DeepSeek V4.1 Flash לעומת DeepSeek V4 Flash: אחרי שבוע, נמדד באופן עצמאי

השאלה שלשמה נכתב ההשוואה הזו — האם כדאי לעבור מ-DeepSeek V4 Flash ל-DeepSeek V4.1 Flash — התקצרה השבוע, משום ש-DeepSeek ענתה על חלק ממנה מבלי שנשאלה. מאז 04:00 UTC ב-14 בספטמבר 2026, קריאות API המכוונות למזהה deepseek-v4-flash שהוצא משימוש מקבלות שירות מ-DeepSeek V4.1 Flash, וכך גם קריאות המכוונות ל-deepseek-v4-pro, ושתיהן מחויבות בתעריפי Flash. להישאר במקום בשקט כבר אינה אחת מהאפשרויות בנקודת הקצה של הספק עצמו. מה שעוד פתוח באמת הוא האם המודל החדש טוב יותר בדרכים שההשקה הצהירה עליהן — ושם נחתה כעת המדידה העצמאית הראשונה, והיא מפצלת את סיפור ההשקה בדיוק לשניים.

כל נתון להלן נושא תאריך, מפני ששבעת הימים האחרונים זזו. מספרים שדווחו על ידי ספקים מסומנים כ"דווח על ידי ספק", ומספרים קהילתיים כ"נמדד על ידי הקהילה", וכל אחד מהם נקרא מהמקור של עצמו ולא הועבר מהגרסה המוקדמת של מאמר זה. DeepSeek V4.1 Flash הגיע לזמינות כללית ב-10 בספטמבר 2026 — לפני שישה ימים — ומאז 9 בספטמבר התייצב די הצורך עד שטיוטתה הקודמת של השוואה זו מטעה כעת בשני היבטים. אחד מהם הוא המהירות, והוא מטעה בכיוון שאליו ביקשה ההשקה.

מה נסגר בין 9 בספטמבר להיום

שישה דברים היו שאלות פתוחות כשהצימוד הזה נכתב לראשונה. לכל השישה יש כעת תשובות, ורק אחד מהם הוא חדשות רעות.

• זמינות כללית — מאושרת ומתוארכת. יומן השינויים של DeepSeek עצמו מציין את השחרור בתאריך 2026-09-10, והמודל פעיל באפליקציה, בלקוח האינטרנט וב-API תחת המזהה deepseek-flash.

• כרטיס המחירים — נחת כפי שהוכרז. התעריפים שהופצו לפני ההשקה דווחו כהדלפה טרום-השקה; כעת הם הכרטיס שפורסם, והם המספרים שני סעיפים למטה.

• משקלים פתוחים — יש תשובה. המשקלים מפורסמים ב-Hugging Face תחת רישיון MIT עם דוח טכני לצידם, ללא שער וללא טופס גישה.

• מדידה עצמאית — הגיעה. Artificial Analysis הריצה כעת את DeepSeek V4.1 Flash, שהיה החור הגדול ביותר בכתבה מ־9 בספטמבר. זה נדון בהמשך, וזה לא אומר את מה שההשקה רמזה.

• ניתוב — הופעל. ההפניה של תעבורת DeepSeek V4 Pro, שאליה התייחסה הודעת ההשקה ככזו שעתידה לבוא, נמצאת כעת בתוקף, עם תאריך מצורף.

• תמיכת הגשה — הופצה, עם הסתייגויות. NVIDIA, vLLM, SGLang ו-Dynamo כולם הוציאו נתיבי יום-אפס; סיפור ההרצה המקומית צר יותר ממה ש"תמיכת יום-0" נשמעת.

שני דברים לא השתנו ושייכים לפני המספרים. DeepSeek V4.1-Pro עדיין לא שוחרר: החומרים של DeepSeek עצמה מתארים את הפניית ה-Pro ככזו שפועלת "עד ש-V4.1-Pro ישוחרר", ונכון להיום דבר לא שוחרר. ול-DeepSeek V4 Flash לא חדל מלהתקיים — המשקלים שלו עדיין פתוחים וברישיון MIT, וכל מי שמארח אותו בעצמו ממשיך לעבוד. מה שהסתיים הוא נתיב ה-API של הספק אליו.

