Guides & Insights

DeepSeek V4.1 Flash: דגם בסיס חדש לגמרי שעוטה מספר גרסת משנה

מחבר

Elias Hawthorne

תאריך פרסום

Sep 10, 2026

מודלים אחרונים · 20צפו בכל המודלים →

בנצ'מרקים: Artificial Analysis · מתעדכן יומית

חזרה לכל הפוסטים

DeepSeek V4.1 Flashבן שישה ימים, ושלוש השאלות שהשקתו הותירה פתוחות נסגרו כעת — שתיים מהן לטובת החברה ואחת נגדה בחריפות. המודל עצמו לא השתנה מאז 10 בספטמבר: תערובת מומחים בת 552 מיליארד פרמטרים עם משקולות MIT פתוחות, הקשר של מיליון טוקנים, וארכיטקטורת Causal Encoder-Decoder חדשה שכרטיס המודל של הספק עצמו מסווג תחת מה שהחברה מכנה "משפחת הארכיטקטורה החדשה" שלה. מה שזז הוא כל מה שסביבו. מעריך עצמאי פרסם ציון שבבוקר ההשקה לא היה כזה כלל. החברה חזרה בה מההוצאה לגמלאות של DeepSeek V4 Pro שהיא הודיעה עליה ביומן השינויים שלה. ועבודת ההגשה מיום האפס שלא הייתה קיימת באותו בוקר פועלת כעת על כמה סביבות הרצה מרכזיות להסקה — כששני החלקים הקשים ביותר שלה, טבלאות הזיכרון Engram ופיצול ה-prefill/decode שפריסות ייצור תלויות בו, עדיין מעובדים מחדש באופן פעיל בגלוי.

אי־ההתאמה בשם היא עדיין הסיבה שהקטע הזה קיים. לקרוא ל־"V4 Flash to V4.1 Flash" כשלב טלאי זה הדבר הטבעי לעשות — והדבר הלא־נכון לעשות: מספר הגרסה נמצא במרחק של נקודה עשרונית אחת מכיול מחדש, בעוד שהארכיטקטורה שמתחתיו מייסדת משפחה. שישה ימים של ראיות לא ריככו את זה. אם כבר, המספרים הבלתי־תלויים הקשיחו את זה, מפני שמודל שמקבל ציון גבוה יותר מדגם הדגל של הספק שלו עצמו, בעל 1.6 טריליון פרמטרים, אינו עדכון נקודתי — הוא דור שסירב לתת לעצמו שם.

A single-column scoreboard titled 'DeepSeek V4.1 Flash - the scoreboard' listing Released 10 Sep 2026 (web, app, API), Backbone 552B-parameter MoE, Architecture Causal Encoder-Decoder, Active per token 8B prefill / 16B decode, KV cache 890 bytes per token (FP4), and Price $0.15 in / $0.60 out per 1M, with a footer reading 'Figures per DeepSeek's model card and API docs; no independent evaluation has been published.'

מה בעצם שוחרר ב-10 בספטמבר

זו לא הייתה דליפה ולא בטא. מבחן ה-API בן היומיים שהחל ב-8 בספטמבר תחת מזהה המודל deepseek-v4.1-flash-expires-on-0910 הסתיים כפי שהסיומת שלו אמרה, והשחרור נחת באפליקציית האינטרנט, באפליקציית המובייל וב-API של צד ראשון של DeepSeek, עם משקולות ודוח טכני שפורסמו ב-Hugging Face תחת deepseek-ai/DeepSeek-V4.1-Flash.

הפרטים המעשיים לא זזו במשך שישה ימים:

• שם המודל — נקרא deepseek-flash. השמות הקודמים deepseek-v4-flash ו-deepseek-v4-flash-vision-exp עדיין מתקבלים, אך הם כבר לא מפנים למודלים שאליהם הפנו בעבר: שניהם הוצאו משימוש, ובקשות שמציינות אותם מטופלות על ידי DeepSeek V4.1 Flash ומחויבות בתעריף Flash.

