DeepSeek V4.1 Flash vs DeepSeek V4 Flash: Setelah Satu Minggu, Diukur Secara Independen

Pertanyaan yang hendak dijawab oleh perbandingan ini — haruskah Anda beralih dari DeepSeek V4 Flash ke DeepSeek V4.1 Flash — menjadi lebih singkat minggu ini, karena DeepSeek menjawab sebagian darinya tanpa diminta. Sejak 04:00 UTC pada 14 September 2026, panggilan API yang ditujukan ke pengenal deepseek-v4-flash yang telah dipensiunkan dilayani oleh DeepSeek V4.1 Flash, dan panggilan yang ditujukan ke deepseek-v4-pro juga demikian, keduanya ditagih dengan tarif Flash. Berdiam diri dengan tenang bukan lagi salah satu pilihan di endpoint milik vendor sendiri. Yang masih benar-benar terbuka adalah apakah model baru ini lebih baik dalam hal-hal yang diklaim saat peluncuran — dan di sanalah pengukuran independen pertama kini telah muncul, dan hal itu membelah narasi peluncuran itu dengan bersih menjadi dua.

Setiap angka di bawah ini diberi tanggal, karena tujuh hari terakhir terus bergerak. Angka yang dilaporkan vendor diberi label dilaporkan vendor dan angka komunitas diberi label diukur komunitas, dan masing-masing dibaca dari sumbernya sendiri alih-alih dibawa dari versi sebelumnya artikel ini. DeepSeek V4.1 Flash mencapai ketersediaan umum pada 10 September 2026 — enam hari lalu — dan cukup banyak yang sudah mapan sejak 9 September sehingga draf sebelumnya dari perbandingan ini kini menyesatkan dalam dua hal. Salah satunya adalah kecepatan, dan hal itu menyesatkan ke arah yang dikehendaki oleh peluncuran tersebut.

Apa yang tutup antara 9 September dan hari ini?

Enam hal masih menjadi pertanyaan terbuka saat pasangan ini pertama kali ditulis. Keenamnya kini sudah punya jawaban, dan hanya satu di antaranya yang merupakan kabar buruk.

• Ketersediaan umum — terkonfirmasi dan bertanggal. Catatan perubahan DeepSeek sendiri mencantumkan rilisnya sebagai 2026-09-10, dan model ini sudah aktif di App, klien web, dan API dengan pengenal deepseek-flash.

• Kartu harga — hadir sesuai pengumuman. Tarif yang beredar sebelum peluncuran dilaporkan sebagai bocoran pra-peluncuran; tarif itu kini menjadi kartu resmi yang dipublikasikan, dan angka itulah yang ada dua bagian di bawah.

• Bobot terbuka — terjawab. Bobotnya dipublikasikan di Hugging Face di bawah lisensi MIT bersama laporan teknis, tanpa gate dan tanpa formulir akses.

• Pengukuran independen — telah tiba. Artificial Analysis kini telah menjalankan DeepSeek V4.1 Flash, yang merupakan celah terbesar dalam tulisan 9 September. Hal ini dibahas di bawah, dan hasilnya tidak menyatakan apa yang tersirat dari peluncuran.

• Perutean — diaktifkan. Pengalihan lalu lintas DeepSeek V4 Pro yang oleh pengumuman peluncuran disebut akan segera terjadi kini telah berlaku, dengan tanggal yang disertakan.

• Dukungan serving — sudah dirilis, dengan catatan. NVIDIA vLLM, SGLang, dan Dynamo semuanya merilis jalur day-zero; cerita local-runner lebih terbatas daripada yang terdengar dari "day-0 support".

Dua hal tidak berubah dan perlu disebut sebelum angka-angkanya. DeepSeek V4.1-Pro masih belum dirilis: materi DeepSeek sendiri menyebut pengalihan Pro berjalan "sampai V4.1-Pro dirilis", dan hingga hari ini belum ada yang dirilis. Dan DeepSeek V4 Flash tidak berhenti ada — bobotnya masih terbuka dan berlisensi MIT, dan siapa pun yang menghostingnya sendiri tetap bisa menjalankannya. Yang telah berakhir adalah jalur API vendor menuju layanan itu.