מתחת למכסה המנוע: מודל שונה, לא מהיר יותר

ההשוואה מ-9 בספטמבר טענה ש-DeepSeek V4.1 Flash אינו DeepSeek V4 Flash עם חוגת המהירות מסובבת עד הסוף, ושבוע של פרטים שפורסמו הפך זאת למוחשי. בעוד שהמודל הישן הוא תערובת מומחים (mixture-of-experts) בת 284B פרמטרים עם 13B פעילים — רענון האימון-המאוחר (post-training) של V4-Flash-0731 — הרי שהמודל היורש הוא ארכיטקטורה חדשה ש-DeepSeek מכנה Causal Encoder-Decoder: מקודד סיבתי בן 20 שכבות המונח על גבי מפענח בן 20 שכבות, 40 שכבות Transformer, כאשר מטמון ה-KV של המפענח מוקרן ממצבי ה-hidden הסופיים של המקודד במקום להיות מחושב שכבה אחר שכבה. מהפרט האחרון הזה נובעות טענות היעילות.

• פרמטרים פעילים — DeepSeek מדווחת על כ-8B פעילים לכל טוקן במהלך prefill וכ-16B במהלך decode, לעומת 552B של פרמטרים שלד. DeepSeek V4 Flash מפעילה 13B על פני שלד של 284B.

• מטמון KV — DeepSeek מדווחת שהבילד החדש דורש רבע מה-HBM ושמינית מה-SSD לעומת דור ה-Flash הקודם. שימו לב哪个 משני אלה הוא הנתון המתמיד: ההפחתה פי 8 היא זו שקובעת כמה הקשר ניתן להשאיר מאוחסן בדיסק בין תורות.

• קלט — טקסט ותמונות באופן מקורי במודל אחד. DeepSeek V4 Flash הוא טקסט בלבד, ועבודה עם תמונות הצריכה את הבילד הניסיוני הנפרד DeepSeek-V4-Flash-Vision-Exp, אשר הוצא כעת משימוש יחד איתו.

• הקשר ופלט — 1,048,576 טוקנים של הקשר ותקרת פלט של 384,000 טוקנים, אותה צורת כותרת ראשית שפרסמה DeepSeek V4 Flash.

• משקולות — MIT, מפורסמות ב-Hugging Face.

לכל השוואה מבוססת-גודל שלמעלה יש הסתייגות אחת, וכדאי להציג אותה במפורש ולא בהערת שוליים. נתון עמוד השדרה של 552B הוא של הספק. רישום הקבצים של הצ׳קפוינט עצמו מסתכם בכ-510GB, קטן ממה שקורא נאיבי של 552B פרמטרים היה מציע, מפני שהמשקלים מגיעים כבר מכומתים. וכרטיס המודל של DeepSeek מצהיר בנפרד על טבלת זיכרון מותנית Engram בת 196B פרמטרים — מנגנון אחזור ממוען טוקנים הנשאל בשתי נקודות ברשת, ולא שכבה שהטקסט זורם דרכה. חברו יחד את שני המספרים של הספק עצמו ותקבלו 748B, וזה בדיוק הנתון שאליו הגיע ניתוח קהילתי מהימן כשערער על הכותרת של 552B. העמוד של Hugging Face עצמו עבור המודל מציג נתון שלישי, 763B, בסרגל הצד שלו. שלושה מספרים, וכולם מוצדקים, בהתאם לשאלה אם אתם סופרים את ערימת המחשוב, את טבלת הזיכרון או את הקובץ בדיסק. התייחסו לכל "552B" בהשוואת מפרטים כאל ספירת עמוד השדרה של הספק, ולא כאל גודל ההורדה.

שתי שורות בכרטיס הזה היו שאלות פתוחות ביום ההשקה, ושתיהן מאז נענו: המשקלים פורסמו תחת MIT, וקיים הציון הראשון מצד צד שלישי. שורת המהירות היא זו שהתפתחה בכיוון ההפוך, והיא מקבלת סעיף משלה בהמשך.