• מה יש בקופסה — חלון הקשר של 1M טוקנים, פלט מקסימלי של 384K, פלט JSON, קריאה לפונקציות, קלט תמונות נייטיבי, ומצב חשיבה שפעיל כברירת מחדל עם הגדרות מאמץ נמוך, גבוה ומקסימלי.

• רישיון — MIT, המשקלים כלולים, עם תיקיית הסקה ומודול קידוד נפרד במאגר. DeepSeek הזמינה במפורש את קהילת הקוד הפתוח לבנות תמיכה בהסקה כבר ביום הראשון, והקהילה נענתה לכך מהר יותר מכפי שההזמנה רמזה.

ה-.1 שאינו מהדורת נקודה

הטענה שהתחילה את הכתבה הזו הגיעה מ-teortaxesTex, משקיף DeepSeek בעל שם עט אך נעקב מקרוב, בפוסט מ-10 בספטמבר: שזו {{1}}הפעם הראשונה שבה DeepSeek מתייגת מודל בסיס חדש לחלוטין עם גרסת .1{{/1}}, ש-V4.1 הוא {{2}}שונה מ-V4 יותר מאשר, נניח, LLaMA 3 מ-LLaMA 1{{/2}}, וש-DeepSeek {{KEEP}}don't feel this is worth V5 yet{{/KEEP}} — מבלי שהמפרסם יוכל לומר מדוע לא.

יש להתייחס לחלק הסיבתי כאל היסק ולחלק המבני כאל דבר שניתן לבדיקה. ההיסק — מדוע DeepSeek בחרה ב-.1 על פני V5 — הוא קריאה של משקיף אחד בלבד, ושום דבר מעבר לכך; אף אחד מחוץ לחברה לא הסביר את ההחלטה, והחומרים של DeepSeek עצמה אינם מתייחסים לכך מעולם. החלק שניתן לבדיקה הוא הארכיטקטורה, והיא אינה נקראת כמו מהדורת נקודה. יומן השינויים של DeepSeek מתאר את V4.1 Flash כ"המודל הקטן ביותר במשפחת הארכיטקטורות החדשה שלנו", וזה משפט מוזר לכתוב על העלאת גרסה: העלאת גרסה מרחיבה משפחה, היא אינה מקימה אחת.

יש עלות אמיתית לעמימות, והיא נופלת על הקונים ולא על DeepSeek. מספרי גרסה הם האות הזול ביותר שיש למפתח כדי לדעת "האם מדובר בדור חדש או בכיוונון מחדש, וכמה מתקציב ההערכה שלי הוא ראוי?" DeepSeek הפכה כעת את האות הזה לבלתי אמין בכיוון אחד — מודל שמייסד משפחת ארכיטקטורה נמצא במרחק מקום עשרוני אחד ממודל ששינה את מתכון הפוסט-אימון שלו. החברה יכולה לשמור את הסימון V5 שלה לעתיד. כל מי שעורך הערכת מעבר משלם על הבלבול.

מה פירוש "ארכיטקטורה חדשה" במשקלים

כרטיס המודל ספציפי באופן יוצא דופן, מה שהופך את הטענה הדורית לניתנת לבדיקה בלי ולו בנצ'מרק אחד. חמישה דברים בולטים — החמישי הוא זה שסיקור ההשקה בעיקר פסח עליו, וזה שמסתבר שחשוב ביותר לכל מי שמנסה לשרת את המודל הזה.

A screenshot of the DeepSeek-V4.1-Flash model card on Hugging Face (captured September 10, 2026) showing the MIT licence tag, Image-Text-to-Text and safetensors tags, 485B parameters in the sidebar, and model-card text describing a multimodal Mixture-of-Experts with 552B backbone parameters, a Causal Encoder-Decoder architecture of a 20-layer causal encoder followed by a 20-layer decoder, activation of 8B parameters per token during prefill and 16B during decode, SWA Bounded Replay, Compressed Sparse Attention 2, and a KV cache footprint of 890 bytes per token.

