V4.1 Flash Free, מזהה המודל deepseek-v4.1-flash-free — המוגש ללא תשלום. רשימת המודלים הפומבית של הפלטפורמה מחזירה אותו לצד המזהה בתשלום, התיעוד שלה ב-Console כולל רשומת מודלים חינמיים המתארת אותו כחינמי לזמן מוגבל ואת הספק שלו ככזה הנוקט במדיניות אי-שמירה שאינה מאמנת על הנתונים, וטבלת המחירים המפורסמת שלה מציבה קלט, פלט וקריאות מהמטמון כ-Free. מה שהוא אינו הוא המוצר המלא. המגבלות הקטלוגיות של הרשומה החינמית — שנוספו ל-models.dev, הקטלוג שממנו נגזרת רשימת המודלים של OpenCode עצמה, ב-15 באוקטובר — מציינות את הרשומה בתשלום כמודל הבסיס ומגבילות את החלון ל-200,000 טוקנים עם תקרת פלט של 32,000 טוקנים, לעומת חלון ההקשר של 1M ופלט מקסימלי של 384K ברשומת deepseek-v4.1-flash בתשלום. אלה אותם משקלים מאחורי תנאי שירות מצומצמים יותר ולא מודל קטן יותר או מסוקל, ותקרת הפלט היא הסעיף שננשך ראשון בעבודה סוכנית, שבה עריכת קובץ בודד יכולה לחרוג ממנה. הפלטפורמה אינה מצרפת תאריך סיום להסדר ואינה מפרסמת מחירון עבורו, כי אין תעריף. דבר מכל זה לא בא מ-DeepSeek: זו החלטה מסחרית של פלטפורמה אחת בנוגע למודל שאינה הבעלים שלו, שנאמרת ברשימת המודלים שלה, בתיעוד שלה ובטבלת המחירים שלה, והיא המקור היחיד לכל זה — לא מצאנו מדידה בלתי תלויה של אופן ההתנהגות של נקודת הקצה החינמית בעומס, ו"זמן מוגבל" הוא הביטוי של הפלטפורמה ולא לוח זמנים. קראו לזה הדרך הזולה ביותר להציב חלון של 200,000 טוקנים מול המודל הזה היום, ולא כשינוי במה שהמודל הוא.

המכניקה מגיעה מאותו עמוד תמחור, שנקרא ב-12 באוקטובר ונקרא שוב ב-13 באוקטובר. Go היא מנוי בעלות 10 דולר לחודש, והטבלה שלה מצמידה לכל מודל שמופיע בה אומדן מספר בקשות לכל חמש שעות ומגבלת שימוש חודשית, בעמודות נפרדות לשתי הרמות. ל-DeepSeek V4.1 Flash הקצובה הגדולה ביותר בעמוד: 80 דולר לחודש ו-34,670 בקשות מוערכות לכל חמש שעות ב-Go, כפול ל-160 דולר ול-69,330 ב-Go Plus. השורות מחייבות את המודל לפי התעריף של DeepSeek עצמה — 0.15 דולר לכל 1M טוקני קלט, 0.60 דולר לפלט ו-0.003 דולר לקריאה ממטמון בשעות שפל, כשהם מוכפלים ל-0.30, 1.20 ו-0.006 דולר בחלונות שיא בימות השבוע — ואלה המספרים של הספק, ללא שינוי מאז הקריאה בספטמבר שכבר הובאה בסעיף הזה. שני דברים שהעמוד הציג אז אינם בו היום, ושניהם ראויים לציון משום שהקריאה הקודמת הסתמכה עליהם: כלל המשיכה בשלושה דליים — 20% בכל חמש שעות, 50% על פני שבוע ו-100% על פני חודש — אינו מופיע עוד, וכתובת התיעוד שממנה נקראו אומדני הבקשות במקור, opencode.ai/docs/go, החזירה 404 כשבדקנו. מספרי הבקשות לעיל הם החישוב של הפלטפורמה על צורת קריאה שהיא אינה מפרסמת, ולא שלנו.

השינוי ניתן לבדיקה מול העמוד, וכך גם העובדה שיש כיום יותר מאחד. בסוף ספטמבר אותן שורות הציגו $60 ללא תאריך תפוגה מצורף, לאחר שהקצבה פרסומית של $15 הוכפלה פי ארבעה ל-$60 ונשאה את 20 בספטמבר כתאריך שבו המכפיל יפקע; אומדני הבקשות פורסמו בשתי עמודות, 6,500 / 16,250 / 32,500 בסטנדרט לעומת 26,000 / 65,000 / 130,000 עם המכפיל מיושם. השורות הציגו $80 בשתי הקריאות, והאומדנים שפורסמו לדגם הזה הם 34,670 לכל חמש שעות ו-69,330 בחודש — הקצבה כספית גבוהה יותר לצד מספר בקשות חודשי נמוך יותר מאשר בסט המורחב של ספטמבר, ושתי אלה לא יכולות לתאר את אותה צורת קריאות משוערת. העמוד אינו מציין תמהיל טוקנים ואינו מציע הסבר, ולכן ההבדל הוא עובדה לגבי שתי הקריאות ולא משהו שאנו יכולים לפתור מבחוץ. המחירים עצמם מעולם לא היו הנחה בכרטיס של DeepSeek — תמחור לפי טוקן היה של הספק לכל אורך הדרך, וכך הוא עדיין. מה שהקצבה לא עושה הוא לומר משהו על איכות: זהו שיקול הדעת של פלטפורמה אחת שהיא יכולה לשאת את התעבורה של הדגם הזה במחירים האלה ללא מועד סיום, וזו עדות על אקוסיסטם השירות ולא על הדגם.

ההבחנה חשובה כשאתם בוחרים, כי תקרה שטוחה ומונה חיוב מועבר הם מוצרים שונים. DeepSeek V4.1 Flash נמצא ב-OrcaRouter בתעריף של DeepSeek עצמה עם 0% תוספת — $0.15 לכל 1M קלט ו-$0.60 לכל 1M פלט בשעות שפל, אותם מספרים שמופיעים בכרטיס שלמעלה, בלי שום דבר שנארז סביבם: אין מנוי לרכוש ואין מכסה חודשית למצות. תקרה של $80 על מחיר חודשי קבוע היא הצורה הנכונה למפתח אחד שמריץ סוכן כל היום, כשהשאלה היא מה עולה החודש — ותקרה שכבר הועלתה פעם אחת, בשליש, היא גם תזכורת שהנתון הוא החלטה מסחרית ולא תכונה של המודל. שכבה חינמית עם חלון של 200,000 טוקנים היא הצורה הנכונה לנסות את המודל השבוע והצורה הלא נכונה עבור בסיסי הקוד שזקוקים לחלון המלא, וזה הדבר היחיד ששתי השכבות של אותו מודל אינן חולקות. תעריף ספק שמועבר ללא שינוי הוא הצורה הנכונה לשירות, כשהשאלה היא מה עולה כל קריאה והאם מהלך המחיר הבא של הספק מגיע אליכם ביום שבו הוא קורה. שניהם עונים מה עולה המודל הזה; הם עונים על כך עבור מוציאי כסף שונים.

מהירות: המספרים של הבטא, טענת היצרן, והלפני-ואחרי של המנוע עצמו

כשבטא נפתחה, התפוקה הייתה הכותרת. מפתחים דיווחו על כ-420 אסימוני פלט לשנייה בהפקות ארוכות, עם שיאים מעל 500, והרצה אחת ששותפה בהרחבה הפיקה יותר מ-71,000 אסימונים בפחות משלוש דקות. אלה עדיין מדידות קהילתיות שנעשו בתנאים לא מבוקרים, ועדיין יש לקרוא אותן כך — אבל המנגנון שמאחוריהן מתועד כעת, ולא מבוסס על ניחושים. מטמון KV של 890 בתים לאסימון ונתיב פענוח שמפעיל 16 מיליארד פרמטרים מהווים תכנון שנבנה לתפוקה, כך שהארכיטקטורה היא לפחות בצורה הנכונה להפיק מספרים כאלה. עד כמה הם גדולים באמת זו הבעיה של הפסקה הבאה, והתשובה קטנה יותר.

הטענה של DeepSeek עצמה, ביומן השינויים, היא ש-V4.1 Flash "עקף באופן מקיף את V4 Pro בביצועים, בעלות, במהירות ובזמן כולל." המילה שעושה את העבודה שם היא זמן כולל: זה הספק שממסגר מהירות כהשלמת משימה ולא כאסימונים לשנייה, שהוא המדד ששורד מפגש עם לולאת סוכן אמיתית שכותבת קובץ, קוראת את השגיאה ומנסה שוב. Artificial Analysis מציבה כעת נתון מדוד על הטענה הישנה: 185 אסימוני פלט לשנייה עבור DeepSeek V4.1 Flash, לעומת 175 עבור DeepSeek V4 Flash 0731. זהו מספר אמיתי של צד שלישי והוא בערך חצי מ-420 אסימונים לשנייה שמפתחים דיווחו במהלך הבטא, ולכן נתוני הבטא צריכים להישאר במקום שבו הם שייכים — בעמודת התנאים הלא-מבוקרים.

ב-7 באוקטובר פרסם פרויקט vLLM את הדין וחשבון שלו על שלושת השבועות מאז ההשקה, וזהו נתון המהירות המדוד הראשון בכתבה הזו שאינו מונה טוקנים ואינו סיסמת ספק. בכתיבה בשם Inferact וצוות vLLM, הפרויקט מדווח ש-DeepSeek V4.1 Flash בגרסה הנוכחית שלו רץ מהיר פי 1.9 מהמימוש של יום האפס של עצמו במקביליות נמוכה, ומספק פי 5.3 תפוקה תחת מגבלת 150 TPS — הנתון שמופיע בתקציר, לעומת "כ-5×" בגוף אותו פוסט. שניהם נמדדו בבנצ'מרק השירות הסוכני SemiAnalysis AgentX, כאשר TP4 וקשב FlashInfer עומדים מאחורי נתון השהות הנמוכה, ו-DEP2 עם קשב מקבילי-נתונים מאחורי נתון התפוקה, על חומרת NVIDIA GB200 ו-GB300. שלושה דברים בתוצאה הזו חשוב להבהיר. היא משווה את vLLM ל-vLLM: קו הבסיס הוא מתכון יום האפס של הפרויקט עצמו, לא מנוע אחר ולא מודל אחר, כך שהמספר אומר בכמה השתפר מערך השירות ולא כיצד המודל הזה משתווה לכל דבר אחר. זהו הדין וחשבון של ה-runtime עצמו על עבודתו שלו, ואף צד שלישי לא שחזר אותו. והרווח הבודד הגדול ביותר מגיע מה-runtime ולא מהמשקלים — SWA bounded replay, שמריץ מחדש רק את 128 הטוקנים האחרונים של חלון הזזה במקום להריץ מחדש את החלון הזה על פני שכבות, מגיע כיום כברירת מחדל עבור המודל הזה מאחורי דגל יחיד. הפרויקט מדווח על קיצור של כ-30% בזמן עד לטוקן הראשון מ-replay יחד עם לכידת CUDA-graph, קיצוץ של 30–40% בחישוב ה-prefill מהקיצוץ בצד הדקודר, וכמעט 70% קיצור ב-TTFT בתפוקה בסביבות 100K כאשר שלוש אופטימיזציות מצטברות. הוא גם מדווח היכן ה-replay מזיק: בלי CUDA graphs הוא איטי מקו הבסיס בפרומפטים קצרים, עד 12% גרוע יותר ב-1K טוקנים, מפני שתקורת ההפעלה עולה על העבודה שנחסכה. הדיוק נבדק על GSM8K ו-GPQA בלי הבדל משמעותי שדווח, עם פערים בתוך כ-1.5 שגיאות תקן — הנתון שיש להעמיד מול הצהרת הדוח עצמו ש-bounded replay הוא מקורב ולא מדויק. הפרויקט מוסיף שהמודל לא נזקק ל-offloading של KV-cache בשום מקום בבנצ'מרק, ושהוא מצפה ש-offloading יתחיל להשתלם רק במקביליות גבוהה יותר, כשמפצלים prefill ו-decode בין מכונות. זהו מדיד שונה מלוח הקרנלים שלהלן, שמדרג קרנלים שהמודל כותב; הנתונים של vLLM עוסקים במה עולה לשרת את המודל לאחר שמנוע מימש את הארכיטקטורה שלו, והמנוע כאן הוא זה שמדווח. הפרויקט פרסם שוב ב-17 באוקטובר, היום שבו DeepSeek החליפה את ה-checkpoint, והנתון שאיתו פתח היה סוג אחר של מספר: 1.3B טוקנים לכל דולר של עלות בעלות כוללת ב-SemiAnalysis AgentX, ב-830,000 טוקנים לשנייה לכל GPU בספירת טוקנים במטמון, קלט ופלט יחד, תוך שמירה על 100 טוקני פלט לשנייה לכל משתמש. זו תוצאת עלות שירות ולא דלתא של מהירות, והקטע על עלות השירות שלהלן מפרט אותה במלואו. שלושה דברים בה נוגעים לפסקה הזו: זה אותו פרויקט, אותו מודל ואותו בנצ'מרק שלושה שבועות אחרי הדין וחשבון של 7 באוקטובר; הפרויקט מציג את הדין וחשבון הזה כפרק ראשון, ב-5× התפוקה הסוכנית של יום האפס, עם פרק הבא שעוד יגיע, ומאז לא הופיע פוסט DeepSeek שני בבלוג שלו; ועקומת עלות היא עדיין הצד של ה-runtime בספר החשבונות, לא פסק דין חיצוני על המודל. ההבחנה הזו היא גם הסיבה שהמספר הזה חשוב למישהו שלעולם לא יריץ צומת. שום חלק מהעבודה אינו עבודה שמי שקורא ל-API מבצע: מערך שירות שהופך מהיר פי 1.9 במקביליות נמוכה מאיץ את הבקשות שהוא מטפל בהן, והגעה למודל הזה דרך API היא הדרך שבה רוב הצוותים ייהנו מכך בלי להחזיק את החומרה. DeepSeek V4.1 Flash נמצא ב-OrcaRouter בתעריף של DeepSeek עצמה עם 0% תוספת, על אותו מפתח תואם OpenAI כמו שאר הסדרה, עם מודל מוכח מאחוריו כ-failover אוטומטי — המודל והתמחור נעים בקצב של הספק, ובחירת המנוע נשארת בצד של הספק בקו.

