DeepSeek V4.1 Flash: Model Dasar yang Benar-Benar Baru Memakai Nomor Rilis Titik

DeepSeek V4.1 Flash kini berusia enam hari, dan tiga pertanyaan yang ditinggalkan oleh peluncurannya telah terjawab — dua di antaranya menguntungkan perusahaan dan satu sangat merugikan. Modelnya sendiri tidak berubah sejak 10 September: sebuah mixture-of-experts dengan 552 miliar parameter berlabel bobot MIT terbuka, konteks satu juta token, dan arsitektur Causal Encoder-Decoder baru yang oleh kartu model vendor itu sendiri dimasukkan ke dalam apa yang disebut perusahaan sebagai "keluarga arsitektur barunya." Yang berubah adalah segala hal di sekitarnya. Seorang evaluator independen menerbitkan skor yang tidak ada pada pagi peluncuran. Perusahaan membatalkan penghentian DeepSeek V4 Pro yang telah diumumkannya dalam changelog-nya sendiri. Dan pekerjaan penyajian hari-pertama yang belum ada pagi itu kini berjalan di beberapa runtime inferensi arus utama — dengan dua bagian tersulitnya, tabel memori Engram dan pemisahan prefill/decode yang menjadi tumpuan penerapan produksi, masih aktif dikerjakan ulang secara publik.

Ketidaksesuaian penamaan masih menjadi alasan artikel ini ada. Membaca "V4 Flash ke V4.1 Flash" sebagai langkah patch adalah hal yang wajar dilakukan sekaligus hal yang keliru: nomor versinya hanya berjarak satu desimal dari penyetelan ulang, sementara arsitektur di baliknya membentuk sebuah keluarga. Enam hari bukti belum melunakkannya. Justru, angka-angka independen telah memperkuatnya, karena model yang mengungguli model andalan 1,6 triliun parameter milik vendornya sendiri bukanlah rilis minor — melainkan generasi yang menolak menamai dirinya sendiri.

Apa yang sebenarnya dirilis pada 10 September

Ini bukan kebocoran dan bukan beta. Uji API dua hari yang dimulai pada 8 September dengan ID model deepseek-v4.1-flash-expires-on-0910 berakhir seperti yang disiratkan oleh akhiran namanya, dan rilisnya hadir di aplikasi web, aplikasi seluler, dan API pihak pertama DeepSeek, dengan bobot dan laporan teknis yang diterbitkan di Hugging Face di bawah deepseek-ai/DeepSeek-V4.1-Flash.

Rincian praktisnya belum berubah selama enam hari:

• Nama model — panggil deepseek-flash. Nama lama deepseek-v4-flash dan deepseek-v4-flash-vision-exp masih diterima, tetapi keduanya tidak lagi mengarah ke model yang dulu: keduanya sudah pensiun, dan permintaan yang menyebutnya dilayani oleh DeepSeek V4.1 Flash dan ditagih dengan tarif Flash.

• Apa isinya — jendela konteks 1M token, output maksimum 384K, output JSON, pemanggilan fungsi, input gambar native, dan mode berpikir yang aktif secara default dengan pengaturan upaya rendah, tinggi, dan maks.

• Lisensi — MIT, bobot disertakan, dengan folder inferensi dan modul pengodean terpisah di repositori. DeepSeek secara eksplisit mengundang komunitas sumber terbuka untuk membangun dukungan inferensi sejak hari pertama, dan komunitas menindaklanjutinya lebih cepat daripada yang tersirat oleh undangan itu.

.1 yang bukan rilis titik

Klaim yang memulai tulisan ini berasal dari teortaxesTex, seorang pengamat DeepSeek anonim namun banyak diikuti, dalam unggahan 10 September: bahwa ini adalah "pertama kalinya DeepSeek melabeli model dasar yang sepenuhnya baru dengan versi rilis .1," bahwa V4.1 "jauh lebih berbeda dari V4 daripada, misalnya, LLaMA 3 dari LLaMA 1," dan bahwa DeepSeek "tidak merasa ini layak disebut V5" — tanpa pengunggah mampu menjelaskan alasannya.