• הפעלה א-סימטרית — פיצול המקודד-מפענח הסיבתי (Causal Encoder-Decoder) הוא טרנספורמר בעל 40 שכבות המאורגן כמקודד סיבתי בעל 20 שכבות ואחריו מפענח בעל 20 שכבות, כאשר מטמון ה-KV הגלובלי של המפענח מוקרן מהמצבים הנסתרים הסופיים של המקודד, במקום להיגזר מהשכבות של המפענח עצמו. המשמעות של העיצוב הזה היא שהמודל מפעיל רק 8B פרמטרים לכל טוקן בשלב ה-prefill ו-16B בשלב ה-decode. עומסי עבודה של סוכנים הכבדים בקלט — מסמכים ארוכים, עקבות כלים ארוכות — מקבלים את החצי הזול של המודל; ה-generation מקבל את החצי היקר.

• דחיסת מטמון KV, נמדדת לכל טוקן — DeepSeek-V4.1-Flash מריץ מטמון KV ראשי בפורמט FP4 ב-890 בתים לטוקן, מה שהכרטיס מעמיד על כרבע מזה של DeepSeek V4 Flash. הסיקור הסיני הרחיק לכת והציג את הדחיסה ביחס לדור הראשון של דגם V4 כהפחתה של פי 437; המספר הגדול הזה הוא אריתמטיקה שמקורה בספק על בסיס שונה, ולכן יש להתייחס אליו כאל טענה ולא כאל מדידה.

• SWA Bounded Replay — תשומת לב עם חלון נע (sliding-window attention) בדרך כלל כופה עליך לשמור את מצב KV על SSD כדי לשחזר הקשר. זה בונה מחדש מצבי SWA KV חסרים על ידי השמעה חוזרת של רק חלון הטוקנים האחרון במקום, ובכך חותך את טביעת הרגל הקבועה של KV לכשמינית מזו של DeepSeek V4 Flash.

• Compressed Sparse Attention 2 — כל שכבת קשב פועלת באחד משלושה מצבים סטטיים (Full, Reindex, או Reuse), תוך שיתוף מצב KV ומדד (indexer) בין השכבות, עם מדד דליל היררכי (hierarchical sparse indexer) הקובע את העלות של שכבות עמוקות יותר באופן בלתי תלוי באורך ההקשר.

• Engram — מודול זיכרון מותנה שמפריד בין זיכרון לחישוב, ומיושם כחיפושי hash של n-גרמים המוזרקים דרך שער אל זרם השארית של המודל, ולא כמנגנון קשב או כמומחים נוספים. שתי טבלאות fp8 מכילות 189 GiB של משקלים, לפי התיאור שכתבה SGLang עצמה על הארכיטקטורה, וספקי סביבת הרצה שביצעו פורט של הצ'קפוינט מציבים את הטבלאות בסביבות 196B פרמטרים מעל עמוד השדרה של 552B — ולכן מספר הפרמטרים הכותרתי של הכרטיס הוא תיאור של עמוד השדרה ולא של כל ההורדה. Engram מאומן בשתי שכבות, משתמש בסדרים 2, 3 ו-4 של n-גרמים על פני שמונה ראשי hash בכל סדר, ומאחד טוקנים שמנורמלים באופן זהה כך שווריאציות של רישיות מקבלות hash לאותו דלי. פרט העיצוב שכדאי לזכור הוא העלות שהוא כופה: כל צעד פענוח קורא את הטבלאות האלה, ולכן היכן שתמקם אותן קובע כמה מקום נשאר לך במטמון KV.

קרא את חמשת אלה יחד והתמונה האסטרטגית קריאה: זו בראש ובראשונה ארכיטקטורה של דלילות, יעילות מטמון ופריקת זיכרון, בגדלים שמאפשרים להרחיב את אותו מבנה בהמשך. האזכור של "משפחת ארכיטקטורות חדשה" עושה עבודה אמיתית — זו הצהרה שיש עוד בדרך.