מה זה עולה: נתוני החומרה העצמאיים הראשונים

כל מה שלמעלה מודד את המודל. ב-14 באוקטובר הוסיפה Artificial Analysis את DeepSeek V4.1 Flash ל-AA-AgentPerf, המבחן שהיא מריצה מול מערכות מאיצים ולא מול מודלים, והתוצאה היא התשובה הציבורית הראשונה לשאלה שכרטיס תעריפים אינו יכול להכריע: כמה מהמודל הזה נושא מגה־וואט אחד של הספק מרכז נתונים. AA-AgentPerf משחזר הפעלות מוקלטות של סוכני קידוד — הנמקה רב-תורית, קריאות לכלים, הקשרים שגדלים מעבר ל-100K טוקנים, כולל פגיעות במטמון פרומפטים — מול מחסנית הגשה חיה, ומוצא את המספר הגדול ביותר של סוכנים במקביל שמערכת מחזיקה בהם כאשר כל אחד מהם עדיין עומד ביעד מהירות לסוכן. עבור המודל הזה, הנתון הבולט הוא הרכיב בקנה מידה של ארון של NVIDIA. ב-100 טוקני פלט לשנייה למשתמש, GB300 NVL72 מוביל את התחום עם כ-261 מיליון טוקנים לשנייה למגה־וואט, לפני B300 עם כ-220 מיליון, B200 עם 193 מיליון, GB200 עם 178 מיליון ו-MI355X של AMD עם 128 מיליון. אלה הנתונים של Artificial Analysis, כפי שנקראו מדף האינפרנס למרכזי נתונים שלה היום, והם המדידות שלה של חומרה ותצורות הגשה ספציפיות, ולא מדידות של ספק. שני פרטים כדאי לקחת מכאן. הנתונים לפי מגה־וואט מחושבים מהספק המאיץ שנמדד במהלך ההרצה — שבב GPU בתוספת HBM — ולא מ-TDP נקוב. וכל נקודה בגרף מציינת את המנוע, הגרסה והפורמט המספרי שמאחוריה, כך שהמספר הוא טענה על מחסנית הגשה ולא רק על המשקלים.

הסיבה שהתרשים של המודל הזה נראה שונה מהאחרים היא הגודל שלו. DeepSeek V4.1 Flash מסתפק בשני מאיצים בלבד, ולכן מערכת בקנה מידה של ארון מקבלת כאן פחות יתרון מאשר במודל גדול יותר: Artificial Analysis מדווחת ש-B300 נשאר בתוך כ-20% מ-GB300 NVL72 לאורך העקומה ומוביל עליו בשני הקצוות — התפוקה הגבוהה ביותר למגה-וואט כאשר מותר למהירות לכל משתמש לרדת, והסוכן הבודד המהיר ביותר כאשר לא. בגודל אצווה אחד, כל רכיבי Blackwell וה-MI355X נמצאים בין כ-600 ל-670 טוקנים לשנייה למשתמש יחיד, לעומת 372 עד 392 ב-H100 וב-H200. בהשוואה ל-DeepSeek V4 Pro 0813 על אותו ציר, המודל הקטן יותר מחזיר תפוקה של פי כ-1.3 למגה-וואט ב-GB300 ופי כ-6.2 ב-B200 בנקודת 100 טוקנים לשנייה — טענת היעילות שפרק הארכיטקטורה מעלה מצד מטמון ה-KV, מגיעה מצד שלישי שמדד מערכת ולא מפרט. התצורות שמאחורי המספרים האלה מראות את הטריק המרכזי של התכנון בייצור ולא רק על הנייר: בשתי ההרצות הדו-מאיציות, של B300 ושל MI355X, טבלת ה-196B Engram מוגשת מתוך זיכרון מארח מוצמד דרך מסלול ה-CPU-offload של vLLM במקום לשבת על המאיץ — המנגנון שתיארו הערות השחרור, שכעת נראה בהגדרה שמאחורי מדידה שפורסמה. נתון עלות שני, במטבע אחר, מגיע מהבנצ'מרק שעליו נמדד הפוסט של vLLM מ-7 באוקטובר. ב-17 באוקטובר פרסם פרויקט vLLM תרשים שמציב את DeepSeek V4.1 Flash על 1.3B טוקנים לדולר של עלות בעלות כוללת ב-SemiAnalysis AgentX, עם עקומות נפרדות ל-GB300 NVL72 תחת Dynamo, ל-GB200 NVL72, ל-B200, ל-H100 ול-MI300X. שכבת העלות שמאחוריו מסומנת כבעלות בנפח של היפרסקיילר גדול, והנחות שעת-השבב שמתחתיה נעות מ-0.95 דולר ל-MI300X ו-1.17 דולר ל-H100 ועד 1.73 דולר ל-B200 ו-2.31 דולר ל-GB300, לפי סקר התמחור של SemiAnalysis עצמה מיולי 2026. שני סייגים נלווים לכך. זהו פרויקט vLLM שמדווח על מודל העלות של SemiAnalysis, ואף אחד מהצדדים לא זכה לשחזור חיצוני שלו. והתרשים מתוארך ל-16 באוקטובר, יום לפני ש-DeepSeek החליפה את המשקלים שמאחורי שם המודל, כך שגם הוא מתאר את הצ'קפוינט מספטמבר. זה יוצר שלושה מטבעות בכתבה הזו למודל אחד: טוקנים לשנייה למשתמש, טוקנים לשנייה למגה-וואט, וטוקנים לדולר. האחרון הוא זה שקונה בלי מרכז נתונים יכול לפעול לפיו, כי זו הכמות ששיפור העלות של ספק בסופו של דבר מגיע דרכה אל הקונה. זה נשאר מדידת הגשה ולא מדידת איכות: שום דבר כאן לא אומר כמה טוב המודל, ותוצאות חומרה של טבלת דירוג אחת אינן שחזור של אף שורת בנצ'מרק לעיל. מה שכן נקבע הוא שלצד העלות של כרטיס התעריפים של המודל הזה יש כעת ביסוס בראיות חיצוניות. מודל שספק יכול להגיש בתפוקה של כמה פעמים למגה-וואט הוא מודל שספק יכול להרשות לעצמו להשאיר זול, ו-DeepSeek V4.1 Flash נמצא ב-OrcaRouter במחיר המחירון של DeepSeek עצמה עם 0% תוספת, וזו הצורה שמעבירה הלאה שיפור בעלויות של ספק במקום להחזיק בו.

כמה עולה המנוע על שבבים של שני ספקים

עד השבוע, השאלה בדבר התפוקה של המודל הזה נענתה רק באמצעות מדידות של אחרים — סביבת הרצה שנותנת דין וחשבון על העבודה של עצמה, אתר בנצ'מרק שמודד מערכת, מפתחים שספרו טוקנים בגרסת בטא. DeepSeek פתחה השבוע את DeepInfer, המסגרת שלדבריה מפעילה את שירות הייצור של המודל הזה, תחת Apache-2.0 — המאגר הופיע ב־{{1}}16 באוקטובר{{/1}} והקומיט הראשון נחת ב־{{2}}20 באוקטובר{{/2}} — והשיקה יחד איתו תרשים פארטו לפענוח עבור נקודת הביקורת 1017, שנמדדה על 64 מאיצי SM100 בתוך תחום scale-up אחד. התצורה שמודפסת על התרשים היא החלק החשוב, כי היא התצורה שעליה סובבת ההשוואה שלהלן: מקביליות מומחים (expert parallelism) של 64 על פני מקביליות נתונים (data parallelism) של 64, ה־“384+64 experts” שמודפס בתרשים, הקשר של 131,072 טוקנים, אורך טיוטה של DSpark קבוע על שלושה טוקנים, ושיעור קבלה לכל טוקן של 75%. העקומה מגיעה לשיא של קצת פחות מ־30,000 טוקני פלט לשנייה לכל מאיץ בקצה הפחות אינטראקטיבי שלה, יורדת דרך אמצע שנות ה־20,000 ככל שמהירות לכל משתמש עולה מעבר ל־100 טוקנים לשנייה, ומגיעה לכמה אלפים בלבד בקצה הימני של התרשים. זה DeepSeek שמודדת את המנוע של עצמה על המודל של עצמה, כך שזה לא מספר עצמאי — אבל זו עקומת הפענוח הראשונה לארכיטקטורה הזו שמפורסמת על ידי המעבדה שבנתה אותה, וסקריפט ה־sweep שהפיק אותה נמצא באותו מאגר.

התיעוד שפורסם לצד הקוד מספק את נקודת ההפעלה, והוא הסיבה לכך שהמספרים שלהלן מצוטטים ב-230 אסימוני פלט לשנייה ולא באיזה מקסימום מופשט. נתוני הייצור של DeepSeek עצמה קובעים את הפענוח על 14K אסימונים לשנייה לכל מאיץ, בעוד השירות מספק 230 אסימוני פלט לשנייה לכל משתמש — 300 בעומסי עבודה של קידוד — מול שיעור פגיעות של 96% במטמון הקלט, קלט ממוצע של 77K אסימונים, זמן ממוצע של 400 מ״ש וזמן p99 של שנייה עד לאסימון הראשון, ומילוי מקדים מוקצה ביחס כמעט 1:1 לפענוח, על פני אשכול יחיד שלטענת DeepSeek משרת 155 טריליון אסימונים ביום. שורת ההכנסות שלצד אותם נתונים, 38 דולר לשעת מאיץ בתמחור שעות שפל, היא מספר העלות הראשון ש-DeepSeek צירפה באופן פומבי להרצת מודל זה כשירות. אף אחד מזה אינו מבוקר, כולו תיאור של הספק את השירות של עצמו, ובכל זאת זהו התמונה הקונקרטית ביותר שקיימת לגבי עלות ההרצה של ארכיטקטורה זו.

החצי השני של ההשוואה מגיע מהסיליקון של Huawei, והוא החצי שמקורותיו חלשים יותר. גיליון בנצ'מרק dated 30 בספטמבר and headed "Ascend 950DT DeepSeek-V4.1-Flash Benchmark" מדווח שהמודל נפרס על פני 32 שבבים בדיוק מעורב FP8–FP4, עם קשב data-parallel ותערובת מומחים expert-parallel, על רצף של 128K טוקנים, באמצעות פענוח ספקולטיבי DSpark עם תצורת מאזן עומס expert-parallel כפויה ואורך מקובל ממוצע של 4.1 טוקנים. הוא כולל שלוש נקודות. עמודת השהות שלו היא זמן לכל טוקן פלט, ולכן ההופכי של כל ערך הוא המהירות לכל משתמש באותה שורה, וזה מה שמאפשר להעמיד את הגיליון מול העקומה:

• אצווה גלובלית של 1,536, 9.41 אלפיות השנייה לכל טוקן פלט — כ־106 טוקני פלט בשנייה לכל משתמש — 5,102 טוקנים בשנייה לכל שבב.