כרטיס התעריפים אושר — והוא עדיין כרטיס אחד

הממצא המרכזי של ההשוואה הקודמת שורד, וכעת הוא יותר משמועה. DeepSeek V4.1 Flash ו-DeepSeek V4 Flash מחויבים לפי מחירון יחיד בדרגת Flash ולא לפי שניים, ומכיוון שהמזהים הישנים משמשים כעת ככינויים למודל החדש, כל דבר שעדיין קורא ל-deepseek-v4-flash יחויב גם לפי המחירון החדש. אלה המספרים המפורסמים של DeepSeek, בתוקף מ-04:00 UTC ב-10 בספטמבר 2026:

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

• קלט של החמצת מטמון — $0.15 לכל מיליון טוקנים מחוץ לשעות השיא, $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 בימי חול. סופי שבוע וחגים ציבוריים הם שעות שפל בכל שעות היממה.

העמודה של מחוץ לשעות השיא היא זו שמצטטים, והעמודה של שעות השיא היא זו שנושכת: בוקר עבודה אירופי או אסייתי נופל בתוך חלון שעות שיא ומשלם כפול, מה שהופך תעריף קלט של $0.15 בכותרות ל-$0.30 בדיוק בשעות שבהן רוב הצוותים באמת מריצים תעבורה. תכננו תקציב לפי עמודת שעות השיא אלא אם עומס העבודה שלכם באמת פועל בשעות הלילה לפי UTC.

לעומת התעריף של DeepSeek V4 Flash שלפיו חויב לפני השינוי — $0.007 עבור cache-hit, $0.22 עבור cache-miss ו-$0.66 עבור פלט לכל 1M טוקנים בשעות שפל — המחירון החדש מפחית קלט שנשמר במטמון בכ-57%, קלט cache-miss בכ-32% ופלט בכ-9%. כך שהמודל היורש זול יותר לכל טוקן מהמודל שאותו הוא מחליף, בפער גדול בטוקנים שלולאת סוכן קוראת שוב ושוב ללא הרף, ומתון בטוקנים שהיא מייצרת. זה הצורה האמיתית של סיפור "הורדת המחיר של Flash": מדובר בהורדת מחיר של cache-hit עם הנחת פלט מצורפת.

הצילום הזה הוא הכרטיס כפי שהיה לפני הקיצוץ של 10 בספטמבר — הגיליון שכנגדו חויב DeepSeek V4 Flash עד סוף אוגוסט, נשמר כאן כצד ה'לפני' של ההשוואה. צד ה'אחרי' הוא ארבעת התבליטים שלמעלה.

מה שמבחני הביצועים בעצם אומרים, ומי הריץ אותם

לתמונת הבנצ'מרק שני חצאים שמצוטטים כדבר אחד כעניין שבשגרה, ומעמדם שונה בתכלית.

המחצית הראשונה היא טבלת ההערכה של DeepSeek עצמה, שפורסמה עם ההשקה. היא מציבה את DeepSeek V4.1 Flash ב-74.2 ב-DeepSWE v1.1 — מעל Claude Opus 5 (74.0), GPT-5.6 Sol (73.0), Kimi K3 (67.5), GLM-5.3 (66.9), DeepSeek V4 Pro 0813 (62.7) ו-DeepSeek V4 Flash 0731 (54.4). אלה מספרים שהורצו על ידי הספק, שנמדדו במאמץ החשיבה המרבי, ואותו פרסום מדווח שאותו צ'קפוינט בדיוק משיג בין 65.5 ל-74.2 על פני שמונה שלדי סוכנים שונים — 74.2 על השלד שמתאים לו ביותר, 69.8 תחת Claude Code, 65.6 תחת Codex, 65.5 תחת OpenCode. פער של 0.2 נקודות לעומת Claude Opus 5, במערך שהורץ על ידי הספק, שנלקח מהשלד המחמיא ביותר מבין שמונה, אינו מבסס יתרון על Claude Opus 5. הוא כן מבסס ש-Flash החדש תחרותי עם מודלי החזית בקידוד אייג'נטי כשהכול מוגדר בדרך שלו — וזו תוצאה אמיתית, והרבה יותר קטנה ממה ש"מקדים את Opus 5" נשמע.