הציון העצמאי סוף סוף הגיע — והוא מגבה את הספק.

לפני ארבעה ימים הקטע הזה היה נקרא אחרת לגמרי. בעת ההשקה, Artificial Analysis לא פרסמה דבר על DeepSeek V4.1 Flash, דף המודל של Hugging Face עדיין נשא את ההערה שהמודל "אינו פרוס על ידי שום ספק הסקה", והטענה המרכזית של כל ההשקה — שמודל ברמת Flash מביס באופן מקיף דגל עם 1.6T פרמטרים בביצועים, בעלות, במהירות ובזמן משימה כולל — הייתה טענה של ספק ללא ביקורת חיצונית. כל שלושת הפערים האלה נסגרו מאז.

Artificial Analysis מדדה כעת את המודל ב-Intelligence Index שלה, והגרסה הקצרה היא שהטענה של DeepSeek שורדת מפגש עם צד שלישי:

• מדד האינטליגנציה — DeepSeek V4.1 Flash מקבל 40 במאמץ חשיבה מקסימלי, מדורג שישי מתוך 113 מודלים במחלקת ההשוואה שלו והרבה מעל החציון של 18 עבור מודלים דומים עם משקולות פתוחות. DeepSeek V4 Pro 0813, ספינת הדגל שהוא הואשם בהחלפתה, מקבל 36 באותו מדד.

• עלות למשימה — $0.27 לכל משימת Intelligence Index עבור V4.1 Flash לעומת $0.67 עבור V4 Pro 0813. זו הטענה בדבר יכולת לכל דולר, ששוחזרה באופן עצמאי: המודל הזול יותר הוא היכולתי יותר במדד זה, בערך ב־40% מהעלות לכל משימה שהושלמה.

• מהירות — 212.1 טוקני פלט בשנייה לעומת חציון של 73.1 t/s בקרב מודלים דומים, עם זמן עד לטוקן הראשון של 1.31 שניות לעומת חציון של 2.37 שניות. על אותה ערכת בדיקה, V4 Pro 0813 מודד 94.4 t/s וזמן עד לטוקן הראשון של 1.72 שניות.

• מחיר — Artificial Analysis מתעד $0.30 למיליון טוקני קלט ו-$1.20 למיליון טוקני פלט עם הנחת מטמון של 98%, שזה מחירון השיא של DeepSeek כפי שפורסם, ולא תוספת מחיר פרימיום של צד שלישי.

תייג זאת בתווית הנכונה, מפני שהתווית השתנתה. אלה מדידות עצמאיות, לא נתוני ספק — אבל הן מדידות עצמאיות על ערכת בדיקה אחת של צד שלישי, ומדד אחד אינו פסק דין על מודל. מה שכן מוכרע כאן צר יותר ושימושי יותר מאשר מקום בטבלת מובילים: הטענה הספציפית ש-DeepSeek השמיעה כדי להצדיק את קו המוצרים שלה — ש-Flash יגבר על Pro ביכולת ובעלות בו-זמנית — זוכה כעת לאימות חיצוני במקום לרשומת שינויים שתומכת בה.

יש גם הסתייגות כנה בצד השני, והיא מגיעה מאותו ספק שדיווח קודם. המספרים של DeepSeek עצמה מציגים את V4.1 Flash כמנצח ב-13 מתוך 16 השוואות מול Kimi K3 וב-11 מתוך 13 מול GLM-5.3, בעודו מפגר אחרי GPT-5.6 Sol ו-Claude Opus 5 במשימות החדשות יותר של Terminal-Bench 3.0 ו-4.0 וב-ProgramBench. זהו צורה עקבית — החזק ביותר בעבודת קידוד, טרמינל ואוטומציה של סוכנים שארכיטקטורה זו מותאמת לה, וחלש יותר במשימות של חשיבת חזית — וזו הצורה שתהיה לצעד דורי אמיתי. האינדקס הבלתי תלוי מסכים עם קווי המתאר בלי להכריע בכל תא.