Di balik layar: model yang berbeda, bukan yang lebih cepat

Perbandingan pada 9 September berpendapat bahwa DeepSeek V4.1 Flash bukanlah DeepSeek V4 Flash dengan tombol kecepatan yang diputar lebih tinggi, dan detail yang dipublikasikan selama sepekan telah membuat hal itu menjadi konkret. Jika model lama adalah mixture-of-experts berparameter 284B dengan 13B aktif — penyegaran pasca-pelatihan V4-Flash-0731 — penerusnya adalah arsitektur baru yang oleh DeepSeek disebut Causal Encoder-Decoder: encoder kausal 20 lapis yang ditumpuk di atas decoder 20 lapis, 40 lapisan Transformer, dengan cache KV decoder diproyeksikan dari keadaan tersembunyi akhir encoder alih-alih dihitung lapis demi lapis. Detail terakhir itulah asal klaim efisiensinya.

• Parameter aktif — DeepSeek melaporkan sekitar 8B aktif per token selama prefill dan 16B selama decode, dibandingkan dengan 552B parameter backbone. DeepSeek V4 Flash mengaktifkan 13B pada backbone 284B.

• KV cache — DeepSeek melaporkan bahwa build baru membutuhkan seperempat HBM dan seperdelapan SSD dibandingkan generasi Flash sebelumnya. Perhatikan mana dari keduanya yang merupakan angka persisten: pengurangan 8x adalah yang menentukan berapa banyak konteks yang dapat Anda simpan di disk di antara giliran.

• Input — teks dan gambar secara native dalam satu model. DeepSeek V4 Flash hanya untuk teks, dan pengolahan gambar memerlukan build eksperimental terpisah DeepSeek-V4-Flash-Vision-Exp, yang kini telah dihentikan bersamanya.

• Konteks dan output — 1.048.576 token konteks dan batas output 384.000 token, bentuk headline yang sama seperti yang diterbitkan DeepSeek V4 Flash.

• Bobot — MIT, diterbitkan di Hugging Face.

Setiap perbandingan berbasis ukuran di atas mengandung satu catatan penting, dan itu layak dinyatakan secara gamblang, bukan dalam catatan kaki. Angka backbone 552B adalah milik vendor. Daftar file checkpoint itu sendiri berjumlah total sekitar 510GB, yang lebih kecil daripada yang mungkin disiratkan oleh pembacaan naif atas 552B parameter karena bobotnya dikirim dalam kondisi sudah terkuantisasi. Dan kartu model DeepSeek secara terpisah mendeklarasikan tabel memori kondisional Engram berparameter 196B — sebuah pencarian yang dialamatkan berdasarkan token yang diakses di dua titik dalam jaringan, bukan lapisan yang dilalui teks. Jumlahkan dua angka milik vendor itu sendiri, dan Anda mendapatkan 748B, yang persis merupakan hasil pembacaan yang dicapai oleh analisis komunitas yang kredibel ketika mempersoalkan angka utama 552B. Halaman Hugging Face sendiri untuk model itu menampilkan angka ketiga, 763B, di bilah sampingnya. Tiga angka, semuanya dapat dipertahankan, bergantung pada apakah Anda menghitung stack komputasi, tabel memori, atau file di disk. Perlakukan setiap "552B" dalam perbandingan spesifikasi sebagai jumlah backbone milik vendor, bukan ukuran unduhan.

Dua baris pada kartu itu masih menjadi pertanyaan terbuka pada hari peluncuran dan keduanya kini telah terjawab: bobotnya diterbitkan dengan lisensi MIT, dan skor pihak ketiga pertama sudah ada. Baris kecepatan adalah yang berbalik arah, dan mendapat bagiannya sendiri di bawah ini.