Perlakukan bagian kausal sebagai inferensi dan bagian struktural sebagai hal yang dapat diperiksa. Inferensi — mengapa DeepSeek memilih .1 daripada V5 — hanyalah pandangan seorang pengamat dan tidak lebih; tidak ada seorang pun di luar perusahaan yang menjelaskan keputusan tersebut, dan materi DeepSeek sendiri tidak pernah membahasnya. Bagian yang dapat diperiksa adalah arsitekturnya, dan itu tidak terlihat seperti rilis versi minor. Catatan perubahan DeepSeek menggambarkan V4.1 Flash sebagai "model terkecil dalam keluarga arsitektur baru kami," yang merupakan kalimat aneh untuk ditulis tentang pembaruan versi: pembaruan versi memperluas keluarga, bukan mendirikannya.

Ada biaya nyata atas ambiguitas ini, dan biaya itu ditanggung oleh pembeli, bukan oleh DeepSeek. Nomor versi adalah sinyal termurah yang dimiliki pengembang untuk "apakah ini generasi baru atau penyesuaian ulang, dan seberapa besar anggaran evaluasi saya yang layak untuknya?" DeepSeek kini membuat sinyal tersebut tidak dapat diandalkan dalam satu arah — model yang mendirikan keluarga arsitektur berada satu desimal dari model yang mengubah resep pasca-pelatihannya. Perusahaan itu bisa menyimpan penanda V5-nya sebagai cadangan. Setiap orang yang melakukan penilaian migrasi membayar atas kebingungan ini.

Apa yang dimaksud "arsitektur baru" dalam bobot

Kartu model ini luar biasa spesifik, yang membuat klaim generasi dapat diuji tanpa satu pun benchmark. Ada lima hal yang menonjol — yang kelima adalah hal yang sebagian besar dilewatkan oleh liputan peluncuran, dan hal yang ternyata paling penting bagi siapa pun yang mencoba melayani model ini.

• Aktivasi asimetris — pembagian Causal Encoder-Decoder adalah transformer 40 lapis yang disusun sebagai encoder kausal 20 lapis diikuti oleh decoder 20 lapis, di mana cache KV global decoder diproyeksikan dari hidden states akhir encoder, bukan diturunkan dari lapisan decoder itu sendiri. Inti dari desain ini adalah model hanya mengaktifkan 8B parameter per token selama prefill dan 16B selama decode. Beban kerja agen yang berat pada input — dokumen panjang, jejak alat yang panjang — mendapatkan separuh model yang murah; generasi mendapatkan separuh yang mahal.

• Kompresi cache KV, diukur per token — DeepSeek-V4.1-Flash menjalankan cache KV utama FP4 pada 890 byte per token, yang menurut kartu tersebut kira-kira seperempat dari DeepSeek V4 Flash. Liputan Tiongkok melangkah lebih jauh dengan membingkai kompresi tersebut terhadap model V4 generasi pertama sebagai pengurangan 437×; angka yang lebih besar itu adalah aritmetika bersumber vendor dengan baseline yang berbeda, jadi perlakukan itu sebagai klaim, bukan sebagai hasil pengukuran.

• SWA Bounded Replay — perhatian jendela geser (sliding-window attention) biasanya memaksa Anda untuk menyimpan status KV ke SSD untuk merekonstruksi konteks. Ini membangun ulang status KV SWA yang hilang dengan memutar ulang hanya jendela token terbaru, sehingga memangkas jejak KV persisten menjadi sekitar seperdelapan dari milik DeepSeek V4 Flash.

• Compressed Sparse Attention 2 — setiap lapisan perhatian berjalan dalam salah satu dari tiga mode statis (Full, Reindex, atau Reuse), berbagi status KV dan pengindeks antar lapisan, dengan pengindeks hierarkis jarang yang membatasi biaya lapisan yang lebih dalam secara independen dari panjang konteks.