פרישת ה-Pro ש-DeepSeek הכריזה עליה — ואז ביטלה אותה

הנה החלק שהשתנה לעומת התוכנית המוצהרת של DeepSeek עצמה, וזה החלק שסביר ביותר שישפיע על אינטגרציה חיה.

בעת ההשקה, DeepSeek מסרה ש‑DeepSeek V4 Pro ייצא משימוש ב‑API שלה. החל מ‑12:00 לפי שעון בייג'ינג ב‑14 בספטמבר, בקשות שמציינות deepseek-v4-pro ינותבו אל V4.1 Flash ויחויבו לפי התמחור של Flash — קיצוץ של כ‑70% בעלות הפלט לכל מי ששם המודל Pro מקודד אצלו באופן קשיח — ויישארו מנותבות כך עד שיושק בעתיד V4.1 Pro. במחירון של יום ההשקה המשמעות הייתה ש‑3.96 דולר למיליון טוקני פלט של Pro מתכווצים ל‑1.20 דולר של Flash בשעות שיא, בלי שינוי בקוד ובלי הודעה מלבד רשומה ביומן השינויים.

A screenshot of DeepSeek's official API Models & Pricing page (captured September 10, 2026) showing columns for deepseek-flash and deepseek-v4-pro, with model versions DeepSeek-V4.1-Flash and DeepSeek-V4-Pro-0813, both at 1M context length and 384K maximum output. Vision is marked supported for deepseek-flash and 'not supported' for deepseek-v4-pro. Pricing shows 1M cache-hit input tokens at $0.003 off-peak and $0.006 at peak for deepseek-flash versus $0.022 and $0.044 for deepseek-v4-pro, and 1M cache-miss input tokens at $0.15 off-peak and $0.3 at peak for deepseek-flash versus $0.66 and $1.32 for deepseek-v4-pro.

זה לא קרה. ב-11 בספטמבר, DeepSeek פרסמה הודעה בפלטפורמה הפתוחה שלה עצמה, ובה נאמר שבתגובה לביקוש המשתמשים היא תמשיך לספק את שירות ה-API של DeepSeek V4 Pro לאחר 14 בספטמבר, כשהחיוב ללא שינוי — ההודעה נותרה מוצגת בפלטפורמה ב-14 בספטמבר עצמו, לאחר שרגע המעבר כבר חלף, כך שמדובר בהצהרה חיה ממקור ראשון ולא בשמועה על הצהרה כזו. הסיבה המדווחת היא הדבר הכי פחות מפתיע בסיפור הזה: מפתחים התנגדו לכך שספק מחליף בשקט את המשקלים שמאחורי שם דגם באינטגרציה בסביבת ייצור, והבדיקות הרב-צדדיות של DeepSeek עצמה מצאו ש-V4 Pro שומר על יתרון איכות בעומסי העבודה האמיתיים של כמה צוותים, אפילו במקום שבו V4.1 Flash מנצח במבחני ההערכה הציבוריים.

הקריאה המעשית היא היפוך מוחלט של מה שהסיקור ביום ההשקה המליץ. אם רשמתם את 14 בספטמבר ביומן כדי לבדוק מחדש אינטגרציה מוצמדת ל-Pro, המועד האחרון מבוטל: DeepSeek V4 Pro הוא עדיין DeepSeek V4 Pro, ומחירו נותר כבעבר, בעוד V4.1 Pro עדיין לא הוכרז, ללא כרטיס, ללא מספר פרמטרים, ללא תאריך וללא משקלים. מה שלא השתנה הוא כיוון התנועה — DeepSeek בבירור מתכוונת לכנס את קו המוצרים שלה אל הארכיטקטורה החדשה, והדבר היחיד שהיא אישרה לגבי הישנה הוא שהיא לא תכפה את המעבר בתאריך קבוע.