Kartu tarif telah dikonfirmasi — dan tetap saja satu kartu

Temuan inti dari perbandingan sebelumnya tetap bertahan, dan kini lebih dari sekadar rumor. DeepSeek V4.1 Flash dan DeepSeek V4 Flash ditagih berdasarkan satu kartu tarif tingkat Flash, bukan dua, dan karena pengenal lama kini menjadi alias untuk model baru, apa pun yang masih memanggil deepseek-v4-flash juga ditagih dengan kartu baru. Ini adalah angka yang dipublikasikan DeepSeek, berlaku 04:00 UTC pada 10 September 2026:

• Input cache-hit — $0,003 per 1 juta token di luar jam sibuk, $0,006 pada jam sibuk

• Input cache-miss — $0,15 per 1 juta token di luar jam sibuk, $0,30 pada jam sibuk

• Output — $0,60 per 1 juta token di luar jam sibuk, $1,20 pada jam sibuk

• Periode puncak — 01:00–04:00 dan 06:00–10:00 UTC pada hari kerja. Akhir pekan dan hari libur nasional di luar jam sibuk sepanjang waktu.

Kolom off-peak adalah kolom yang dikutip, sedangkan kolom peak adalah kolom yang menggigit: pagi hari kerja Eropa atau Asia jatuh di dalam jendela peak dan membayar dua kali lipat, yang mengubah tarif input $0.15 yang dipromosikan menjadi $0.30 tepat pada jam-jam ketika sebagian besar tim benar-benar menjalankan trafik. Anggarkan berdasarkan kolom peak kecuali beban kerja Anda memang berjalan sepanjang malam UTC.

Dibandingkan dengan kartu tarif yang menjadi dasar penagihan DeepSeek V4 Flash sebelum perubahan — $0,007 cache-hit, $0,22 cache-miss, dan $0,66 output per 1 juta token di luar jam sibuk — lembar baru memangkas input yang di-cache sekitar 57%, input cache-miss sekitar 32%, dan output sekitar 9%. Jadi penerusnya lebih murah per token daripada model yang digantikannya, dengan selisih yang besar pada token yang terus dibaca ulang oleh loop agen dan kecil pada token yang dihasilkannya. Itulah bentuk sebenarnya dari kisah "pemotongan harga Flash": ini adalah pemotongan cache-hit dengan diskon output yang menyertainya.

Tangkapan itu adalah kartu sebagaimana adanya sebelum pemotongan 10 September — lembar yang menjadi dasar penagihan DeepSeek V4 Flash sepanjang Agustus, disimpan di sini sebagai sisi sebelum dari perbandingan. Sisi sesudahnya adalah empat butir di atas.

Apa yang sebenarnya dikatakan tolok ukur, dan siapa yang menjalankannya

Gambaran tolok ukur ini memiliki dua paruh yang rutin dikutip sebagai satu kesatuan, dan keduanya memiliki kedudukan yang sangat berbeda.

Paruh pertama adalah tabel evaluasi DeepSeek sendiri, yang diterbitkan bersama rilis. Tabel itu menempatkan DeepSeek V4.1 Flash pada 74,2 di DeepSWE v1.1 — di depan Claude Opus 5 pada 74,0, GPT-5.6 Sol pada 73,0, Kimi K3 pada 67,5, GLM-5.3 pada 66,9, DeepSeek V4 Pro 0813 pada 62,7 dan DeepSeek V4 Flash 0731 pada 54,4. Itu adalah angka yang dijalankan vendor, diukur pada upaya penalaran maksimum, dan rilis yang sama melaporkan checkpoint identik itu mencetak skor di mana saja antara 65,5 dan 74,2 di delapan scaffold agen yang berbeda — 74,2 pada scaffold yang paling cocok dengannya, 69,8 di bawah Claude Code, 65,6 di bawah Codex, 65,5 di bawah OpenCode. Selisih 0,2 poin atas Claude Opus 5, pada rangkaian uji yang dijalankan vendor, yang diambil dari yang paling menguntungkan di antara delapan scaffold, tidak membuktikan keunggulan atas Claude Opus 5. Hal itu membuktikan bahwa Flash baru ini kompetitif dengan frontier dalam pengodean agentik ketika semuanya diatur menurut caranya — yang merupakan hasil nyata dan jauh lebih kecil daripada yang terdengar dari "di depan Opus 5".