• אצווה גלובלית של 384, 4.40 מ״ש לכל טוקן פלט — כ-227 טוקני פלט בשנייה למשתמש — 2,727 טוקנים בשנייה לשבב.

• אצווה גלובלית של 2,560, 13.79 מ״ש לכל טוקן פלט — כ-73 טוקני פלט בשנייה למשתמש — 5,800 טוקנים בשנייה לכל שבב, הנתון הגבוה ביותר בגיליון, והוא הנתון שמופיע בכותרת.

כשמעמידים אותם מול העקומה של NVIDIA, שתי השורות האמצעיות הן הבעייתיות, מפני שהן נמצאות במהירויות שבהן שירות באמת פועל. השרשור שחשף את הגיליון מפרש את ההשוואה כ-25,500 אסימונים לשנייה لكل מאיץ לעומת 5,102 ב-100 אסימוני פלט לשנייה לכל משתמש, וכ-20,000 לעומת 2,727 ב-230 — פער של פי חמישה בנקודת הפעולה הראשונה ופי 7.4 בשנייה. קריאה ישירה של אותה עקומה מפורסמת מזיזה את נתוני NVIDIA האלה: מעבר פיקסלים על התמונה מגיע קרוב יותר ל-28,000 בנקודת 100 האסימונים וקרוב יותר ל-17,000 ב-230, משני צדי המספרים של השרשור; הטווח שהם נותנים הוא בערך פי חמישה וחצי בנקודת הפעולה הראשונה ובערך פי שישה בשנייה, מה שמצמצם את הטווח של השרשור בלי לשנות את צורתו. זה מה ששווה בנצ'מרק שנקרא מגרף, וזה לא משנה את כיוון התוצאה. ראוי לציין גם ש-5,800 הכותרתי של הגיליון הוא השורה הכי פחות אינטראקטיבית שלו — הנקודה שבה העקומה של NVIDIA הכי קרובה לשיא של עצמה, ושבה היחס חוזר לבערך חמישה.

לא הצלחתי למצוא את הגיליון הזה בעמודים של DeepSeek או Huawei עצמן; הוא הגיע לכתבה הזו כתמונה שצורפה לשרשור ב-X, ויש לקרוא את שלושת הנתונים של Ascend כבנצ'מרק ספק לא מפורסם עד שמישהו יפרסם את ההרצה שמאחוריהם. מה שניתן לבדוק הוא חוסר הסימטריה בקונפיגורציות, והוא מגיע מהתיעוד של DeepSeek עצמה. הערות הפריסה של DeepInfer ממליצות על prefill ב-expert parallelism של 2 עד 8 ועל decode ב-64 עד 128, על "מכונות 8-GPU רגילות ל-prefill, supernodes רגילות של 64–128-GPU ל-decode". ב-NVIDIA זהו דומיין NVLink יחיד, וזה מה שהתרשים שלמעלה נמדד בתוכו. ב-Ascend, ספריית התקשורת של DeepSeek עצמה אומרת בפשטות מה אינו מוגמר: "גדלי EP גדולים יותר ו-combine עדיין נמצאים באופטימיזציה", כאשר combine נושא עומס יתר של reduction מקומי ותחרות HBM מול נתיב URMA, ועבודת firmware של Huawei שעדיין לפנים — הסתייגות פומבית ב-DeepEP-Ascend מאז מהדורתו הראשונה ב-29 בספטמבר. זו הדרך ההוגנת לקרוא את הפער: מספר NVIDIA מגיע מהצורה שאליה כוונן DeepInfer, ומספר Ascend ממחסנית שהמחבר שלה עצמו אומר שנתיב ה-wide-EP עדיין נמצא בעבודה. חלק מפי חמישה עד שבעה הוא השבב, חלקו הוא ה-interconnect והתוכנה שמתחתיו, ואיש לא הפריד בין השניים.

כמה שווה הפער בכסף תלוי במחירים שאיש לא פרסם, והשרשור בכל זאת מריץ את החשבון: במחיר של כ-$139,000 לכל מאיץ Blackwell, בה� extrapolation מתמחור של אריזות בשוק האפור, מול מחיר מוערך לפי שמועה של $37,000 עבור 950DT, על NVIDIA לספק תפוקה של בערך פי 3.8 לכל שבב כדי להשתוות ל-Ascend בעלות רכישה בלבד; השרשור ממקם את נקודת ההצטלבות קרוב ל-6,800 טוקנים לשנייה לכל שבב. נקודות ה-Ascend שפורסמו נמצאות מתחת לקו הזה; התחזית של השרשור שמסלול wide-EP מעלה אותן ל-8,000–10,000 נמצאת מעליו, וזו תחזית ולא מדידה. כל נתון קלט הוא רך — מחיר בשוק האפור, מחיר שנשמע כשמועה, ונתונים שנקראו מתוך עקומה — ושום דבר מזה אינו מביא בחשבון תקשורת, חשמל, קירור, תחזוקה, או את הערך של היכולת לקנות את החומרה בכלל.

למי שלעולם לא יתקין צומת בארון, החלק השימושי אינו לוח התוצאות. אלא העובדה שהמודל הזול ביותר בסדרה של DeepSeek מתועד כזול להרצה על השבבים של שני ספקים, כשהמנוע של הספק עצמו מפורסם והנתונים שמאחוריו ניתנים להורדה — וזה מסוג הראיות שמחיר נשען עליהן. זה לא משנה שום מחירון: DeepSeek V4.1 Flash נמצא ב-OrcaRouter במחיר המחירון של הספק עצמו, 0.15 דולר למיליון טוקני קלט ו-0.60 דולר למיליון טוקני פלט בתעריפי שעות שפל, ומועבר הלאה ללא תוספת רווח של 0%. כך שכאשר עלות ההרצה של ספק יורדת, החיסכון מגיע כמחיר שאינו צריך להשתנות ולא כמרווח ממכירה חוזרת. עלות הרצה שנדונה על גבי החומרה של שני ספקים היא מחיר שיש תחתיו יותר מקום מאשר מחיר שאיש לא מדד כלל.

הנדסת קרנל: לוח התוצאות הראשון שאינו של DeepSeek

שורות הייחוס שלמעלה הן מספרי ההרנס של DeepSeek עצמה, והציונים החיצוניים שקיימים כעת מודדים הסקה כללית וניצול סייבר ולא תכנות ברמה נמוכה. גם המבט הראשון של צד שלישי על הנדסת הקרנלים של המודל קיים, והוא הגיע בצורה ש-DeepSeek לא הזמינה: בנצ'מרק אג'נטי המנוהל על ידי הקהילה, שמבקש ממודלים לכתוב קרנלים אמיתיים של CUDA ומנקד את התוצאות מול רופליין — התקרה התיאורטית של החומרה. לוח המובילים הוא kernelbench.com, פועל על RTX PRO 6000, והוא בלתי תלוי בשני הספקים. מתודולוגיית הביקורת שלו מדווחת על ידי הקהילה ולא עוברת ביקורת עמיתים, לכן יש לקרוא את האחוזים שלו כאות כיווני מצד שלישי, לא כמדידה מוסמכת; זה גם לוח התוצאות הראשון בסיפור הזה שבו המספרים של DeepSeek יושבים לצד אלה של מתחרה ישיר.

השורה הכותרתית היא זו שהארכיטקטורה בנויה סביבה. קשב דליל של DeepSeek V4.1 Flash עצמו — סטאק ה-CSA2 שמייצר מטמון של 890 בתים לטוקן — נכתב כקרנל CUDA על ידי המודל והגיע ל-50.19% מה-roofline המקביל ל-dense, רביעי בלוח אחרי Claude Fable 5.1 עם 106.27%, Claude Opus 5 עם 103.67% ו-Claude Fable 5 עם 72.66%. הדבר הראשון שכדאי לשים לב אליו הוא שהארכיטקטורה של היצרן עצמו היא הקרנל שבו הוא הטוב ביותר: מודל שאומן על עיצוב של קשב דליל כותב את קרנל הקשב הדליל ביעילות רבה יותר מכל דבר אחר בלוח שמתחת לשלושה הראשונים. הדבר השני הוא ההשוואה שהטיפּסטר סימן. הניסיון של GLM-5.3 Flash באותו קרנל מגיע ל-4.45% מה-roofline — סדר גודל מתחת ל-V4.1 Flash באותה שורה של אותו לוח. הפער הזה, ולא שום מבחן בנצ'מרק ש-DeepSeek פרסמה, הוא מה ש"שיפור עצום בהנדסת קרנלים" אומר.

ההשוואה אינה נעצרת בשורת ה-sparse-attention, והתמונה המלאה חשובה משום שכותרת הציוץ מזכירה את GLM-5.3 Flash בעוד שהכתבה המצוטטת שאליה הוא מפנה מתייחסת למעשה ל-GLM-5.2 גדול יותר ואחר, בשורת ה-fused-MoE שלו — אי-התאמה בשמות שראוי להיזהר בה. בשורות שבהן שני דגמי ה-flash-tier אכן השלימו ריצה, V4.1 Flash מנצח בכל אחת: Kimi-Linear Decode ב-17.10× לעומת 13.64×, MegaQwen Decode ב-5.39% מה-roofline לעומת 3.92%, TopK Bitonic ב-4.25% לעומת 7.17% עבור GLM-5.3 Flash, Sonic MoE ב-10.81% (הציון הטוב ביותר שדגם כלשהו בלוח רשם עבור אותו kernel) לעומת 10.21%, ו-KDA CUTLASS ב-3.74% לעומת 2.26%. בשני kernels נוספים ל-GLM-5.3 Flash אין ריצה שהושלמה כלל — fused MoE ו-kernel הסימולציה Grid + MinGRU, שבהם V4.1 Flash רושם 28.56% מה-roofline. (השורה היחידה שבה GLM-5.3 Flash מנצח את V4.1 Flash היא TopK Bitonic, 7.17% מול 4.25%, וזו גם השורה שבה אף אחד מהדגמים לא מתקרב למוביל הלוח.) התמונה הגסה זהה לזו שבכותרת: בעבודה על GPU ברמה נמוכה, V4.1 Flash לא רק מקדים את הדגם הקטן יותר של Z.ai — הוא בליגה אחרת, ובשני ה-kernels הקשים ביותר הדגם הקטן לא מסיים כלל.

מה שטבלת הדירוג אינה עושה הוא לומר לך כמה מהפער הזה הוא המודל וכמה ממנו הוא הארכיטקטורה שמבקשים ממנו לכתוב עבורה. DeepSeek V4.1 Flash הוא מודל בעל 552B פרמטרים, שמנגנון הקשב (attention) של עצמו מבוסס על עיצוב של קשב דליל; GLM-5.3 Flash הוא מודל קטן יותר שאימונו מעולם לא נסב סביב אותו סטאק CSA2. למודל שמתבקשים לכתוב קרנל לארכיטקטורה שדומה להתפלגות האימון של עצמו יש יתרון מובנה, ולכן הקריאה ההוגנת ביותר של טבלת הדירוג היא כיוונית ולא פסק דין של ראש בראש: הנדסת קרנלים היא כעת יכולת מדודה של המודל הזה, והיא חזקה באמת, וההשוואה הספציפית שהטיפסטר שרטט מחזיקה מעמד בשורות המשותפות. טבלת הדירוג גם עונה על שאלה שדף המפרט לא יכול היה לענות עליה: האם המטמון (cache) בגודל 890 בייטים בר-מימוש בפועל. מודל שכותב את קרנל הקשב הדליל של עצמו עד למחצית ה-roofline הוא מודל שהעיצוב המרכזי שלו הוא לפחות ניתן למימוש על חומרה אמיתית בידי אותו סוג של מהנדסים שיצטרכו לשרת אותו.

המקום הכנה שזה נוחת בו הוא לצד כל השאר בכתבה הזו: עוד מדידה של צד שלישי ש-DeepSeek לא הפיק, והפעם של יכולת — כתיבת קרנלים ל-GPU — שאף שורת בנצ'מרק של ספק לא כיסתה. מדובר בלוח קהילתי בודד על דור GPU בודד, שהורץ פעם אחת, וסבב הביקורת שלו אינו מבוקר עמיתים, ולכן הוא בגדר עדות על כיוון ולא ציון מוסמך. אבל זה המספר החיצוני הראשון שמראה לשם מה נועדה הארכיטקטורה החדשה: מודל זול בדרגת Flash, שכאשר מבקשים ממנו לבצע את עבודת המערכות ברמה הנמוכה שעליה DeepSeek עצמה מקדישה את המאמץ ההנדסי שלה, מגיע לבערך מחצית ממה שהחומרה מאפשרת, בעוד המתחרה הישיר שלו בדרגת Flash מגיע לפחות מ-1/20.