מגישים את זה: 189 GiB של טבלאות n-gram, והעבודה עוד פתוחה

מסגור הזמינות ביום ההשקה היה "פועל על ה-API של הספק ותו לא". זה כבר לא נכון, והמקום שבו זה חדל להיות נכון מלמד על הארכיטקטורה הזו.

SGLang ו-Miles סיפקו תמיכה מיום האפס ל-DeepSeek V4.1 ב-10 בספטמבר, באותו חלון זמן של המודל עצמו — כך שההערה "אין הגשה מצד צד שלישי" שהופיעה בעמוד Hugging Face בעת ההשקה התיישנה בתוך שעות. החלק המעניין אינו שהוא רץ; אלא כמה עולה להריץ אותו. מכיוון שכל שלב פענוח קורא את טבלאות ה-Engram, הגישה של SGLang היא לאפשר לך למקם אותן בזיכרון ה-GPU או בזיכרון המארח, כאשר העברה לזיכרון המארח מפנה כ-46 GiB לכל GPU עבור מטמון KV במחיר של כ-200 GB של זיכרון מארח בצומת. בתצורת GB300 עם ארבעה GPUs, העברה לזיכרון המארח העלתה את קיבולת מטמון ה-KV ב-36% עם תפוקת פענוח וזמן עד לאסימון הראשון דומים, וכל 28 ההשלמות של בדיקות ה-greedy probe תאמו את קו הבסיס שבו הכול פועל על ה-GPU. זוהי אפשרות הצטרפות (opt-in), מאחורי משתנה סביבה אחד, ולא ברירת המחדל. ל-vLLM יש עבודה מקבילה בכיוון ההפוך — מיפוי זיכרון של פלחים של הטבלאות מהדיסק במקום להחזיק אותן בזיכרון המארח — מה שאומר לך את אותו הדבר משתי זוויות: טבלאות ה-Engram, ולא המשקלים, הן האילוץ שקובע כמה בזול אפשר להגיש את המודל הזה.

השינויים האחרונים ביותר בכל הסיפור יושבים כאן, והם קטנים וראוי לתייג אותם כקטנים. ב-15 בספטמבר פתח תורם של SGLang בקשת משיכה מספר 39666, שהוסיפה מודול Engram ומתאם משותף להיסטוריית בקשות לענף DeepSeek V4.1 של הפרויקט — 7 קבצים, +1205/−11, כשהמתאם חושף שדות היסטוריית n-gram אופציונליים במתזמן ובאצוות forward ומשחזר את ההיסטוריה הזו על פני פגיעות prefix, משיכות חזרה ושימוש חוזר ב-slot. היא פתוחה ולא מוזגה, ריצות ה-CI שלה נכשלו, והיא המתינה לסקירה מתשעה בעלי קוד; סיכומו של המחבר עצמו בוטה באשר למגבלות, וציין שבדיקות lookup אינן מוכיחות תקינות של מחזור החיים של בקשות. היא הייתה אחת מקבוצת בקשות משיכה של DeepSeek V4.1 שנפתחו באותו ענף ב-15 בספטמבר, רובן מאותו תורם, שהשתרעו על בניית מודל, מגדל הראייה, קידוד צ'אט ושכבת ה-kernel.