Paruh kedua adalah bagian yang belum ada pada 9 September. Artificial Analysis kini telah mengukur DeepSeek V4.1 Flash secara independen dan menempatkannya di angka 40 pada Intelligence Index, dibandingkan 35 untuk DeepSeek V4 Flash 0731 — peringkat keenam dari 113 model yang diukur, dibandingkan peringkat kedelapan untuk model yang digantikannya, dan jauh di atas median 18 untuk model open-weight berukuran sebanding. Itulah angka yang oleh versi sebelumnya artikel ini disebut belum ada, dan hal itu menjawab pertanyaan besarnya dengan menguntungkan sang penerus: pada komposit pihak ketiga atas penalaran, pengetahuan, matematika, dan pemrograman, build baru ini secara terukur adalah model yang lebih kuat. Hal itu tidak menjawab pertanyaan frontier, karena papan peringkat yang sama menempatkan Kimi K3 dan GLM-5.3 di atasnya.

Kisah soal kecepatan itu tidak bertahan saat diukur.

Di sinilah perbandingan sebelumnya harus dikoreksi, bukan diperluas. Inti dari perbandingan itu adalah bahwa kedua model berbagi rate card yang sama dan berbeda dalam hal kecepatan, dengan DeepSeek V4 Flash terukur sekitar 120–140 token keluaran per detik dan penguji hari pertama DeepSeek V4.1 Flash melaporkan 280 hingga 500, dengan puncak di atas 500. Kesenjangan itu tidak terulang.

Pada pengukuran Artificial Analysis, DeepSeek V4.1 Flash menghasilkan 214,4 token keluaran per detik dan DeepSeek V4 Flash 0731 menghasilkan 214,9 — benar-benar imbang, selisih setengah token per detik, dengan metodologi yang sama yang menghasilkan kedua angka tersebut. Apa pun yang diukur oleh uji komunitas hari pertama, itu bukan perbandingan setara: token per detik bervariasi menurut penyedia, perangkat keras, ukuran batch, konkurensi, dan berapa banyak dari jawaban yang merupakan token penalaran, dan angka-angka minggu peluncuran berasal dari konfigurasi yang berbeda dalam kelima hal tersebut. Revisi yang jujur adalah bahwa keunggulan throughput yang tersirat dari peluncuran tidak terlihat dalam pengukuran independen. Siapa pun yang beralih ke DeepSeek V4.1 Flash dengan harapan kecepatan dua hingga tiga kali lipat harus mengukur ulang pada trafik mereka sendiri sebelum mengasumsikannya.

Gambaran biayanya lebih menarik daripada gambaran kecepatannya, dan ini juga bukan kemenangan yang sederhana. Pada input per token Artificial Analysis — $0,30 masuk dan $1,20 keluar untuk model baru versus $0,44 dan $1,32 untuk model lama, keduanya pada puncak — DeepSeek V4.1 Flash lebih murah per token. Tetapi biaya terukur per tugas Intelligence Index menjadi $0,27 versus $0,22, sedikit lebih tinggi, karena model baru lebih banyak bicara: 250 juta token output di seluruh indeks versus 240 juta untuk pendahulunya, dan merupakan salah satu model yang lebih panjang lebar yang diukur oleh papan peringkat. Token yang lebih murah tetapi lebih sering dibelanjakan tidak otomatis berarti tugas yang lebih murah. Anda berada di sisi mana dari hal itu sepenuhnya bergantung pada apakah beban kerja Anda didominasi oleh konteks yang dibaca ulang, yang di situ pemotongan cache-hit sebesar 57% berperan, atau oleh output yang dihasilkan, yang di situ verbositas memakan diskonnya.