המחצית השנייה היא החלק שלא היה קיים ב-9 בספטמבר. Artificial Analysis מדדה כעת את DeepSeek V4.1 Flash באופן עצמאי ומציבה אותו על 40 ב-Intelligence Index, לעומת 35 עבור DeepSeek V4 Flash 0731 — מקום שישי מתוך 113 מודלים שנמדדו, לעומת מקום שמיני עבור המודל שהוא מחליף, והרבה מעל החציון של 18 עבור מודלים עם משקולות פתוחות בגודל דומה. זהו המספר שהגרסה הקודמת של מאמר זה אמרה שעדיין אינו קיים, והוא מכריע את השאלה הרחבה לטובת היורש: במדד משולב של צד שלישי של הסקה, ידע, מתמטיקה וקידוד, הבנייה החדשה היא המודל החזק יותר באופן מדיד. הוא אינו מכריע את שאלת החזית, כי באותו לוח דירוג נמצאים Kimi K3 ו-GLM-5.3 מעליו.

סיפור המהירות לא שרד את המדידה

כאן יש לתקן את ההשוואה המוקדמת יותר ולא להרחיב אותה. עמוד השדרה שלה היה ששני המודלים חולקים כרטיס תעריפים ונבדלים במהירות, כאשר DeepSeek V4 Flash נמדד בערך ב-120–140 אסימוני פלט לשנייה, ובודקים ביום הראשון של DeepSeek V4.1 Flash דיווחו על 280 עד 500, עם שיאים מעל 500. הפער הזה לא שוחזר.

במדידה של Artificial Analysis, ‏DeepSeek V4.1 Flash מייצר 214.4 טוקני פלט לשנייה ו‑DeepSeek V4 Flash 0731 מייצר 214.9 — תיקו מוחלט, פער של חצי טוקן לשנייה, לפי אותה מתודולוגיה שהפיקה את שני הנתונים. יהא אשר יהא מה שמדדו הרצות הקהילה ביום הראשון, זו לא הייתה השוואה בתנאים זהים: טוקנים לשנייה משתנים לפי ספק, חומרה, גודל אצווה, מקביליות וכמה מהתשובה מורכבת מטוקני חשיבה, ומספרי שבוע ההשקה הגיעו מתצורות שנבדלו בכל חמשת הפרמטרים. התיקון הכנה הוא שהיתרון התפוקה שההשקה רמזה עליו אינו נראה במדידה בלתי תלויה. כל מי שעבר ל‑DeepSeek V4.1 Flash בציפייה למהירות כפולה או משולשת צריך למדוד מחדש על התעבורה שלו לפני שיניח זאת.

תמונת העלויות מעניינת יותר מתמונת המהירות, והיא גם לא ניצחון פשוט. לפי תעריפי הקלט לפי טוקן של Artificial Analysis — $0.30 בקלט ו-$1.20 בפלט עבור המודל החדש לעומת $0.44 ו-$1.32 עבור הישן, שניהם בשיא — DeepSeek V4.1 Flash זול יותר לכל טוקן. אבל העלות הנמדדת לכל משימה ב-Intelligence Index מסתכמת ב-$0.27 לעומת $0.22, גבוהה במקצת, משום שהמודל החדש מדבר יותר: 250M טוקני פלט בכל המדד לעומת 240M אצל קודמו, ואחד מהמודלים היותר מפורטים שטבלת המובילים מודדת. טוקן זול יותר שמוציאים עליו לעתים קרובות יותר אינו אוטומטית משימה זולה יותר. באיזה צד של זה תבחרו תלוי לחלוטין בשאלה אם עומס העבודה שלכם נשלט על ידי הקשר שנקרא מחדש, שבו הנחת פגיעות המטמון של 57% עושה את העבודה, או על ידי פלט שנוצר, שבו המילוליות אוכלת את ההנחה.