ואז, ב-16 בספטמבר, הפכה התוכנית לחצי הקשה יותר של ההגשה לגלויה. גיליון מפת דרכים, #39700, מציג את פירוק ה-prefill/decode עבור DeepSeek V4.1 על פלטפורמת B200 כרשימה מדורגת: תחילה context parallelism בצד ה-prefill, אחר כך עבודת ה-prefill הזו בשילוב עם MegaMoE, BCG ו-multi-stream, ואז פריטי צד ה-decode, ובהם DP attention וזיכרון CUDA-graph. השלב הראשון נחת כ-pull request #39748, שכותרתו "[DSV4.1-PD-1/8] Support prefill node use cp parallel strategy", ונפתח באותו יום בידי אותו מחבר. הוא מאפשר לצומת ה-prefill בפריסה מפורקת להריץ אסטרטגיית context-parallel, עם תצורת ייחוס של שמונה B200 ב-TP4/EP4 שמריצה את ה-MoE runner בשם flashinfer_mxfp4 ואת הפענוח הספקולטיבי DSPARK. צומת ה-prefill מקבל --enable-prefill-cp --cp-strategy interleave לצד --disaggregation-mode prefill מעל ה-backend להעברה Mooncake; צומת ה-decode רץ ללא דגלי CP כלל. האימות הוא ניקוד gsm8k בתוספת בדיקות יחידה על מסלולי הטקסט והתמונה. כמו ה-pull request של Engram, הוא פתוח, לא מוזג, וכרגע חסום ב-CI בגלל תווית run-ci חסרה.

תהיה ברור לגבי מה כל זה כן ומה הוא לא. זו צנרת תשתית בתוך סביבת ריצה שכבר משרתת את המודל — היא לא משנה דבר לגבי מה ש-DeepSeek V4.1 Flash עושה, כמה הוא עולה, או אם כדאי להשתמש בו. היא שווה את השורות האלה רק משום שהיא מסמנת היכן נמצאים הקצוות החדים שנותרו. בצד של Engram, היסטוריית n-gram ששורדת retraction ושימוש חוזר ב-prefix-cache הם בדיוק מסוג פרטי הנכונות שמפריד בין דמו לנקודת קצה בפרודקשן. בצד ה-disaggregation, היעד הוא מפעילים שמפצלים את ה-prefill ואת ה-decode בין מאגרים נפרדים כך שכל חצי יוכל להיות מקבול עבור צוואר הבקבוק שלו — פריסה שתצורת הייחוס שלה מתחילה בשמונה B200s, וזו החלטת הון ולא שורה בקובץ קונפיגורציה. והסדרה מסומנת 1/8 בעוד ש-issue של מפת הדרכים מונה את שלביה בשישה חלקים, כשכל חצי ה-decode עדיין לא כתוב: אפילו המספור הוא זמני. אם אינך מקבל את החלטת ההון הזו, שום דבר מזה לא נראה מהמקום שבו אתה יושב — DeepSeek V4.1 Flash פעיל ב-OrcaRouter בתעריף ה-pass-through שלהלן, והצנרת נשארת בצד של המפעיל בנקודת הקצה.

קורא ל-DeepSeek V4.1 Flash היום

שורת הזמינות השתנתה גם בצד שלנו, והיא השתנתה בכיוון שלקוראי הגרסה מיום ההשקה של הקטע הזה נאמר שלא לצפות לו. OrcaRouter לא הציע את DeepSeek V4.1 Flash ב-10 בספטמבר — עמוד המודל החזיר "המודל לא נמצא", והמאמר הזה אמר זאת במפורש במקום לרמוז אחרת. כעת הוא מציע אותו: deepseek/deepseek-v4.1-flashזמין בקטלוג במחיר של $0.15 למיליון טוקני קלט ו-$0.60 למיליון טוקני פלט, התעריף של הספק DeepSeek עצמו מועבר הלאה עם תוספת של 0%, וזה גם המספר שכדאי לבדוק בפעם הבאה ש-DeepSeek משנה מחיר. מאז שהוא עלה, הוא העביר 54,982.2M טוקנים דרך הפלטפורמה עם p50 של 811 ms לזמן עד לטוקן הראשון ו-p95 של 3.03 שניות.