תיקונים מהירים, אישורים איטיים: הדיווחים הראשונים מהשטח

תפוקה היא המחצית של סיפור המהירות שמונה טוקנים לא יכול לראות. הדיווחים המעשיים שהצטברו מאז ההשקה מודדים את המחצית האחרת — כיצד המודל מתנהג בדרך לתשובה, ומה עולה ההתנהגות הזו — והם אינם תמימי דעים אם מה שמצאו הוא תכונה. שלושה תיאורים בלתי תלויים מתארים את אותה תבנית. אף אחד מהם אינו הערכה מבוקרת; הנתונים שלהלן הם של אנשי מקצוע בודדים המריצים את המשימות שלהם, ויש לקרוא אותם כדיווחי שימוש ולא כמדידות.

התיאור הברור ביותר של ההתנהגות מגיע מ-MindStudio, שהציבה את DeepSeek V4.1 Flash במשימת בנייה מאפס של מציג תלת־ממד אינטראקטיבי. מסלול החשיבה שלו, בלשון הסוקר, "הראה שהוא מאמת את המתמטיקה של עצמו במקום רק לפלוט קוד". המודל תפס באג ריסון בבקרת מסלול (OrbitControls) במהלך הבנייה, גזר את התיקון מעקרונות ראשוניים, ואז "בדק מחדש את התיקון בדפדפן headless לפני שהכריז שהמשימה הושלמה". במשימה שנייה — לוח מחוונים מבוסס Docker — הוא מצא אופרטור השוואה הפוך בודד ואימת את התיקון על ידי תשאול נקודת הקצה החיה שמונה פעמים בזמן שהמספרים התעדכנו. זה מה שבודקי הבטא תיארו כשקראו למודל "חושב יותר מדי", ואין שום בעיה עם אף שלב בודד בו: השגיאה נמצאה, תוקנה ואומתה. זו גם בדיוק התלונה. הבאג כבר טופל, סשן אחר של DeepSeek כבר אימת את התיקון בתוך דקה, והמודל המשיך לבדוק בכל זאת. MindStudio רואה בהרגל הזה חוזקה ואומרת זאת; הביקורת היחידה שלה במבחן ההוא הייתה בעיית פיזיקה שנכנסה ללופ עד שנעצרה ידנית בניסיון הראשון, ואז נפתרה כראוי בניסיון החוזר.

הקריאה מהכיוון השני עוסקת בשעון. אוסף קהילתי של בדיקות V4.1 Flash מתאר בעיית פיזיקה — כוס מים חתוכה בזווית אלכסונית — שבה המודל בילה שתים עשרה דקות וכ-130,000 טוקנים בדרך לתשובה נכונה, תוך כדי הרצת שלושה סבבים של אימות עצמי שלא התבקשו לפני שהתכנס. אותו כתוב מתעד את מצב הכשל בקצה השני של ההרגל הזה: שרשרת המחשבה נופלת מדי פעם ללולאת חזרה של "תן לי לכתוב" שמסתובבת דרך טוקנים בקצב של כ-200 לשנייה בלי להתקדם, והעצה שלו היא בצד הלקוח ולא בצד המודל — קבעו תקרת max_tokens וזמן קצוב לבקשה ותנו להם לחתוך את הלולאה. הוא גם מתעד את אותה סוגיה נפתרת תוך שמונה עשרה שניות על ידי הרצה עם מאמץ החשיבה מונמך לנמוך, וזו תזכורת שרוב זה הוא חוגה ולא פגם.

הראיה החדה ביותר לכך שנפח אימות אינו אותו הדבר כמו נכונות מגיעה מסקירה של Tencent Cloud Labs, שזיווגה את DeepSeek V4.1 Flash כמממש עם GPT-6 Astra כמבקר בשחזור של מאמר. שלושה סבבים התנהלו, ו-Astra מעולם לא ביטל את האלגוריתם המרכזי. מה שהמבקר המשיך לתקן, סבב אחר סבב, היה הפיגום ש-V4.1 Flash בנה לעצמו — מערך הניסוי שלו, הבנייה הסטטיסטית שלו, והפרשנות שהסיק מתוצאותיו שלו. מספר הבדיקות גדל מ-82 ל-97 ול-110, וכולן עברו בכל פעם. מול קו בסיס של כוח גס, התצורה שהמודל בחר תאמה את האופטימום ב-8.89% מהמקרים תחת הפרמטרים של המאמר עצמו, ב-11.04% עם ביטחון אקראי וב-10.30% תחת תצורה אקראית. הממצא החד ביותר של Astra נגע לבדיקה שהתיימרה לבדוק גבולות של מספרים שלמים: היא ביצעה 153 בדיקות הרחבה ואפס ענפי גבול של מספרים שלמים. מודל יכול לעבור את חבילת הבדיקות שהוא עצמו כתב ועדיין לא לענות על השאלה, והסקירה הזו היא דוגמה מעובדת לפער ולא קביעה שהוא קיים. ההיקף צר, והמחברים אומרים זאת — בורר אורך ספקולטיבי יחיד, ערכי ביטחון מדומים, בלי הרצה מקצה לקצה — אבל הצורה היא זו שהדוחות האחרים מתארים.

כשמציבים את זה לצד המספרים של Artificial Analysis, זה מפסיק להיראות כאנקדוטה. ההערכה העצמאית הראשונה של המודל מדדה אותו כמהיר מאוד וכעמוס במילים מאוד באותה נשימה: 185 אסימוני פלט לשנייה, ו-250 מיליון אסימוני פלט שנוצרו לאורך ערכת ההערכה שלו, לעומת חציון של 140 מיליון במודלים דומים. ציון משולב לא יכול לומר לאן הולך הפלט הנוסף. דיווחי ההתנסות המעשית כן יכולים. האסימונים אינם ריפוד — הם המודל שבודק. אותו נפח מופיע מכיוון לא קשור בדיווח באג על לקוח מסוף של צד שלישי, שבו תוכן הנמקה בנתיב deepseek-flash צורף לתשובה הגלויה במקום להיות מופרד לבלוק חשיבה, תוך יצירת בלוקי טקסט בודדים של עד 73,003 תווים של מונולוג פנימי, כאשר לא נלכד דבר שאפשר לשחזר בסבבים מאוחרים יותר. הבאג הזה שייך ללקוח ולא ל-DeepSeek, והוא אינו ראיה לגבי איכות — אבל הוא המחשה הוגנת של כמה חשיבה המודל הזה פולט כאשר מערכת ההרצה לא מצליחה להפריד אותה.

אין בכל זה כדי לערער על חשבון המחיר שלמעלה; זה מסביר אותו. מודל שמאמת את עצמו שווה את הטוקנים שלו בעבודה סוכנית, שבה תיקון שגוי עולה יותר מהטוקנים שהושקעו בהוכחה שהוא נכון, והוא מתאים פחות ללולאה ארוכה של עריכות טריוויאליות, שבה האימות הוא רוב הריצה. שני דברים הופכים את ההבדל לנסבל. חוגת מאמץ החשיבה היא מספר שלם רציף מ-1 עד 100 ולא שלוש דרגות קבועות, כך שאותו מודל יכול להיות מונמך לעבודה זולה ומוגבה לעבודה קשה — התוצאה בת שמונה-עשרה השניות שלמעלה באה בדיוק מעשייה כזאת. ורשת הביטחון הזולה שייכת לצד הלקוח: תקרת max_tokens ופסק זמן לבקשה הופכים לולאת חזרות מחשבון לתגובה מקוטעת. שניהם מסוג ההגדרות שכדאי לקבוע לפני שנתיב ייצור יצביע על המודל הזה, ואף אחד מהם אינו משהו שהמודל יעשה בעצמו.

סירובים: נקודת הביקורת מסרבת, והסירוב ניתן למדידה

ב-20 באוקטובר, הדבר שמשך תשומת לב אל DeepSeek-V4.1-Flash-1017 לא היה שורת בנצ'מרק אלא סירוב. הטרקר של DeepSeek שהכתבה הזו כבר ציטטה פרסם צילום מסך מסשן סוכן שהריץ את צ'ק-פוינט 1017 עם dsh-purge מופעל, ודיווח שהמודל סירב בכל זאת: הריצה, בלשונו של המפרסם, "סירבה לפרסונה", כשהמודל נימק שהבקשה הייתה "ניסיון להזרקת פרומפט" ושהוא "לא צריך לאמץ את הפרסונה". הקריאה של הפוסט הייתה שנקודת הבידוק "היא *לא* נאיבית לחלוטין לגבי ג'יילברייקים" ושאל DeepSeek "מתחילה לחשוב על בטיחות". dsh-purge אינו תחבולת פרומפט שמודבקת להודעת משתמש. מדובר בתוסף ציבורי של DeepSeek Harness — 9,897 כוכבים ב-GitHub וגרסה 1.1.71 נכון ל-20 באוקטובר — שנבנה כדי להסיר את שכתוב הפרומפטים והסיומות המוזרקות של ההארנס עצמו, וקובץ ה-README באנגלית שלו מציג בדיוק את ההבחנה שעליה נשען המבחן הזה: ההארנס "משכתב פרומפטים, שערי אישור, מדיניות ארגז חול והגירת סשנים בזמן ריצה", כך ששאלה רק "האם המודל יענה" מתייחסת לחסימה בשכבת המארח כאל סירוב של המודל, והתוסף קיים כדי להפריד בין שתי השכבות האלה בהתקנה שלך. בסשן הזה ההפרדה נפלה בצד של המודל. המונים באותו צילום מסך — 156 צעדים, 33.7 מיליון טוקנים, 232 טוקנים בשנייה — מתארים ריצת סוכן מלאה ולא פרומפט חד-פעמי, והסיכום של הסוכן עצמו אומר שהתוסף היה תקין מבחינה מכנית ו"המודל הספציפי הזה סירב לכך".

זהו צילום מסך של אדם אחד מתוך הפעלה אחת, ויש להתייחס לזה בדיוק ככזה. הפרומפט אינו מוצג, הפסיקה היא הסיכום של הסוכן עצמו ולא תגובה מדורגת, והחשבון הוא של מנטר DeepSeek ולא מעבדת הערכה, ולכן שום דבר בפוסט לא ניתן לשחזור מתוך הפוסט. מה שהופך אותו לראוי להתייחסות רצינית הוא ששני חלקיו ניתנים לבדיקה מול מקורות שאינם תלויים באדם שפרסם אותו: הפלאגין, שהוא ציבורי ומתעד את המנגנון של עצמו, והתנהגות הסירוב של הצ'קפוינט, שמישהו אחר כבר ספר אותה.

המספר נמצא במסמכים של נגזרת. בנייה קהילתית שעברה abliteration של משקולות 1017, שפורסמה ב-Hugging Face ב-17 באוקטובר, נושאת את המדידה שהצדיקה את הבנייה. על 100 בקשות מזיקות שנשמרו מחוץ לאימון, שפוענחו בשיטת greedy ל-384 טוקנים כל אחת, נקודת הביקורת שלא נגעו בה סירבה ל-97 במצב צ'אט ול-98 במצב חשיבה; לאחר שתת-מרחב סירוב מדרגה 2 הוטל החוצה מ-40 השכבות הראשיות, אותם 100 פרומפטים הניבו 4 ו-9 סירובים. אלה נתונים של צד שלישי על המשקולות של DeepSeek, שהופקו ללא גישה לצינור האימון של DeepSeek, והם גם סט פרומפטים אחד, מעריך אחד וקוונטיזציה אחת של המודל — המרת Q8_0 ולא FP8 שמספקת DeepSeek — ולכן הקריאה הכנה היא "כמעט תמיד", לא "97.0%". על סמך הראיות הללו, התיאור של מפרסם הפוסט עומד בעינו: נקודת הביקורת מסרבת, באופן אמין, בשני המצבים שלה.