תמיכה בהגשה ב-Day-0, ומה זה באמת שווה

אם אתם כבר מארחים בעצמכם את DeepSeek V4 Flash, זה הקטע שמכריע אם ההגירה זולה, והתשובה היא: זולה מהרגיל, אבל לא בחינם, ולא על סביבת ההרצה שרוב האנשים מתכוונים אליה כשאומרים "מקומית".

• NVIDIA vLLM — הופץ כמסלול day-zero בתור תמונת Docker לתצוגה מקדימה ולא כחבילה משוחררת; תמיכת הארכיטקטורה לא מוזגה לענף הראשי בעת השחרור, ולכן אין pip install שכולל אותה. אומת על פני סט של פלטפורמות NVIDIA ולא על אחת בלבד, עם רצפת זיכרון של כ-614GB למשקולות בתוספת מרווח.

• SGLang — תמונת תצוגה מוקדמת של יום אפס וערך ב-Cookbook, שפורסמו ללא נתוני ביצועים משום שהספק סבר שמדידות מתקופת הפיתוח אינן יציבות. אומת על חומרה מדרגת GB300, בעוד שאחרים רשומים כעדיין בתהליך אימות.

• NVIDIA Dynamo — מתכוני פריסה מיום-אפס לצד מתכוני Flash ו-Pro הקיימים.

• סיליקון אחר — Cambricon דיווחה על התאמה מיום אפס באמצעות vLLM באותו יום.

• Ollama ו-llama.cpp — הפער. Ollama מציגה את המודל, אבל כמעבר דרך הענן: הוא רץ על השרתים של Ollama, ולא על שלך. התמיכה בארכיטקטורה של llama.cpp לא מוזגה, כך שאין עדיין נתיב מקומי במעלה הזרם, וקיימות המרות GGUF קהילתיות בלי סביבת הרצה משוחררת שמריצה אותן מקצה לקצה.

הפרשנות המעשית: האקוסיסטם של הפריימוורקים נע מהר באופן יוצא דופן, ואם אתם פורסים על vLLM או SGLang על פני צומת עם מספר GPUs, יש לכם מסלול מתועד בתוך ימים מההשקה. אם הפריסה שלכם של DeepSeek V4 Flash היא מכונת llama.cpp או Ollama, אין עדיין מקבילה, והצ'קפוינט של ~510GB אומר שלא סביר שתהיה כזו בגדלים שהחומרה מרמזת עליהם. גם המשקלים אינם בעיה מאותו סוג: DeepSeek V4 Flash עם 284B בסך הכול הוא עניין של צומת בודד, והבילד החדש עם 552B בעמוד השדרה — לפני טבלת Engram — אינו כזה.

הניתוב עבר, והוא עבר למענך

החלק הפחות מדווח בהשקה הזו הוא עדיין ש-DeepSeek מנתבת תעבורה בין המודלים שלה, ובניגוד ל-9 בספטמבר, כעת יש לכך תאריכים. מ-04:00 UTC ב-14 בספטמבר, בקשות API המכוונות אל deepseek-v4-pro נענות על ידי DeepSeek V4.1 Flash ומחויבות בתעריפי Flash, מדיניות ש-DeepSeek מתארת ככזו שתימשך עד ש-V4.1-Pro יושק. DeepSeek V4 Flash ו-DeepSeek-V4-Flash-Vision-Exp מבוטלים כליל, כשהמזהים שלהם נשמרים רק ככינויים לתאימות שגם הם מפנים למודל החדש.

קראו את זה כתשובה לשאלה שלשמה המאמר הזה קיים. לפני שבוע, מי שקורא ל-Pro עבר אוטומטית ולמי שקורא ל-Flash הייתה החלטה לקבל. היום הספק קיבל אותה עבור שניהם, כלומר הבחירה בזמן אמת ב-API היא כבר לא "V4 Flash or V4.1 Flash" — אלא האם הפרומפטים, ההערכות ומודל העלויות שלכם מוכנים למודל שאומן מחדש, או האם אתם זקוקים למסלול חלופי שונה לחלוטין.