• Engram — modul memori kondisional yang menjaga memori tetap terpisah dari komputasi, diimplementasikan sebagai pencarian hash n-gram yang di-gate ke dalam aliran residual model, bukan sebagai attention atau expert tambahan. Dua tabel fp8 menampung 189 GiB bobot, menurut tulisan SGLang sendiri tentang arsitektur tersebut, dan vendor runtime yang mem-port checkpoint itu menempatkan tabel-tabel tersebut pada sekitar 196B parameter di atas backbone 552B — itulah sebabnya jumlah parameter utama di kartu tersebut merupakan deskripsi backbone dan bukan deskripsi keseluruhan unduhan. Engram dilatih pada dua lapisan, menggunakan orde dua, tiga, dan empat n-gram di delapan kepala hash per orde, serta menggabungkan token yang ternormalisasi sama sehingga varian kapitalisasi di-hash ke bucket yang sama. Detail desain yang layak diingat adalah biaya yang ditimbulkannya: setiap langkah decode membaca tabel-tabel itu, jadi tempat Anda menaruhnya menentukan berapa banyak KV cache yang tersisa.

Baca kelima hal itu bersama-sama dan gambaran strategisnya menjadi jelas: ini adalah arsitektur yang mengutamakan sparsitas, efisiensi cache, dan offload memori, yang ukurannya dirancang agar struktur yang sama dapat diperbesar nanti. Penyebutan "keluarga arsitektur baru" benar-benar berperan penting — itu adalah pernyataan bahwa akan ada lebih banyak lagi yang menyusul.

Skor independen akhirnya keluar — dan itu mendukung vendor

Empat hari yang lalu, bagian ini akan terbaca sangat berbeda. Saat peluncuran, Artificial Analysis belum menerbitkan apa pun tentang DeepSeek V4.1 Flash, halaman model Hugging Face masih memuat catatan bahwa model tersebut "tidak digunakan oleh Penyedia Inferensi mana pun," dan klaim utama dari keseluruhan rilis — bahwa model kelas Flash secara komprehensif mengalahkan flagship 1.6T parameter dalam hal performa, biaya, kecepatan, dan total waktu tugas — adalah pernyataan vendor tanpa audit eksternal. Ketiga celah tersebut sejak itu telah tertutup.

Artificial Analysis kini telah mengukur model tersebut pada Intelligence Index miliknya, dan ringkasnya, klaim DeepSeek tetap bertahan saat diuji oleh pihak ketiga:

• Indeks Kecerdasan — DeepSeek V4.1 Flash mencetak skor 40 pada upaya penalaran maksimum, menempati peringkat keenam dari 113 model di kelas pembandingnya dan jauh di atas median 18 untuk model open-weight yang sebanding. DeepSeek V4 Pro 0813, model andalan yang dituduhkan digeser olehnya, mencetak skor 36 pada indeks yang sama.

• Biaya per tugas — $0,27 per tugas Intelligence Index untuk V4.1 Flash dibandingkan $0,67 untuk V4 Pro 0813. Itulah klaim kemampuan per dolar, yang direproduksi secara independen: model yang lebih murah adalah model yang lebih mampu dalam ukuran ini, dengan biaya sekitar 40% dari biaya per tugas yang diselesaikan.

• Kecepatan — 212,1 token keluaran per detik dibandingkan median 73,1 t/s pada model yang sebanding, dengan waktu ke token pertama 1,31 dtk dibandingkan median 2,37 dtk. Pada harness yang sama, V4 Pro 0813 mencatat 94,4 t/s dan TTFT 1,72 dtk.

• Harga — Artificial Analysis mencatat $0,30 per juta token masukan dan $1,20 per juta token keluaran dengan diskon cache 98%, yang merupakan tarif puncak DeepSeek sebagaimana dipublikasikan, bukan markup pihak ketiga yang premium.