מה שהאיור אינו תומך בו הוא הרעיון שזו עמדה חדשה. צ'קפוינט ספטמבר כבר היה שם. הצוות שמאחורי גרסת ספטמבר ללא צנזורה מדד את המודל שלא נגעו בו על סט המלא של 320 הפרומפטים של HarmBench ודיווח על שיעור הצלחת תקיפה של 42.8% כשהחשיבה כבויה ו-1.6% במאמץ מקסימלי — כלומר, המודל שהמודל הזה מחליף סירב לכ-98% מסוג הבקשות הזה ברגע שניתן לו לחשוב. שתי המדידות מגיעות מסטים שונים של פרומפטים, מעריכים שונים וקוונטיזציות שונות, ולכן לא ניתן להחסיר זו מזו; מה שהם מסכימים עליו הוא הצורה. סירוב במאמץ גבוה כבר היה התנהגותו של מודל ספטמבר, וצ'קפוינט 1017 נמצא באותו טווח. הטענה המצומצמת יותר היא זו שסשן 20 באוקטובר למעשה בודק, והיא זו ששווה לשמור: הסירוב שרד תוסף שנבנה במיוחד כדי להסיר אילוצים בצד ההארנס, והוא שרד כשיקול דעת של המודל לגבי הפרומפט ולא כחסימה בשכבת המארח.

שום דבר מזה לא מתועד על ידי הספק. בכרטיס המודל של DeepSeek מספטמבר יש סעיף הערכה, והוא כולל benchmarks בלבד — אין שיעור סירוב, אין תוצאת red-team, אין הערכת בטיחות — וכרטיס 1017 אינו כולל סעיף הערכה כלל, לאחר שהתיקייה הזו הושמטה יחד עם הדוח הטכני. לכן התנהגות הסירוב של המודל הזה מתוארת כולה על ידי מי שבונים סביבו: מחברי נגזרות שסופרים פרומפטים, וכלי מעקב שקורא תמלול. עבור מי שמפנה סוכן אל ה-checkpoint, זהו הפער הממשי. סירוב בתוך לולאת סוכן אינו הערת שוליים במדיניות תוכן; הוא קריאת כלי שנכשלה באמצע ריצה, והוא עולה לפני השטח כמו כל כשל אחר ברמת הקריאה — ולכן המיטיגציה היא זו שמקבלים עבור timeout. ב-OrcaRouter זו החלטת ניתוב ולא שינוי קוד: checkpoint 1017 ומודלי DeepSeek שאליהם היה נופל נמצאים מאחורי endpoint אחד, כך שקריאה שחוזרת מסורבת יכולה להיות ניסיון חוזר מול מודל שני במקום לסיים את הריצה. הסירוב עצמו שייך למודל, ושום דבר בשכבת הניתוב לא משנה אותו.

מספר הנגזרות הוא הרכיב העצמאי האחרון, והוא מצביע לאותו כיוון. חיפוש ב-Hugging Face אחר שם ה-checkpoint החזיר 121 מאגרים ציבוריים ב-20 באוקטובר, ו-25 מהם נושאים בשמם uncensored, abliterated או derisked — בניות שכל תכליתן היא להסיר את ההתנהגות שאליה נתקלה הסשן של 20 באוקטובר, והראשון שבהם פורסם באותו יום שבו הועלו המשקולות. זו אינה ראיה לשאלה אם המודל טוב, וזו אינה המלצה; זו ראיה לכך שיש במשקולות מנגנון סירוב עובד שאפשר להסיר, מפני שאנשים שמסירים את הדברים האלה לא טורחים כש� אין מה להסיר. היא גם קובעת את הציפייה לכל מי שמארח בעצמו: ה-checkpoint שמורידים הוא זה שמסרב, וכל גרסה לא־מצונזרת ברשימה ההיא היא מודל אחר, לא הגדרה.

שאלת ה-V4 Pro, והדרגות שמעל Flash

במהלך הבטא, טופס המשוב של DeepSeek שאל את הבודקים אם גרסת הביניים "יכולה להחליף לחלוטין את DeepSeek V4 Pro המקוון". זו הייתה שאלה בולטת להציג למשתמשים, משום שהיא רמזה שעתידו של דגם הדגל פתוח. התשובה שהגיעה ב-9 וב-10 בספטמבר הייתה תפעולית: החל מ-12:00 לפי שעון בייג'ינג ב-14 בספטמבר, deepseek-v4-pro יפסיק להיות מוגש והתעבורה שלו תעבור ל-V4.1 Flash במחירי Flash, כאשר V4.1 Pro הוכרז כיורש הסופי. המפתחים התנגדו, וההתנגדות לא הייתה שההחלפה גרועה — אלא שמחרוזת מודל היא חוזה, והחלפת המשקלים מאחורי מזהה ייצור שוברת צינורות עיבוד מכוונני פרומפט ולולאות סוכנים שנבנו מול הישנים. בתוך יומיים חזרה בה DeepSeek מהתוכנית. רשומת השינויים שלה כעת אומרת שהיא "החליטה להמשיך לספק שירותי API עבור DeepSeek V4 Pro לאחר 14 בספטמבר 2026, כאשר שיטת החיוב נותרת ללא שינוי", ושהיא תיתן הודעה נוספת אם הדבר ישתנה. ההיפוך הוא הצהרת ספק ולא דיווח, וניתן לבדוק אותו בעמוד Models & Pricing, שעדיין מציג את deepseek-v4-pro לצד deepseek-flash.

מה שטבלת הניתוב אינה מסבירה הוא למה. ב-9 בספטמבר, teortaxesTex — אחד מחשבונות הטיפים שסימנו את הבטא — דיווח ש-DeepSeek הודתה שהאימון המקדים של V4-Pro שלה השתבש; בלשונו, החברה "פקששה" בו. זו עדיין טענה ממקור יחיד שמגיעה מחשבון בעל נטייה פנימית, ו-DeepSeek לא הודתה בדבר בפומבי: יומן השינויים מציג את ההוצאה מהשירות כתוצאה מכך שהדגם החדש טוב יותר, ולא מכך שהדגם הישן שבור. מה שאפשר לבדוק מבחוץ הוא הצורה של השקת הזמינות הכללית של V4 Pro ב-13 באוגוסט. ההכרזה הוסרה בתוך כעשרים וארבע שעות בערך. מאגר Hugging Face הכיל לזמן קצר תצורת Flash-tier תחת השם Pro לפני שהמשקלים תוקנו. וניקוד עצמאי של מה שהוגש תחת השם הזה הגיע בקושי מעל זה של DeepSeek V4 Flash, הקטן בהרבה, לעומת תרשימים רשמיים שהציגו תוצאות כמעט ברמת דגם הדגל — במדד artificial-analysis הנוכחי השניים מרוחקים בנקודה אחת בלבד, 36 מול 35. ניתוחים עצמאיים תלו סיבות שונות — התנהגות חשיבה עם התאמת-יתר לסביבת ההערכה של DeepSeek עצמה, בלבול בין פריסה למשקלים, או, כפי שטוענת ההדלפה, אימון מקדים שאכן השתבש. הניתוב מחדש אינו מכריע ביניהן, ומאז DeepSeek ביטלה אותו; מה שנותר הוא ספק שמתמחר את הדגם החדש ביותר שלו ברבע משיעור החמצת המטמון של דגם הדגל ומציב אותו לפני דגם הדגל הזה בבנצ'מרקים שלה — דבר שחברות בדרך כלל אינן עושות כאשר הכול התנהל כמתוכנן.

Flash, Pro, Ultra: מה שאמרה DeepSeek, ומה שהוא רק ניחוש

התיעוד של DeepSeek עצמה מפורש שהדבר הזה הוא התחתית של משהו. יומן השינויים מכנה את DeepSeek V4.1 Flash "המודל הקטן ביותר במשפחת הארכיטקטורה החדשה שלנו" ואומר שהארכיטקטורה "מתוכננת לתקרת יכולת גבוהה יותר, הסקה מהירה יותר, תפוקה גבוהה יותר והתרחבות למודלים גדולים יותר". הדוח הטכני סוגר את אותה לולאה בניסוח חזק יותר: המודל "משמש נקודת מוצא חדשה למאמצי ההתרחבות המתמשכים שלנו", והחברה אומרת שהיא "תמשיך לקדם התרחבות משותפת של ארכיטקטורת המודל, אימון מקדים ואימון לאחר אימון כדי להמשיך ולחקור את חזית האינטליגנציה של המודלים". שתי הפסקאות הן מטעם החברה עצמה, שתיהן פורסמו ב-10 בספטמבר, ואף אחת מהן אינה הכרזת מוצר. הן מחייבות את DeepSeek לבנות מודלים גדולים יותר על בסיס העיצוב הזה; הן אינן נוקבות בשם, בגודל או בתאריך של מודל כזה.

כל מה שמעבר לשורה הזו הוא ספקולציה. ב-25 בספטמבר פירש העוקב @teortaxesTex — אותו חשבון שהפוסט שלו מ-9 בספטמבר על הפרה-אימון של V4 Pro כבר מובא בכתבה הזו — את התבנית כקו מלא בן שלוש דרגות: "‏DeepSeek די ברור שהיא לא מתכוונת לעצור כאן… זה נשמע כאילו בכוונתה ליצור ליינאפ שלם, Flash-Pro-Ultra. אולי 522B-2T-8T?" הגדלים מסומנים כניחוש על ידי מי שמציע אותם, וההסתייגות הזו עושה עבודה אמיתית: שום דבר ביומן השינויים של DeepSeek, בכרטיס המודל, בדוח הטכני, בארגון Hugging Face, בעמוד התמחור או ברשימת המודלים לא מזכיר שכבת Ultra, ואין שום דבר מעל 552B. גם הסולם המנוחש הוא חשבון רעוע יותר מכפי שהוא נראה. השלב התחתון שלו, 522B, אינו המודל 552B שיצא לשוק — או שהנתון הוא טעות עבור מספר ש-DeepSeek כבר פרסמה, או שהוא מצביע על צ'קפוינט שאיש לא ראה, ואין דרך מבחוץ לדעת איזה מהשניים. השלב העליון שלו, 8T, הוא פי חמישה ממודל הדגל 1.6T שאת המאגר שלו פתחה DeepSeek באפריל, בשנה שבה השחרור האחרון של החברה תוכנן להפעיל 8B פרמטרים לכל טוקן, מפני שעלות ההסקה, ולא מספר הפרמטרים, הייתה המגבלה שהיא ביקשה לפתור.

אותו חשבון העלה בנפרד מודל DeepSeek עם 3 טריליון פרמטרים כמשהו שהמעבדה עבדה עליו אך לא הייתה בטוחה שתוכל להריץ אותו באופן כלכלי — טענה שונה על דבר שונה, ובדיוק באותה מידה לא מאומתת. אין צורך ליישב בין השתיים, משום שלאף אחת מהן אין מקור שני. מה שכן ניתן לבדוק הוא הכיוון: מעבדה שמכנה את המודל החדש ביותר שלה הקטן במשפחה, ואת הארכיטקטורה שלו כזו שמתרחבת למודלים גדולים יותר, היא מעבדה שמתכננת לשחרר מוצר מעל לדרגה הזו. מה היא תקרא לדרגות, וכמה גדולות הן יהיו, אינו מופיע בשום מסמך שקורא יכול לפתוח היום.

למי שבוחר מודל ולא הולך לפי מפת דרכים, ההבחנה הזו היא כל העניין. אם המשפחה אכן מתרחבת כלפי מעלה, ההחלטה שעומדת בפני רוב הצוותים היא עדיין אם לעבור לשלב הקיים — והדרך הזולה ביותר להשאיר את ההחלטה הזו פתוחה היא לא להמתין. DeepSeek V4.1 Flash נמצא ב-OrcaRouter בתעריפים של DeepSeek עצמה עם 0% תוספת, כך שאם יגיע יורש ברמת Pro במחיר אחר, השינוי ינחת במחירון ולא בחוזה. DeepSeek V4 Pro יושב על אותו מפתח מאחוריו, מה שהופך דרגה שלישית שתגיע מאוחר יותר להחלטת ניתוב ולא להגירה.

משקלי MIT משנים את מה שאפשר לעשות עם זה

DeepSeek V4.1 Flash מופץ תחת רישיון MIT, והמשקולות הועלו בארגון deepseek-ai ב-Hugging Face ב-10 בספטמבר — באותו יום כמו ה-API, ולא שבועות לאחר מכן. המאגר הוא deepseek-ai/DeepSeek-V4.1-Flash: 48 שברי safetensors בסך כולל של כ-510 GB, הדוח הטכני כ-PDF לצידם, ותיקיית inference המכילה מימוש ייחוס וכן סקריפט המרה שמפצל את ה-checkpoint בין דרגות tensor-parallel. המאגר הזה הוא ה-checkpoint של ספטמבר; זה הפעיל מאז 17 באוקטובר הוא deepseek-ai/DeepSeek-V4.1-Flash-1017, אשר נושא את אותו רישיון MIT, את אותם 48 שברים ואת אותם כ-510 GB בקירוב, אך מחליף כל שבר ומסיר את הדוח, את תבנית הצ'אט ואת תיקיית ההערכה.