Dukungan serving Hari-0, dan apa nilainya sebenarnya

Jika Anda sudah melakukan self-host DeepSeek V4 Flash, inilah bagian yang menentukan apakah migrasinya murah, dan jawabannya: lebih murah daripada biasanya, tetapi tidak gratis, dan bukan pada runtime yang dimaksud kebanyakan orang dengan "secara lokal".

• NVIDIA vLLM — merilis jalur day-zero sebagai image Docker pratinjau, bukan paket yang dirilis; dukungan arsitektur tidak digabungkan ke mainline saat rilis, sehingga tidak ada pip install yang menyertakannya. Diverifikasi di beberapa platform NVIDIA, bukan hanya satu, dengan kebutuhan memori minimum sekitar 614GB untuk bobot ditambah ruang cadangan.

• SGLang — image pratinjau day-zero dan entri cookbook, diterbitkan tanpa angka performa karena vendor menilai pengukuran periode pengembangan tidak stabil. Terverifikasi pada perangkat keras kelas GB300, dengan perangkat lain tercatat masih dalam konfirmasi.

• NVIDIA Dynamo — resep penerapan hari-nol di samping resep Flash dan Pro yang sudah ada.

• Silikon lainnya — Cambricon melaporkan adaptasi hari nol melalui vLLM pada hari yang sama.

• Ollama dan llama.cpp — kesenjangannya. Ollama mencantumkan model tersebut, tetapi sebagai passthrough cloud: model itu berjalan di server Ollama, bukan server Anda. Dukungan arsitektur llama.cpp belum digabungkan, jadi belum ada jalur lokal upstream, dan konversi GGUF komunitas sudah ada tanpa runtime rilis yang menjalankannya secara end to end.

Pembacaan praktisnya: ekosistem framework bergerak luar biasa cepat, dan jika Anda men-deploy pada vLLM atau SGLang di seluruh node multi-GPU, Anda memiliki jalur terdokumentasi dalam hitungan hari sejak peluncuran. Jika deployment DeepSeek V4 Flash Anda berupa mesin llama.cpp atau Ollama, belum ada padanannya, dan ~510GB berarti kecil kemungkinan ada padanannya pada ukuran yang disiratkan perangkat keras tersebut. Bobotnya juga bukan bentuk masalah yang sama: DeepSeek V4 Flash dengan total 284B adalah proposisi node tunggal, sedangkan yang baru pada 552B backbone — sebelum tabel Engram — bukan.

Routing dipindahkan, dan itu dipindahkan untuk Anda.

Bagian yang paling kurang diberitakan dari peluncuran ini masih bahwa DeepSeek mengarahkan lalu lintas di antara model-modelnya sendiri, dan tidak seperti pada 9 September, kini ada tanggalnya. Mulai 04:00 UTC pada 14 September, permintaan API yang ditujukan ke deepseek-v4-pro dilayani oleh DeepSeek V4.1 Flash dan ditagih dengan tarif Flash, kebijakan yang menurut DeepSeek akan berjalan sampai V4.1-Pro dirilis. DeepSeek V4 Flash dan DeepSeek-V4-Flash-Vision-Exp dihentikan sepenuhnya, dengan pengidentifikasinya hanya dipertahankan sebagai alias kompatibilitas yang juga mengarah ke model baru.

Bacalah itu sebagai jawaban atas pertanyaan yang menjadi alasan artikel ini ada. Seminggu yang lalu, pemanggil Pro beralih secara otomatis dan pemanggil Flash harus membuat keputusan. Hari ini vendor telah membuat keputusan itu untuk keduanya, yang berarti pilihan yang dihadapi saat ini bukan lagi "V4 Flash atau V4.1 Flash" di API — melainkan apakah prompt, evaluasi, dan model biaya Anda sudah siap untuk model yang dilatih ulang, atau apakah Anda memerlukan fallback yang sama sekali berbeda.