Beri label itu dengan benar, karena labelnya sudah berubah. Ini adalah pengukuran independen, bukan angka vendor — tetapi ini adalah pengukuran independen pada satu harness pihak ketiga, dan satu indeks bukanlah vonis terhadap sebuah model. Yang diselesaikannya lebih sempit dan lebih berguna daripada posisi di papan peringkat: klaim spesifik yang dibuat DeepSeek untuk membenarkan lini produknya sendiri, bahwa Flash akan mengalahkan Pro dalam hal kemampuan dan biaya secara bersamaan, kini memiliki korroborasi dari luar, bukan catatan perubahan di baliknya.

Ada pula catatan jujur di sisi lain, dan itu berasal dari pelaporan vendor yang sama seperti sebelumnya. Angka DeepSeek sendiri menunjukkan V4.1 Flash menang 13 dari 16 perbandingan melawan Kimi K3 dan 11 dari 13 melawan GLM-5.3, namun masih tertinggal dari GPT-5.6 Sol dan Claude Opus 5 pada tugas Terminal-Bench 3.0 dan 4.0 yang lebih baru serta pada ProgramBench. Itu adalah bentuk yang koheren — paling kuat pada pekerjaan pengodean, terminal, dan otomatisasi agen yang dioptimalkan oleh arsitektur ini, lebih lemah pada tugas penalaran frontier — dan itulah bentuk yang akan dimiliki oleh lompatan generasi yang nyata. Indeks independen setuju dengan garis besarnya tanpa menetapkan setiap sel.

Pensiun Pro yang diumumkan DeepSeek — lalu dibatalkan

Inilah bagian yang berubah dari rencana yang dinyatakan DeepSeek sendiri, dan inilah bagian yang paling mungkin memengaruhi integrasi yang sedang berjalan.

Saat peluncuran, DeepSeek mengatakan DeepSeek V4 Pro akan dihentikan dari API-nya. Mulai pukul 12.00 waktu Beijing pada 14 September, permintaan yang menyebut deepseek-v4-proakan dialihkan ke V4.1 Flash dan ditagih dengan tarif Flash — pemotongan sekitar 70% pada biaya output bagi siapa pun yang menanamkan nama model Pro secara hard-code — dan akan tetap dialihkan seperti itu hingga V4.1 Pro di masa mendatang dirilis. Pada daftar tarif hari peluncuran, itu berarti $3,96 per juta token output milik Pro anjlok menjadi $1,20 milik Flash pada jam sibuk, tanpa perubahan kode dan tanpa pemberitahuan apa pun selain satu entri changelog.

Itu tidak terjadi. Pada 11 September, DeepSeek menerbitkan pemberitahuan di platform terbukanya sendiri yang menyatakan bahwa sebagai tanggapan atas permintaan pengguna, pihaknya akan terus menyediakan layanan API DeepSeek V4 Pro setelah 14 September, dengan penagihan yang tidak berubah — pemberitahuan itu tetap ditampilkan di platform pada 14 September itu sendiri, setelah momen peralihan berlalu, jadi ini adalah pernyataan langsung pihak pertama yang masih berlaku, bukan rumor tentangnya. Alasan yang dilaporkan adalah hal yang paling tidak mengejutkan dalam cerita ini: para pengembang menolak vendor yang diam-diam menukar bobot di balik nama model dalam integrasi produksi, dan pengujian multipihak DeepSeek sendiri menemukan bahwa V4 Pro mempertahankan keunggulan kualitas pada beban kerja nyata beberapa tim bahkan ketika V4.1 Flash memenangkan evaluasi publik.