כדאי להיות מדויקים לגבי מהי ההורדה הזו, מפני שהיא אינה מהדורה בדייקנות מלאה. ה-safetensors מכילים בערך 204B פרמטרים ב-FP8 ו-557B ב-INT8, לעומת כ-2B ב-BF16, וה-config מצהיר על קוונטיזציה fp8 — הצ'קפוינט שאתם מושכים כבר דחוס, וכך מודל בן 763B פרמטרים נכנס לתוך כ-510 GB. הבלוק היחיד הגדול ביותר בתוכו הוא טבלת Engram: שתי טבלאות FP8 שמכילות כ-189 GiB מההורדה, שכל שלב פענוח קורא מהן רק כמה שורות.

עבור מודל עם שלד של 552B, הרישיון הוא החלק שמשנה את ההחלטות. רישיון MIT מתירני, ללא שער הכנסות וללא נספח שימוש מקובל ששווה בדיקה משפטית, ופרופיל האקטיבציה — 8B לכל טוקן ב-prefill, 16B ב-decode, עם מטמון של 890 בייט לכל טוקן — הוא מה שהופך את ההגשה שלו לאפשרית מחוץ להיפרסקיילר למרות שמספר הפרמטרים נראה גדול. עם זאת, הנתון האחרון הוא תכונה של מכלול המטמון המלא ולא של המשקולות, ולכן מנוע באירוח עצמי שמיישם את הפורמט המקוונטט ולא את שאר התכנון יהיה גבוה בהרבה ממנו.

רישיון מתירני אינו היתר יצוא, ובמשך שישה ימים באוקטובר נראה היה שההבדל עשוי להיות בעל משמעות. ב-16 באוקטובר פרסמו משרד המסחר ומשרד המדע והטכנולוגיה של סין את הכרזה מס' 48 משנת 2026, טיוטת עדכון של הקטלוג של טכנולוגיות שאסורות או מוגבלות ליצוא, אשר נוגעת לראשונה במשקלי מודלי AI ובקוד מקור. היא מציעה 40 תוספות בתחומי AI, ביוטק וסולאר, 23 מהן קשורות ל-AI, עם הערות ציבוריות עד 15 בנובמבר. שתי החרגות בטיוטה עושות את עיקר העבודה עבור מודל כזה: טכנולוגיה שכבר נמצאת בנחלת הכלל באמצעות פרסום בקוד פתוח או פרסום אקדמי לא תהיה נתונה לפיקוח, וגישה למשתמשים בחו״ל באמצעות API, אפליקציה, SaaS ומכשיר מקומי קל משקל אינה נחשבת ליצוא של טכנולוגיית מודל. הספים שדווחו בעיתונות המסחרית משלבים רצפת פרמטרים של שני טריליון, מקום בעשירייה הראשונה העולמית במבחני ביצועים ובטיחות, ואימון על נתוני ליבה לאומיים או נתונים לאומיים חשובים. מודל 552B עומד בראשון; האם השניים האחרים יחולו עליו אינו דבר שקורא יכול לקבוע מבחוץ, משום שהטיוטה אינה מפרסמת את ההגדרות — מה שהופך את החרגת נחלת הכלל, ולא את מבחן הגודל, לסעיף החשוב עבור משקלים שכבר נמצאים ב-Hugging Face.

מה שהשתנה ב-22 באוקטובר לא היה הטקסט אלא רשומת הציות. YuyuantanTan דיווח כי DeepSeek ו-MiniMax השלימו את הליכי הרישום וסיימו את פתיחת הקוד ואת הרישוי בחו״ל. הדוח אינו אומר אילו מהדורות הוא סופר כקוד פתוח, אינו נוקב בשם מודל, צ׳קפוינט או תאריך, ולא הכריז על משקלים חדשים; מהדורות הקוד הפתוח הנראות באותו חלון הן מנוע DeepInfer וערכת הכלים deepseek-recipe שנסקרו לעיל. הגרסה ברמת הבנייה של הטענה צרה ומאוחרת יותר: ב-23 באוקטובר חשבון X עם רקורד ארוך של מעקב אחרי DeepSeek פרסם כי DeepSeek ו-MiniMax „קיבלו הרשאות לקוד פתוח של V4.1F-1017 ו-M3.1-Flash” בהתאמה. הייחוס הזה הוא של המפרסם, אף אחת מהחברות לא פרסמה הצהרה המאשרת אותו, ואף רגולטור לא פרסם הודעה הנוקבת בשם הרישום של מי מהחברות. הצ׳קפוינט שהפוסט נוקב בשמו היה ב-Hugging Face תחת MIT מאז 17 באוקטובר, שישה ימים קודם לכן. יהיה אשר יהיה ההיתר שניתן, הוא לא חסם את ההורדה: המאגר היה שם קודם.

עבור הקורא, התוכן המעשי צר יותר מן הכותרות שסביבו, והוא נע בשני כיוונים. דבר לא השתנה ב-22 באוקטובר בנוגע לנקודת הבדיקה מ-17 באוקטובר, לרישיון MIT או למאגר; ההורדה, המקטעים (shards) והבדלי ה-hash שתוארו לעיל הם בדיוק כפי שהיו. מה שהשתנה הוא התשובה לשאלה אם מעבדה סינית יכולה להמשיך לפרסם משקלים כמו אלה בשעה שהקטלוג עדיין נמצא בהתייעצות: הדיווח בכלי התקשורת הממלכתיים אומר כן עבור DeepSeek ו-MiniMax, לפי טיוטה שמחריגה טכנולוגיה שכבר נמצאת ברשות הציבור ומותירה גישה ל-API מחוץ להגדרת הייצוא. המגבלה טמונה בלשון הזמן. הפטור חל על טכנולוגיה שכבר נמצאת ברשות הציבור, מה שמתאר את נקודות הבדיקה מספטמבר ומאוקטובר ולא יתאר באופן אוטומטי מהדורה שתיעשה לאחר שהקטלוג יסתיים — וחובת הרישום הזמנית שנאמר כי נכנסה לתוקף ב-16 באוקטובר דווחה ולא פורסמה במלואה. כל מי שמתכנן להוריד את מה ש-DeepSeek תשחרר בהמשך מתכנן לפי כלל שעדיין אינו קיים. כל מי שמבצע קריאות אל V4.1 Flash היום, או מריץ את משקלי 1017, נשען על חריגה שהטיוטה מציינת ושאיש משני התיאורים של צעד הביניים אינו סותר אותה.

תמיכת ההגשה הגיעה באותו היום, והיא קובעת את הרצפה המעשית. vLLM פרסמה מתכון יום-0 שאומת על חומרת NVIDIA ו-AMD, ו-SGLang סיפקה תמיכת inference ו-RL ביום-0 באותו חלון דרך מחסנית האימון Miles שלה. שתיהן נשלחו כתמונות preview ולא כחבילות stable — מכולת ה-vLLM נשאה תג של 9 בספטמבר, יום לפני ה-GA של המודל עצמו. הצד הזה של הסיפור התעדכן ב-22 בספטמבר, כאשר vLLM שחררה את v0.30.0: הגרסה ה-stable הראשונה של vLLM שנושאת את הארכיטקטורה הזו, כאשר DeepSeek V4.1 Flash רשום תחת תמיכת המודלים החדשים שלה, המתכון של המודל עצמו ל-vLLM דורש כעת 0.30.0 ומעלה, ותג התמונה של יום ההשקה הוצא לגמלאות. הערות השחרור הן התיאור של הפרויקט את עבודתו ולא תוצאה מדודה, ויש לקרוא אותן כך. הן מזכות את הגרסה בהחזקת כל ה-KV cache של המודל ב-MXFP8 דרך רשומת FlashMLA V4.1 על SM100, ובאחזור מקדים אסינכרוני (asynchronous prefetch) לחיפושי Engram שנפרקו ל-CPU, בתוספת פיצול data-parallel של Engram — שני השינויים החשובים ביותר עבור מודל שטבלת ה-Engram שלו היא הבלוק הגדול ביותר בהורדה. לאף אחד משני השינויים האלה אין מספר מחוץ לפרויקט, והערות השחרור אינן מצרפות כזה — אבל הפרויקט פרסם השוואת לפני ואחרי על המודל כולו ב-7 באוקטובר, שלושה שבועות לאחר השחרור: מהיר פי 1.9 בקונקורנסי נמוך ופי 5.3 בתפוקה תחת מגבלת 150 TPS לעומת ה-build של יום-0 של עצמו, כאשר ה-pull request שמוזג מאחורי כל אופטימיזציה רשום. הנתונים והמגבלות שלהם נמצאים בקטע המהירות למעלה. מה שלא קיים הוא שחזור חיצוני — כל מספר בפוסט הזה הוא הפרויקט שמודד את עצמו. מה שהשחרור כן מכריע הוא האריזה: 762 קומיטים מ-315 תורמים, 104 מהם בפעם הראשונה, בגרסה מתויגת ולא בתמונת preview. החשבון של המתכון של vLLM עצמו עדיין מעמיד את המינימום על כ-614 GB של VRAM עבור ה-checkpoint של 510 GB בתוספת מרווח — צומת H200 עם שמונה GPUs או מגש GB200 NVL4 — ומזהיר שיש להגביל בפועל הקשר של 1M טוקנים ולא להניח אותו. KV cache צר יותר משנה כמה זיכרון המנוע הרץ צריך, לא את גודל ה-checkpoint, כך שרצפת הצומת נותרת בעינה. הכתיבה של SGLang מוסיפה מנוף ספציפי לארכיטקטורה הזו: העברת טבלת ה-Engram לזיכרון המארח עם דגל סביבה בודד העלתה את קיבולת ה-KV cache בכ-36% בבדיקה עם ארבעה GB300, בתפוקת decode וזמן לטוקן הראשון דומים, וה-SWA bounded replay בצד ה-decoder שלה העלה את תפוקת ה-prefill פי 1.56 על שמונה H200. שני מגבלות נלוות לכך. מימוש הייחוס במאגר מתאר את עצמו כדוגמה קריאה ולא כמנוע הגשה ל-production, וסביבות הריצה לצרכנים פיגרו: מסלול הקוונטיזציה שיאפשר להריץ את זה על מחשב נייד או Mac Studio לא היה פתוח בהשקה. הגרסה הקצרה היא שהמשקולות באמת פתוחות ומחסנית ההגשה באמת קיימת — על חומרה שנספרת בצמתים ולא ב-GPUs, וזו הסיבה הכנה שרישיון מתירני לא אומר אוטומטית build מקומי. מאגר ה-1017 לא משנה דבר ברצפה הזו — ה-checkpoint הוא אותו 510 GB על פני אותם 48 shards, והערות ה-runtime שנושאות אותו הן אלה שפורסמו עבור המשקולות של ספטמבר.

מה שמשקלים פתוחים לא נותנים לך, כשלעצמם, הוא אינדיקציה לאיכות — אבל הפער הזה נסגר כעת חלקית, והוא נסגר עוד יותר ב-18 באוקטובר. קיימים כעת ארבעה כלי מדידה עצמאיים, אחד מהם הורץ פעמיים: מדד Intelligence Index של Artificial Analysis, שנותן לצ'קפוינט ספטמבר ציון 39 ולצ'קפוינט 1017 ציון 45; מחקר Exploit Bench שלעיל, מבחן סייבר שהורץ בשבע סביבות הרצה לסוכנים; לוח הקרנלים הקהילתי בסעיף שלהלן; ומאז 14 באוקטובר, תוצאות AA-AgentPerf של Artificial Analysis עצמה עבור המודל הזה, שמודדות את החומרה שעליה הוא מוגש ולא כמה הוא טוב. ה"לפני ואחרי" של פרויקט vLLM מ-7 באוקטובר, שלעיל, מודד שוב דבר אחר — מה עולה להגיש את המודל ולא כמה הוא טוב — והוא הדיווח של סביבת ההרצה על עצמה. אף אחד מהם אינו ציון חשיבה מהסוג ש-ARC Prize בונה, שלושה מתוך הארבעה עדיין מתארים את צ'קפוינט ספטמבר, ועבור רוב השורות הספציפיות בכתבה הזו כרטיס המודל נשאר המקור היחיד — אבל המדד המשולב כבר לא שייך לרשימה הזו: ה-45, וה-33.8 שמתחתיו, הופקו מול המשקלים ש-DeepSeek מגישה היום. זו אינה האשמה; זה מצב הראיות, ולכן המאמר הזה מפריד בין שני סוגי המספרים. משקלים פתוחים אכן אומרים שהמודל לא יישאר מוגבל לנקודת הקצה של DeepSeek, מה שחשוב למי שהחסם שלו היה מיקום הנתונים ולא מחיר.