זו אותה לוגיקה ששכבת ניתוב מיישמת על פני ספקים שונים, וזה החלק שפלטפורמה כמו OrcaRouter מרוויחה ממנו. DeepSeek V4.1 Flash ב-OrcaRouter נושאת את מחיר המחירון של DeepSeek — $0.15 ל-1M אסימוני קלט ו-$0.60 ל-1M אסימוני פלט — מועבר הלאה בתוספת של 0%, וזה מה שגורם לקיצוץ מחיר של ספק לנחות בצד שלנו באותו יום שבו הוא נוחת אצלם. DeepSeek V4 Flash ב-OrcaRouter נשאר ניתן לקריאה באותו מפתח בזמן שאתם עוברים, כך שההחלפה היא מחרוזת מודל ולא חוזה שני, ו־DeepSeek V4 Pro ב-OrcaRouter נשאר ברשימה בזמן שההפניה של הספק מגישה אותו עם המודל החדש בתעריפי Flash. המעבר האוטומטי לגיבוי בין ספקים הוא הדרך הזולה לנסות מודל שאומן מחדש על תנועה אמיתית בלי להמר את נתיב הייצור על התנהגות של יום ראשון: נתבו פרוסה, השאירו מאחוריה מודל מוכח כטוב, ותנו למקרי הקצה לנחות על הגיבוי בזמן שאתם מגלים אם הפרומפט החדש מתנהג כשורה.

למי כדאי להתקשר?

אם התשובה הכנה הייתה עדיין "או זה או זה, לכולם", הרענון הזה לא היה שווה פרסום. השבוע הזיז את ההחלטה פעמיים — פעם אחת לטובת היורש, פעם אחת נגדו.

הטיעון בעד מעבר ל-DeepSeek V4.1 Flash חזק כעת יותר משהיה ביום ההשקה, והוא נשען על המספר העצמאי ולא על טבלת הספק. ארבעים מול שלושים וחמישה במדד ה-Intelligence Index הם פער אמיתי שנמדד בידי מי שאין לו אינטרס בכך, המודל זול יותר לכל טוקן מזה שהוא מחליף על אותו כרטיס, קלט תמונות כבר לא דורש מודל שני, וכל מדידה של צד שלישי מסכימה שהוא לכל הפחות שווה לקודמו בתפוקה ולא מהיר ממנו פי שניים עד שלושה. אם אתם מתחילים עומס עבודה חדש, או שהסתמכתם על DeepSeek-V4-Flash-Vision-Exp לתמונות, המעבר פשוט ועלות ההגירה היא מחרוזת מודל.

הטיעון להשהיה צר יותר ממה שהיה וספציפי יותר. אם הפרומפטים שלך, סכמות הקריאה לכלים וההערכות כוונו מול V4-Flash-0731, מודל שאומן מחדש הוא שינוי התנהגות ולא שינוי מהירות — הפרומפטינג, גבולות הסירוב ואורך הפלט משתנים כולם, והעובדה שהמודל החדש מדבר יותר היא בעצמה שינוי התנהגות שמופיע בחשבון שלך לפני שהוא מופיע במדדי האיכות שלך. ואם הפריסה שלך מתארחת עצמאית על llama.cpp או Ollama, או שהתקציב שלך תלוי בטוקני פלט ולא בקלט במטמון, הכלכלה של המעבר אינה זו שהכותרת של ההשקה רמזה עליה. הרצת יום של התעבורה שלך דרך שניהם והשוואת השלמות המאושרות לדולר יגידו לך יותר מכל הטבלאות שלמעלה.

עבור רוב הצוותים, העמדה הניתנת להגנה כעבור שבוע אינה אף אחת מהעמדות הקולניות: התייחסו ל-DeepSeek V4.1 Flash כברירת מחדל מפני שהראיות הבלתי תלויות תומכות בכך כעת, השאירו את DeepSeek V4 Flash לשרת כל מה שהוא כבר משרת היטב — המשקולות שלו עדיין שם, עדיין MIT — ומדדו מחדש את התפוקה בעומס העבודה שלכם במקום לסמוך על מספרי הקהילה משבוע ההשקה או על שורת טבלת דירוג אחת. היורש טוב יותר באמת. הוא פשוט טוב יותר במידה קטנה יותר, ובמקומות שונים, ממה שההשקה הציעה.