Itulah logika yang sama yang diterapkan lapisan perutean di seluruh vendor, dan itulah bagian yang diperoleh platform seperti OrcaRouter. DeepSeek V4.1 Flash di OrcaRoutermembawa harga daftar DeepSeek — $0.15 per 1 juta token input dan $0.60 per 1 juta output — diteruskan pada markup 0%, itulah yang membuat pemotongan harga vendor sampai ke sisi kami pada hari yang sama saat sampai ke sisi mereka. DeepSeek V4 Flash di OrcaRoutertetap dapat dipanggil dengan kunci yang sama selama Anda bermigrasi, jadi peralihannya hanyalah string model, bukan kontrak kedua, dan DeepSeek V4 Pro di OrcaRoutertetap terdaftar sementara pengalihan vendor menyajikannya dengan model baru pada tarif Flash. Failover otomatis di antara penyedia adalah cara murah untuk mencoba model yang dilatih ulang pada trafik nyata tanpa mempertaruhkan jalur produksi pada perilaku hari pertama: rutekan sebagian, pertahankan model yang sudah terbukti baik di belakangnya, dan biarkan kasus tepi mendarat di fallback sementara Anda mencari tahu apakah prompting baru berperilaku baik.

Yang mana yang harus Anda hubungi?

Jika jawaban jujurnya masih "yang mana pun, untuk semua orang", pembaruan ini tidak layak diterbitkan. Pekan ini menggerakkan keputusan itu dua kali — sekali menguntungkan penerus, sekali merugikannya.

Alasan untuk beralih ke DeepSeek V4.1 Flash sekarang lebih kuat daripada saat hari peluncurannya, dan hal itu bertumpu pada angka independen, bukan tabel vendor. Empat puluh berbanding tiga puluh lima pada Intelligence Index adalah selisih nyata yang diukur oleh pihak yang tidak memiliki kepentingan di dalamnya, model ini lebih murah per token daripada model yang digantikannya pada kartu yang sama, input gambar tidak lagi memerlukan model kedua, dan setiap pengukuran pihak ketiga sepakat bahwa model ini setidaknya setara dengan pendahulunya dalam hal throughput, bukan dua hingga tiga kali lebih cepat. Jika Anda memulai beban kerja baru, atau Anda mengandalkan DeepSeek-V4-Flash-Vision-Exp untuk gambar, peralihannya mudah dan biaya migrasinya hanyalah string model.

Alasan untuk menunda sekarang lebih sempit dan lebih spesifik. Jika prompt, skema tool-calling, dan eval Anda disetel terhadap V4-Flash-0731, model yang dilatih ulang adalah perubahan perilaku, bukan perubahan kecepatan — prompting, batas penolakan, dan panjang output semuanya berubah, dan fakta bahwa model baru lebih banyak bicara itu sendiri merupakan perubahan perilaku yang muncul di tagihan Anda sebelum muncul di metrik kualitas Anda. Dan jika deployment Anda di-hosting sendiri pada llama.cpp atau Ollama, atau anggaran Anda bergantung pada token output alih-alih input yang di-cache, perhitungan ekonomi untuk beralih tidak seperti yang disiratkan oleh headline peluncuran. Menjalankan lalu lintas Anda sendiri selama satu hari melalui keduanya dan membandingkan completion yang diterima per dolar akan memberi tahu Anda lebih banyak daripada tabel mana pun di atas.

Bagi sebagian besar tim, posisi yang bisa dipertahankan setelah sepekan bukanlah salah satu dari dua kubu yang paling bersuara: anggap DeepSeek V4.1 Flash sebagai default karena bukti independen kini mendukungnya, biarkan DeepSeek V4 Flash tetap melayani apa pun yang sudah dilayaninya dengan baik — bobotnya masih ada, masih MIT — dan ukur ulang throughput pada beban kerja Anda sendiri daripada memercayai angka komunitas minggu peluncuran atau satu baris papan peringkat saja. Penerusnya benar-benar lebih baik. Hanya saja, selisih keunggulannya lebih kecil, dan terjadi di area yang berbeda, daripada yang disiratkan saat peluncuran.