Bacaan praktisnya adalah kebalikan langsung dari apa yang disarankan liputan hari peluncuran. Jika Anda menandai 14 September di kalender untuk menguji ulang integrasi Pro-pinned, tenggat waktunya batal: DeepSeek V4 Pro masih DeepSeek V4 Pro, dan harganya masih sama seperti sebelumnya, sementara V4.1 Pro masih belum diumumkan, tanpa kartu, tanpa jumlah parameter, tanpa tanggal, dan tanpa bobot. Yang tidak berubah adalah arah perjalanannya — DeepSeek jelas bermaksud mengonvergensi lini produknya ke arsitektur baru, dan satu-satunya hal yang telah dikonfirmasinya tentang arsitektur lama adalah bahwa ia tidak akan memaksakan peralihan itu pada tanggal tetap.

Menyajikannya: 189 GiB tabel n-gram, dan pekerjaannya masih terbuka

Pembingkaian ketersediaan saat hari peluncuran adalah "berjalan di API vendor dan tidak di tempat lain." Itu tidak lagi benar, dan titik ketika hal itu berhenti menjadi benar memberi pelajaran tentang arsitektur ini.

SGLang dan Miles merilis dukungan hari-pertama untuk DeepSeek V4.1 pada 10 September, dalam jendela waktu yang sama dengan model itu sendiri — sehingga catatan "tanpa penyajian pihak ketiga" yang tertera di halaman Hugging Face saat peluncuran sudah kedaluwarsa dalam hitungan jam. Bagian yang menarik bukanlah bahwa model itu berjalan; melainkan berapa biaya menjalankannya. Karena setiap langkah dekode membaca tabel Engram, pendekatan SGLang adalah membiarkan Anda menempatkannya di memori GPU atau di memori host, dengan offload ke host membebaskan sekitar 46 GiB per GPU untuk cache KV dengan konsekuensi sekitar 200 GB RAM host pada node tersebut. Pada konfigurasi GB300 dengan empat GPU, offload ke host meningkatkan kapasitas cache KV sebesar 36% dengan throughput dekode dan waktu ke token pertama yang sebanding, dan seluruh 28 penyelesaian probe greedy cocok dengan baseline yang semuanya di GPU. Fitur ini bersifat opt-in, di balik satu variabel lingkungan, bukan default. vLLM memiliki pekerjaan paralel yang bergerak ke arah sebaliknya — memetakan shard tabel dari disk ke memori alih-alih menyimpannya di RAM host — yang memberi tahu hal yang sama dari dua sudut: tabel Engram, bukan bobotnya, adalah kendala atas seberapa murah Anda dapat menyajikan model ini.

Perubahan terbaru dalam keseluruhan cerita terletak di sini, dan itu adalah perubahan-perubahan kecil yang layak dilabeli sebagai kecil. Pada 15 September, seorang kontributor SGLang membuka pull request #39666, menambahkan modul Engram dan adaptor riwayat permintaan bersama ke cabang DeepSeek V4.1 milik proyek tersebut — 7 file, +1205/−11, dengan adaptor itu mengekspos bidang riwayat n-gram opsional pada scheduler dan batch forward serta merekonstruksi riwayat tersebut lintas hit prefiks, retraksi, dan penggunaan ulang slot. Pull request itu terbuka dan belum digabungkan, proses CI-nya gagal, dan pull request itu menunggu tinjauan dari sembilan pemilik kode; ringkasan penulisnya sendiri terus terang tentang keterbatasannya, mencatat bahwa pemeriksaan pencarian tidak membuktikan kebenaran siklus hidup permintaan. Pull request itu adalah salah satu dari sekumpulan pull request DeepSeek V4.1 yang dibuka pada cabang tersebut pada 15 September, sebagian besarnya dari kontributor yang sama, mencakup konstruksi model, menara visi, pengodean chat, dan lapisan kernel.