מה שזה קונה לך מעבר לאותו מחירון הוא היכולת להתייחס לארכיטקטורה בת שישה ימים כאל ניסוי ולא כאל התחייבות. Failover פירושו שקריאה ל-V4.1 Flash שמתחילה להחזיר שגיאות תחת עומס יכולה להיות מנותבת מחדש למודל אחר בלי פריסה; ה-DSL של הניתוב מאפשר לך להקצות את המודל החדש לחלק מהתעבורה שלך ואת המוכר לשאר ולהשוות ביניהם על הקלטים שלך ולא על לוח דירוג; וכל מודל אחר בקטלוג יושב מאחורי אותו מפתח, כולל שאר קו DeepSeek — DeepSeek V4 Flash ו-DeepSeek V4 Pro — כך שמעבר חזרה הוא שינוי מחרוזת, לא חוזה שני.

זה חשוב כאן יותר מהרגיל, משתי סיבות ששישה ימי חדשות הפכו למוחשיות. הראשונה היא שיתרון המחיר אמיתי אך מותנה בכך שהספק שומר על התעריף, והסדר העברת עלויות הוא היחיד שנשאר הוגן כשהוא לא עושה זאת. השנייה היא שהאזהרה היחידה משבוע ההשקה שרדה: גם יתרון היכולות וגם יתרון העלות נמדדים כעת באופן עצמאי, אך הם נמדדים על מערכת בדיקה אחת, על מודל ששמו אומר "עדכון משני" והארכיטקטורה שלו אומרת אחרת. נתב אותו כמו דור חדש, כי זה מה שהוא, והחזק אותו מאחורי שכבה שאתה יכול להזיז.

מה עדיין פתוח?

שלושה דברים, בסדר עולה של כמה הם היו מספרים לך.

DeepSeek V4.1 Pro היה אמור לבחון את הטענה בדבר המשפחה. DeepSeek V4.1 Flash מכנה את עצמו המודל הקטן ביותר במשפחת ארכיטקטורה חדשה, ולאח שנועד להוכיח שהמשפחה קיימת אין עדיין כרטיס, לא מספר פרמטרים, לא תאריך, לא משקלים ולא מחיר. זה גם המודל שכל מהלך ניתוב ה-Pro היה בנוי סביבו, כעת לאחר שהמהלך בוטל.

הערכה בלתי תלויה שנייה תבחן את הציון. Intelligence Index של 40, כאשר למודל שהוא החליף יש 36, הוא תוצאה ברורה במסגרת רתמה אחת ונקודת נתונים בודדת בשאלה האם הארכיטקטורה הזו מקדימה בדור שלם או שהיא צעד הצידה מהונדס היטב. שימו לב למעריך שני, ולשאלה האם מסלול ההגשה של Engram-offload מחזיק מעמד תחת תעבורה אמיתית ולא בבדיקות חמדניות, והאם פיצול ה-prefill/decode שמתוכנן כעת ב-pull requests יהפוך אי פעם לסיפור אריזה שצוות רגיל יכול לפרוס.

והשימושית, אם כי לא זוהרת: האם DeepSeek תעשה זאת שוב. תווית .1 שנייה על מודל בסיס חדש אחר תהפוך חריגה למוסכמה, ומוסכמה היא משהו שמפתח יכול לתכנן סביבו. מודל אחד הוא קוריוז. התיוג הופך למטעה באופן שימושי רק כשיש דפוס.

לעת עתה, הקריאה המעשית מתחלקת בבירור לפי מי שאתם. אם אתם על DeepSeek V4 Pro, המודל שמאחורי השם הזה אינו משתנה ב-14 בספטמבר או בכל תאריך שהוכרז — DeepSeek חזרה בה מכך, ואתם יכולים להשאיר את האינטגרציה שלכם כפי שהיא. אם אתם על DeepSeek V4 Flash, אתם כבר מועברים, באותו מחיר, לארכיטקטורה ש-DeepSeek בנתה כדי להתאים לקנה מידה. ואם חיכיתם ל-V5, התשובה הכנה היא שנראה ש-DeepSeek כבר שחררה את הדור, סירבה לתת לו שם, ואז גילתה שהמספר על הקופסה הוא קריטי אחרי הכול.