איך לאמץ זאת מבלי לסכן את הייצור.

דבר אחד השתנה אצלנו מאז ההשחרור, והוא הופך את הקטע הזה לפשוט יותר ממה שהיה בשבוע שעבר: DeepSeek V4.1 Flash זמין כעת ב-OrcaRouter. הוא נענה למזהה המודל deepseek/deepseek-v4.1-flash דרך אותו endpoint תואם OpenAI כמו שאר השורה, בתעריף של DeepSeek עצמה — $0.15 לכל 1M אסימוני קלט, $0.60 לכל 1M פלט ו-$0.003 לכל 1M קריאות cache בתעריפי שעות שפל, כפול בחלונות השיא של ימי חול — מועבר הלאה עם 0% תוספת. החלק האחרון הוא זה שכדאי להבהיר: הסכום שמחויבים עליו הוא הסכום של הספק ולא מחיר מכירה חוזרת, כך שהורדת מחיר של הספק נכנסת לתוקף כאן באותו יום במקום ברגע שחוזה נדון מחדש. DeepSeek V4 Flash ו-DeepSeek V4 Pro יושבים על אותו מפתח, מה שהופך את ההעברה שלהלן לשינוי ניתוב ולא להעברה לפלטפורמה חדשה. צ'קפוינט ה-17 באוקטובר לא משנה דבר מזה: DeepSeek שמרה גם על שם מודל ה-API וגם על המחירון, כך שהעדכון לא משנה לא את המזהה ולא את המחיר בצד שלנו, וכך נראית העברה ישירה כאשר ספק מרענן מודל בלי לגעת באף אחד מהשניים.

זו גם הטענה מדוע לא למהר עם ההגירה. הניתוב מחדש של 14 בספטמבר היה ספק שמשנה את משמעותו של מזהה מודל מתחת לרגליים שלך, אילו DeepSeek לא הייתה מבטלת אותו תחת לחץ, והפרשה היא התזכורת האחרונה והבהירה ביותר לכך שמחרוזת מודל היא חוזה שספק יכול לשכתב — וזה גם המסגור הנכון לדיון על ההרכב שלעיל, שכן משפחה בת שלוש דרגות היא תוכנית, וזו כבר השתנתה פעם אחת. עבור מודל שהציונים החיצוניים היחידים שלו עד כה הם מדד משולב, טבלת סייבר רועשת ולוח kernel קהילתי — ושאין לו כל רקורד בייצור — הצורה הבטוחה יותר היא זו שנתב נבנה עבורה: לשלוח פרוסה של תעבורה בצורת ייצור למודל החדש, להחזיק מודל מוכח מאחוריו כ-failover אוטומטי כך שרגרסיית איכות תעלה ניסיון חוזר במקום תקלה, ולתת ל-DSL הניתוב להחליט אילו קריאות שוות את המודל הלא מוכח ואילו צריכות להישאר על סוס העבודה. ההגירה ל-V4.1 Flash היא כנראה היעד הנכון. זו לא הגירה שמריצים על סמך ההכרזה.

שאלות פתוחות

• בנצ'מרקים עצמאיים — המניין עלה מאפס לארבעה מכשירי מדידה, ואף אחד מהם לא מודד את החשיבה של המודל כפי ש-ARC Prize מתכוונת. הציון 39 של Artificial Analysis הוא מכלול של עשרה מבחנים במאמץ חשיבה מרבי, והציון 45 שלה — שפורסם ב-18 באוקטובר — הוא אותו מכלול שמופנה למשקלים החדשים יותר. מחקר Exploit Bench לעיל הוא ציון ניצול סייבר בתוך תקציב טוקנים קבוע, והוא מדרג את DeepSeek V4.1 Flash מתחת ל-GLM-5.3-Flash. לוח הקרנלים הקהילתי ב-kernelbench.com הוא טבלת הנדסת קרנלים. תוצאות AA-AgentPerf של Artificial Analysis, שפורסמו ב-14 באוקטובר, הן טבלת חומרה: כמה טוקנים לשנייה למגה-וואט כל מערכת מאיץ מספקת למודל הזה, ולא דבר על איכות. איש לא שחזר את שורות הבנצ'מרק הבודדות של DeepSeek, ולא פורסמה מדידה עצמאית בהגדרות מאמץ המשמשות בייצור, או בקצה הרחוק של חלון של 1M טוקנים. הצ'קפוינט של 17 באוקטובר כבר אינו ללא מדידה: ב-18 באוקטובר הוסיפה Artificial Analysis שורת 1017 עם 45 במדד שלה ו-33.8 ב-Terminal-Bench 4.0, ונתון הבנצ'מרק נמצא שמונה וחצי נקודות מתחת למה שטבלת הספק טוענת לגבי אותם משקלים. מה שחסר כעת הוא חוות דעת שנייה על הנתון הזה — מעריך אחד, הרנס אחד, ריצה אחת — וכל ציון עצמאי שהוא לארבע המדידות שקדמו להחלפה. ההערכה היחידה שנבנתה כדי לענות על שאלת החשיבה עדיין בבנייה — ל-ARC Prize יש פרופיל של DeepSeek V4.1 Flash בהרנס הבנצ'מרק שלה בבקשת משיכה פתוחה, בלי תוצאה מצורפת — ו-ARC-AGI מעולם לא דירג את הצ'קפוינט הזה כלל: הנתון 61.4% ב-ARC-AGI-2, שהגעתו של המתאם החייתה, שייך ל-DeepSeek V4 Flash 0731, המודל ש-V4.1 Flash מחליף. המספר החדש ביותר המשויך למודל הזה, 77.0 ב-DeepSWE v1.1, הוא השורה עם המקור החלש ביותר בכתבה: זהו התרשים של DeepSeek עצמה, שנקרא מתמונה שצורפה להכרזת הספק, ואין ריצה חיצונית של DeepSWE v1.1 על צ'קפוינט 1017 — התוצאה של Artificial Analysis מ-18 באוקטובר היא עבור אותם משקלים, אך בבנצ'מרק אחר. שני הלוחות העצמאיים שמפרסמים את הבנצ'מרק מציבים את שמו של המודל הזה ב-71.7% וב-74.2%, וזה מספיק כדי למקם אותו לצד Opus 5, אך לא מספיק כדי לאשר את הנתון של הספק — ואף אחד מהם לא אומר איזה צ'קפוינט נמדד.

• אירוח עצמי מתחת לרצפת הצומת — תמיכת ה-day-0 של vLLM הפכה למהדורה יציבה ב-22 בספטמבר עם v0.30.0, שמוסיפה מסלול KV של MXFP8 ופריקת Engram אסינכרונית; תמיכת ה-day-0 של SGLang עדיין מופצת כתמונת תצוגה מקדימה. אף אחד מהם לא מזיז את רצפת החומרה, שנמצאת בסביבות צומת של שמונה GPUs, מפני שה-checkpoint של 510 GB הוא שקובע אותה — והערות הפריסה של DeepSeek עצמה, שפורסמו עם DeepInfer, מחדדות את הנקודה: צומת prefill אחד לצד צומת decode אחד ניתן לפריסה, אך תצורת ה-decode המומלצת היא expert parallelism של 64 ומעלה, מה שהופך את היחידה היעילה הקטנה ביותר ל-64 GPUs של prefill לצד 64 של decode. הפוסט של פרויקט vLLM מ-7 באוקטובר הוא ספר החשבונות המקיף ביותר של אופטימיזציות מדודות שפורסם על המודל הזה — פי 1.9 בקונקרנציה נמוכה ופי 5.3 תחת אילוץ של 150 TPS לעומת בניית ה-day-0 של עצמו, לצד נתוני SGLang שלמעלה — והמשך הפוסט מ-17 באוקטובר מוסיף עקומת טוקנים לדולר שאכן משתרעת על תצורות H100, MI300X ו-B200 לצד חלקי rack-scale. שניהם מהווים את החשבונאות של הפרויקט עצמו על סביבת הריצה שלו. אף אחד מהם לא מזיז את הרצפה: טוקן זול יותר על GB300 או H100 עדיין לא מכניס checkpoint של 510 GB למחשב שולחני, כך שזהו מסלול מהיר יותר לאותה רצפה, ולא רצפה נמוכה יותר. האם מהדורות מאוחרות יותר וקוונטיזציות קהילתיות יביאו את זה למכונות קטנות יותר — זו השאלה הפתוחה לכל מי שרוצה את המשקלים ולא את נקודת הקצה, והיא זו שמכריעה אם רישיון מתירני הוא רישיון מעשי.

• מהו V4.1 Pro — DeepSeek מכנה אותו כיורש של V4 Pro, אך לא פרסמה תאריך, מפרט או מחיר, וההפניה מחדש שהוכרזה של תעבורת Pro הקיימת למודל בדרגת Flash בוטלה לפני שנכנסה לתוקף. את מה שמעל Flash מתארת החברה רק כארכיטקטורה שמתרחבת למודלים גדולים יותר; סולם Flash, Pro ו-Ultra והגדלים 522B, 2T ו-8T שלו הם ספקולציה של צופה אחד, לא של DeepSeek.

• עלות לכל משימה — Artificial Analysis מציגה כעת נתון לכל משימה עבור שני הצ'קפוינטים: $0.49 לכל משימת Intelligence Index עבור משקלי ספטמבר, בתיקון מן ה-$0.27 שנכלל לראשונה במאמר הזה, ו-$0.26 עבור 1017. זוהי הראיה החיצונית הראשונה לכל חלק מטענת הפרטו של DeepSeek, והיא צרה יותר מהטענה. אותן שורות מראות שהצ'קפוינט 1017 מייצר 210 מיליון אסימוני פלט לאורך האינדקס לעומת 250 מיליון בספטמבר — פלטים קצרים יותר בסך הכול — אבל 89,495 אסימוני פלט לכל משימה לעומת 88,574, וזה בכלל לא קצר יותר, ו-288.8 שניות לכל משימה לעומת 289.9, וזה לא מהיר יותר. פירוט העלויות של האתר עצמו שם את כל החיסכון בצד הקלט: שורת הפלט שטוחה, $0.106 לכל משימה לעומת $0.107, בעוד שהקלט יורד מ-$0.379 ל-$0.155 וכתיבות מטמון מ-$0.322 ל-$0.095. האם משימה מסתיימת בפחות דולרים תלוי בכמה אסימונים היא דורשת, וזה מאפיין של עומס העבודה ולא של המחירון. התיאור של DeepSeek עצמה לגבי העדכון מצביע דווקא לכיוון ההפוך: ה-changelog טוען שהצ'קפוינט החדש מקצר את זמן הריצה של המשימה ואת אורך הפלט, והפוסט שלה מ-17 באוקטובר חוזר על כך כ"השלמת משימה מהירה יותר ופלטים קצרים יותר". אף אחד מהם אינו נוקב במספר, והמדידה החיצונית שמאחורי הפריט הזה נבחנה כעת מולם: בשני הגדלים ש-DeepSeek ציינה, משקלי 1017 נעו בכ-1%, בכיוונים מנוגדים, מנקודת מוצא מלפני חמישה שבועות. נתון שלישי נמצא בצד השני של אותו מאזן: התרשים של פרויקט vLLM מ-17 באוקטובר מציב את המודל על 1.3 מיליארד אסימונים לדולר של עלות בעלות כוללת ב-SemiAnalysis AgentX, ברמת עלות שמניחה נפח של היפר-סקאלרים גדולים. גם הגשה זולה יותר אינה מכריעה את הפריט הזה — עלות נמוכה יותר לכל אסימון משאירה את נתון האסימונים לכל משימה, שהוא מה שמי שקורא למודל משלם עליו בפועל, בדיוק במקום שבו מדידת ספטמבר מצאה אותו.