Lalu pada 16 September, rencana untuk separuh bagian serving yang lebih sulit muncul ke publik. Sebuah issue peta jalan, #39700, memaparkan disagregasi prefill/decode untuk DeepSeek V4.1 pada platform B200 sebagai daftar bertahap: paralelisme konteks sisi prefill terlebih dahulu, lalu pekerjaan prefill tersebut digabungkan dengan MegaMoE, BCG, dan multi-stream, kemudian item-item sisi decode, dengan DP attention dan memori CUDA-graph di antaranya. Tahap satu diusulkan melalui pull request #39748, berjudul "[DSV4.1-PD-1/8] Support prefill node use cp parallel strategy", dan dibuka pada hari yang sama oleh penulis yang sama. Ini memungkinkan node prefill dalam deployment terdisagregasi menjalankan strategi paralel konteks, dengan konfigurasi referensi delapan B200 pada TP4/EP4 yang menjalankan runner MoE flashinfer_mxfp4 dan decoding spekulatif DSPARK. Node prefill menggunakan --enable-prefill-cp --cp-strategy interleave bersama --disaggregation-mode prefill melalui backend transfer Mooncake; node decode berjalan tanpa flag CP sama sekali. Validasi berupa penskoran gsm8k plus unit test pada jalur teks dan gambar. Seperti pull request Engram, PR ini terbuka, belum digabungkan, dan saat ini terhambat di CI karena label run-ci yang hilang.

Jelaskan dengan gamblang apa semua itu dan apa yang bukan. Itu adalah plumbing infrastruktur di dalam runtime yang sudah melayani model — tidak mengubah apa pun tentang apa yang dilakukan DeepSeek V4.1 Flash, berapa biayanya, atau apakah Anda harus menggunakannya. Itu hanya layak mendapat beberapa baris ini karena menandai di mana titik-titik tajam yang tersisa berada. Di sisi Engram, riwayat n-gram yang bertahan dari retraksi dan penggunaan ulang cache prefiks adalah justru jenis detail korektnes yang memisahkan demo dari endpoint produksi. Di sisi disagregasi, targetnya adalah operator yang memisahkan prefill dan decode ke pool-pool terpisah sehingga masing-masing bagian dapat diparalelkan untuk bottleneck-nya sendiri — sebuah deployment yang konfigurasi referensinya dimulai dari delapan B200, yang merupakan keputusan modal, bukan sekadar satu baris dalam file konfigurasi. Dan seri ini dilabeli 1/8 sementara issue roadmap-nya merinci tahapannya dalam enam bagian, dengan seluruh bagian decode masih belum ditulis: bahkan penomorannya pun masih sementara. Jika Anda tidak membuat keputusan modal itu, tidak ada dari semua ini yang terlihat dari posisi Anda — DeepSeek V4.1 Flash sudah aktif di OrcaRouter dengan tarif pass-through di bawah, dan plumbing itu tetap berada di sisi operator dari endpoint.

Memanggil DeepSeek V4.1 Flash hari ini

Keterangan ketersediaan juga berubah di sisi kami, dan perubahan itu justru ke arah yang menurut para pembaca versi hari peluncuran artikel ini tidak akan terjadi. OrcaRouter tidak menyediakan DeepSeek V4.1 Flash pada 10 September — halaman model mengembalikan "model not found" dan artikel ini menyatakannya secara gamblang, bukan menyiratkan sebaliknya. Sekarang model itu sudah tersedia: deepseek/deepseek-v4.1-flash sudah aktif di katalog dengan tarif $0.15 per juta token masukan dan $0.60 per juta token keluaran, yakni tarif penyedia DeepSeek sendiri yang diteruskan tanpa tambahan markup 0%, dan angka itu pula yang perlu dicek saat DeepSeek mengubah harga lain kali. Sejak hadir, model ini telah memproses 54.982,2 juta token melalui platform dengan p50 waktu ke token pertama 811 ms dan p95 3,03 detik.