• אימות בלתי נשלט — בודקים מעשיים מדווחים על לולאות חזרה מדי פעם בשרשרת המחשבות, ועל התלבטויות של שתים עשרה דקות עם מספר טוקנים בן שש ספרות בבעיות שנפתרות בתוך שניות בהגדרת מאמץ נמוכה יותר. שום בנצ'מרק עצמאי לא מודד באיזו תדירות כל אחד מאלה מתרחש או מה עלותו בייצור, וההקלה המדווחת עד כה היא מגבלות טוקנים בצד הלקוח ולא משהו שהמודל עושה בעצמו. מחקר Exploit Bench שלעיל מתעד את אותו אופן כשל מהכיוון השני: לולאת הדיווח החוזרת שהוא מציג בתמלולי ReAct נוצרת על ידי פרומפט הדחיסה של ההרנס ולא על ידי החשיבה של המודל עצמו, וזו תזכורת לכך שלולאה בתמלול אינה בהכרח פגם במודל.

• הנדסת Kernel — לוח ה-CUDA kernel הקהילתי של kernelbench.com (RTX PRO 6000, בקנה מידה של roofline) מציב את DeepSeek V4.1 Flash ב-50.19% מה-roofline השווה-לצפוף על קרנל ה-sparse attention שלו, במקום הרביעי בסך הכול, לעומת 4.45% עבור GLM-5.3 Flash באותה שורה. הלוח מנוהל על ידי הקהילה ואינו עובר ביקורת עמיתים; לא פורסמו דור GPU שני או שכפול.

• הקשר ארוך בקצה הרחוק — קשב דליל אומן על 64K והורחב ל-1M בנקודת 34T הטוקנים. איך האיכות מחזיקה מעמד קרוב לסופו של חלון 1M מלא הוא בדיוק מה שהערכה בלתי תלויה של הקשר ארוך הייתה קובעת.

• שחזור מטמון במקרי קצה — SWA Bounded Replay משחזר מצב חלון מחליק שנשמט בקירוב ולא באופן מדויק, ו-DeepSeek אומרת שהתוצאה יכולה להשתנות בהתאם למקום שבו פגיעת מטמון מתרחשת במהלך סשן. הדוח מציין השפעה קטנה שנצפתה על האיכות; תנאים קיצוניים או כאלה שלא נבדקו הם בדיוק המקום שבו קירוב כזה יצוף, ואיש מחוץ ל-DeepSeek לא בחן זאת.

• האם עומסי העבודה של Pro באמת עוברים — הניתוב מחדש הכפוי בוטל, כך ששום דבר לא עובר אלא אם צוות בוחר לעבור, והצוותים ששילמו מחירי Pro תמורת עומק הסקה הם אלה שסביר ביותר שיבחינו בהבדל ביכולות בעבודה בסדר גודל של Terminal-Bench 3.0, שבה V4.1 Flash מפגר אחרי Opus-5.0 בפער ניכר.

• התנאים וההתנהגות של המסלול החינמי — OpenCode הוסיפה רשומה ללא תשלום עבור המודל הזה ב-15 באוקטובר, עם חלון של 200,000 טוקנים ותקרת פלט של 32,000 טוקנים, המתוארת בעמודיה שלה כזמינה לזמן מוגבל. אם ההסדר ישרוד את הביטוי הזה, כיצד נקודת הקצה מחזיקה מעמד תחת עומס, והאם ל-DeepSeek יש בכלל אמירה בעניין — כל אלה לא נאמרו: רשימת המודלים, התיעוד וטבלת המחירים של הפלטפורמה עצמה הם המקור היחיד, אין תאריך סיום שאפשר לחייב לפיו מישהו, ואף אחד לא פרסם מדידה של המסלול החינמי.

• בטיחות וסירובים — DeepSeek אינה מפרסמת שיעור סירוב, תוצאת red-team או הערכת בטיחות עבור אף אחד משני ה-checkpoints, ואף מעבדה עצמאית לא דירגה את המודל הזה במדד jailbreak. הנתונים בכתבה הזו מגיעים מאנשים שבונים נגזרות לא מצונזרות — 97 מתוך 100 הנחיות מזיקות נסירבו במצב צ'אט, 98 במצב חשיבה, על סט הנחיות אחד ומעריך אחד — ומצילום מסך בודד של הפעלת סוכן שבו המודל סירב לפרסונה שנפרצה. האם ההתנהגות הזו מחזיקה במאמץ חשיבה נמוך, בשפות שאינן אנגלית, מול התקפות אוטומטיות ולא מול הנחיית פרסונה, ותחת harness שמשכתב את הנחיית המערכת — לא נמדדה על ידי אף אחד.

• הניירת של הצ'קפוינט הבא — הדוח מ-22 באוקטובר מכריע את שאלת הרישום עבור משקלים שכבר פומביים, מכיוון שהקטלוג הטיוטתי מוציא טכנולוגיה שכבר נמצאת בנחלת הכלל. הוא אינו מכריע את השחרור שאחרי זה. הקטלוג הוא טיוטה פתוחה להערות עד 15 בנובמבר, הספים שלו מדווחים ולא מפורסמים בטקסט, וחובת הרישום הזמנית שנאמר כי נכנסה לתוקף ב-16 באוקטובר לא פורסמה במלואה. V4.1F-1017 עצמו יצא, ברישיון MIT וללא הגבלת גישה; מה שצ'קפוינט DeepSeek עתידי יצטרך לעבור לפני שניתן יהיה להוריד אותו הוא כלל שעדיין אינו קיים.

הבטא הייתה שאלה בת יומיים אם מודל ברמת Flash יכול לשאת בנטל של Pro. השחרור הוא תשובתה של DeepSeek עם מחירון ותוכנית ניתוב — ואז נסיגה מתוכנית הניתוב בתוך יומיים, כשמפתחים התנגדו לכך שמודל פרודקשן יוחלף להם מתחת לרגליים. זו הצהרה חלשה מזו שההכרזה רמזה לה, וישרה יותר: הראיות לאיכות של המהלך הן הבנצ'מרקים של DeepSeek עצמה בתוספת מדידות חיצוניות שמצביעות ברובן לאותו כיוון. החדשה שבהן, בנצ'מרק סייבר שהורץ תחת שבעה הרנסי סוכנים, מצביעה דווקא לכיוון ההפוך בהשוואה האחת שהוא עורך, והחברה השאירה את הבחירה בידי לקוחותיה במקום להכריע עבורם. מאז השחרור המשקלים עברו מהבטחה להורדה בגודל 510 GB, המודל עבר מנקודת קצה של ספק למשהו שאפשר לנתב אליו, ומערך ההגשה עבר ממתכון יום-אפס למערך מדוד — כאשר vLLM דיווחה על עצמה כמהירה פי 1.9 במקביליות נמוכה לאחר שלושה שבועות, ואז, ביום שבו הצ'ק-פוינט השתנה, פרסמה עקומת עלות שמתמחרת את המודל ב-1.3B טוקנים לדולר לפי עלות הבעלות הכוללת (TCO) ב-SemiAnalysis AgentX. השבוע נפתחה גם השכבה שמתחת לכל זה: DeepSeek פרסמה את DeepInfer, המנוע שעליו רץ השירות שלה עצמה, עם עקומת פענוח עבור הצ'ק-פוינט הזה, נתוני הפרודקשן שמאחורי העקומה, ובנצ'מרק ספטמבר שלא פורסם, שממקם את Huawei 950DT פי חמישה עד שבעה מאחורי NVIDIA לכל שבב במהירות שבה DeepSeek מגישה בפועל. לאחר חמישה שבועות, הצ'ק-פוינט עצמו זז פעם אחת: ה-17 באוקטובר הביא משקלים חדשים תחת אותו שם ואותו מחיר, עם טבלת ספק שמשתפרת בכל שורה שהיא מפרסמת, והרנס שונה תחת אחת מהן. יומיים לאחר מכן הגיעה המדידה החיצונית, והוא המספר השימושי ביותר בכתבה הזו: Artificial Analysis העמידה את משקלי 1017 על 45 באינדקס שלה — שווה ל-GLM-5.3 במקום השני בין מודלי open-weights, נקודה מאחורי MiMo-V2.6-Pro — ועל 33.8 ב-Terminal-Bench 4.0, לעומת 42.3 של הספק באותו בנצ'מרק — כך שההרנס שמחמיא למודל בטבלה של DeepSeek עצמה אינו ההרנס שהמספר שורד בו. אם אתם בוחרים היום, העמדה הישרה היא ש-V4.1 Flash נראה כמו התמורה הטובה ביותר בקו של DeepSeek, יש לו ארבעה כלי מדידה עצמאיים על שמו — אף אחד מהם אינו ציון חשיבה, ואחד מהם הורץ כעת מול הצ'ק-פוינט ש-DeepSeek מגישה מאז 17 באוקטובר — הערכה חמישית בבנייה, אין לו רקורד בפרודקשן, מערך הגשה ששני המספרים החזקים בו — דלתא מהירות ועקומת עלות — שניהם מגיעים מהפרויקט שכתב את ה-runtime, ותוצאה חיצונית בתחום הסייבר שכבר סותרת את עצמה בהתאם להרנס שעוטפים בו את המודל, שכבת 200,000 טוקנים בחינם שהופיעה בפלטפורמה אחת ב-15 באוקטובר, וסבב ראשון של דיווחי התנסות שמתארים מודל שבודק את העבודה של עצמו מעבר למה שרוב הקוראים לו יבקשו — וזה סיבה לנתב אליו פרוסת תעבורה, לא סיבה לעבור על סמך ההכרזה. העדכון ש-DeepSeek הכריזה עליו ב-17 באוקטובר משנה את המשקלים ומוסיף טענת ספק — השלמת משימות מהירה יותר, פלטים קצרים יותר — והמדידה החיצונית הראשונה של המשקלים האלה תומכת במקרה הטוב במחצית ממנה: עלות לכל משימה במדד ירדה ב-46%, בעוד שהזמן לכל משימה וטוקני הפלט לכל משימה כמעט לא השתנו. יום לאחר מכן, הטענה הנקראת ביותר על אותו צ'ק-פוינט הייתה של בכיר: 77 ב-DeepSWE v1.1 בעלות נמוכה פי 83, מאת עובד Databricks שאומר גם שהצ'ק-פוינט בדרך לפלטפורמה הזו. מחצית ממנה שורדת מגע עם לוחות הדירוג העצמאיים, שכעת מציבים את שם המודל הזה מעל Opus 5 באותו בנצ'מרק. המחצית האחרת עדיין לא: ה-77 הוא השורה של DeepSeek עצמה, ללא שחזור, וה-83× הוא אריתמטיקה בלי עלות שפורסמה לכל משימה מאחוריה. התיעוד של Databricks עצמה מאשר שהמודל נמצא בפלטפורמה שלה וששני מודלי DeepSeek שמתחתיו מיועדים להסרה; הוא אינו מאשר שהצ'ק-פוינט מגיע. הטענה הזו היא כעת השנייה המעניינת ביותר בנוגע לצ'ק-פוינט, ולא המעניינת ביותר. ב-19 באוקטובר חשבון מעקב שקרא נכון מראש כמה מהשחרורים האלה הכריז על עצמו כ"בטוח לחלוטין" לגבי ה-42.3 ב-Terminal-Bench 4.0, בנימוק שהוא עוקף את GLM-5.3, וביקש מ-Artificial Analysis להריץ את המודל בהרנס מקורי. האתר כבר עשה זאת. בהרנס של עצמו אותם משקלים מקבלים 33.8 — מתחת ל-41.9 של GLM-5.3, ולא מעליו. שורת הספק אמיתית והיא של DeepSeek; ההסקה שנגזרה ממנה אינה שורדת הרצה בידי מישהו אחר.

אם הגרסה של זה שאתה רוצה היא זו שמשאירה לך את האפשרויות פתוחות, כל השלושה נמצאים במרחק מפתח אחד ומתומחרים בתעריפים של DeepSeek עצמה עם 0% תוספת. ההשקה עצמה: DeepSeek V4.1 Flash on OrcaRouter — הקשר של 1M טוקנים, תקרת פלט של 384K, קלט תמונות, במחיר $0.15 לכל 1M קלט ו-$0.60 לכל 1M פלט בשעות שפל. המודל שהוא מוציא מכלל שימוש: DeepSeek V4 Flash on OrcaRouter. ודגם הדגל ש-DeepSeek החליטה להמשיך לספק: DeepSeek V4 Pro on OrcaRouter. כוונו פלח מהתעבורה אל החדש, השאירו מאחוריו מודל מוכח כגיבוי, ותנו לניתוב להחליט.

בחירת מודל היא גם שאלה של מה שהשתבש בעבר: תקריות ה-AI וכשלי הסוכנים המתועדים עבור מודלים מהסוג הזה נאספים בOrcaRouter AI Incident Archive, שבו כל רשומה נושאת מקורות משלה, חומרה, דירוג מהימנות וסימון מחלוקת.