Yang Anda dapatkan dari itu, di luar kartu tarif yang sama, adalah kemampuan untuk memperlakukan arsitektur berusia enam hari sebagai eksperimen, bukan komitmen. Failover berarti panggilan V4.1 Flash yang mulai error di bawah beban dapat diarahkan ulang ke model lain tanpa deploy; DSL perutean berarti Anda dapat menempatkan model baru pada sebagian trafik Anda dan model yang sudah dikenal pada sisanya, lalu membandingkannya pada input Anda sendiri, bukan pada papan peringkat; dan setiap model lain dalam katalog berada di balik kunci yang sama, termasuk sisa jajaran DeepSeek — DeepSeek V4 Flash dan DeepSeek V4 Pro — sehingga beralih kembali hanyalah perubahan string, bukan kontrak kedua.

Itu lebih penting daripada biasanya di sini, karena dua alasan yang telah menjadi konkret setelah enam hari pemberitaan. Yang pertama adalah keunggulan harga itu nyata tetapi bergantung pada penyedia yang mempertahankan tarifnya, dan pengaturan pass-through adalah satu-satunya jenis yang tetap jujur ketika tidak demikian. Yang kedua adalah satu peringatan dari minggu peluncuran masih bertahan: baik keunggulan kemampuan maupun keunggulan biaya kini diukur secara independen, tetapi keduanya diukur pada satu harness, pada model yang penamaannya mengatakan "pembaruan minor" dan arsitekturnya mengatakan sebaliknya. Rutekan seperti generasi baru, karena memang itulah adanya, dan simpan di balik tier yang bisa Anda pindahkan.

Apa yang masih terbuka

Tiga hal, dalam urutan menaik berdasarkan seberapa banyak yang akan mereka sampaikan kepada Anda.

DeepSeek V4.1 Pro akan menguji klaim keluarga itu. DeepSeek V4.1 Flash menyebut dirinya sebagai model terkecil dalam keluarga arsitektur baru, dan saudara yang seharusnya membuktikan bahwa keluarga itu ada masih belum memiliki kartu, jumlah parameter, tanggal, bobot, maupun harga. Model itu juga merupakan model yang menjadi poros seluruh manuver perutean Pro, kini setelah manuver tersebut dibatalkan.

Evaluasi independen kedua akan menguji skor tersebut. Indeks Kecerdasan 40 dengan 36 untuk model yang digantikannya adalah hasil yang jelas pada satu harness dan satu titik data tunggal atas pertanyaan apakah arsitektur ini selangkah lebih maju atau sekadar langkah menyamping yang dioptimalkan dengan baik. Perhatikan evaluator kedua, dan apakah jalur penyajian Engram-offload bertahan di bawah lalu lintas nyata alih-alih pada probe greedy, serta apakah pemisahan prefill/decode yang sekarang dipentaskan dalam pull request akan pernah berubah menjadi cerita pengemasan yang dapat diterapkan oleh tim biasa.

Dan yang berguna meskipun tidak menarik: apakah DeepSeek melakukan ini lagi. Label .1 kedua pada model dasar baru lainnya akan mengubah anomali menjadi konvensi, dan konvensi adalah sesuatu yang dapat direncanakan oleh pengembang. Satu model hanyalah sebuah keanehan. Penamaan tersebut baru menjadi menyesatkan dengan cara yang berguna setelah ada sebuah pola.

Untuk saat ini, pembacaan praktisnya terpisah dengan rapi berdasarkan siapa Anda. Jika Anda menggunakan DeepSeek V4 Pro, model di balik nama itu tidak berubah pada 14 September atau tanggal apa pun yang diumumkan — DeepSeek membatalkannya, dan Anda bisa membiarkan integrasi Anda apa adanya. Jika Anda menggunakan DeepSeek V4 Flash, Anda sudah dipindahkan, dengan harga yang sama, ke arsitektur yang dibangun DeepSeek untuk diskalakan. Dan jika Anda menunggu V5, jawaban jujurnya adalah DeepSeek tampaknya telah merilis generasi itu, menolak menamainya, lalu menyadari bahwa angka di kotaknya ternyata memang memikul beban.