DeepSeek V4.1 Flash: il livello veloce, il suo vero prezzo e la questione del gratuito risolta

DeepSeek V4.1 Flash è il tier veloce della linea V4.1 di DeepSeek: un modello multimodale mixture-of-experts con una finestra di contesto di 1.048.576 token, input di immagini, pesi con licenza MIT su Hugging Face e un prezzo di listino off-peak di 0,15 $ per milione di token in input e 0,60 $ per milione in output. È passato alla disponibilità generale il 2026-09-10, quindi il rilascio è un fatto che data il modello, non un evento che questa pagina riporta — e due domande portano i lettori qui molto dopo quella data: se sia gratuito e come si comporti rispetto a qualunque modello abbiano già davanti. La prima ha una risposta breve, quindi viene per prima.

DeepSeek V4.1 Flash è gratuito? La risposta che sei venuto a cercare

No. Sulla piattaforma di DeepSeek stessa non esiste un livello API gratuito per questo modello — nessuna quota mensile gratuita e nessun endpoint gratuito. La fatturazione è a consumo, su un saldo ricaricato, alle tariffe indicate nella stessa scheda del resto della linea. L'id del modello che chiami per esso è deepseek-flash, e ogni richiesta a quell'id viene fatturata alle tariffe Flash pubblicate. L'app consumer è gratuita da usare; l'API che vi sta dietro no, e i due sono prodotti separati.

Ciò che è davvero quasi gratuito è la cache. Un token di input con cache hit costa $0,003 per milione contro $0,15 per un token di input nuovo fuori picco — un cinquantesimo. Qualsiasi carico di lavoro con un prefisso ampio e stabile (istruzioni di sistema, schemi di strumenti, una mappa del repository) paga quasi nulla per la parte ripetuta del prompt, mentre il costo è a carico dei nuovi token. Le condizioni esatte alle quali si applica lo sconto sono stabilite da DeepSeek, non dal cliente, quindi leggi la documentazione attuale prima di costruire un budget su quel numero.

C'è una seconda ragione per cui emerge la questione del gratuito, e vale la pena separarla dalla prima. Le piattaforme di terze parti pubblicizzano un accesso gratuito o di prova a questo modello, e quelle strade sono reali; sono anche il tipo di condizioni che cambiano senza preavviso, e nessuna di esse ha dietro di sé il listino prezzi di DeepSeek. Considerale superfici di prototipazione più che backend di produzione. Il nostro catalogo sì che include una voce a costo zero — ma è deepseek/deepseek-v4-flash-free, il V4 Flash ritirato, non questo modello. I due distano un solo numero di versione e non sono la stessa cosa.

Dove si colloca Flash nella linea V4.1

V4.1 è una nuova famiglia architetturale, non un rilascio puntuale di V4. Flash è il suo membro piccolo e veloce — il tier pensato per throughput e costo piuttosto che per la vetta della classifica. Il fratello di punta è DeepSeek-V4-Pro-0813, servito con l'id modello deepseek-v4-pro, che ha un listino di $0,66 per milione di token in input e $1,98 per milione in output fuori picco: circa quattro volte e mezzo Flash sull'input e poco più di tre volte sull'output, con un limite di concorrenza di 500 contro i 2.500 di Flash. DeepSeek stessa riporta che V4.1 Flash supera in modo completo V4 Pro su prestazioni, costo, velocità e tempo totale di esecuzione — questa è l'affermazione del fornitore sui propri benchmark, non una misurazione indipendente, ed è il motivo per cui la denominazione dei tier appare invertita a chiunque presuma che "Pro" sia sempre l'acquisto migliore.

Un confine da tenere presente: DeepSeek V4.1 Pro non è stato rilasciato. Compare nei materiali di DeepSeek solo come modello futuro. Nulla di ciò che è presente in questa pagina si applica ad esso, e neanche nulla di ciò che offriamo.

La specifica, così come la pubblica DeepSeek

Tutto ciò che segue è tratto dalla scheda del modello su Hugging Face, all'indirizzo deepseek-ai/DeepSeek-V4.1-Flash. Laddove un dato è un'affermazione del fornitore anziché una misurazione consolidata, viene indicato come tale.

• Parametri — backbone da 552B, secondo quanto dichiarato dal fornitore. La scheda indica 8B parametri attivati per token durante il prefill e 16B durante il decode, in un'architettura mixture-of-experts con 1 esperto condiviso e 384 esperti instradati per layer MoE, sei dei quali attivi per token. • Architettura — un Causal Encoder-Decoder a 40 layer: un encoder causale a 20 layer che alimenta un decoder a 20 layer. • Contesto — 1.048.576 token, che la scheda arrotonda a un milione. • Limite di output — massimo 384K token sull'API del fornitore, quindi imposta esplicitamente il limite invece di fidarti del valore predefinito. • Modalità — testo e immagini in input, testo in output. La visione passa attraverso un encoder DeepSeek-ViT più un proiettore MLP a due layer. • Precisione — i pesi pubblicati sono safetensors in BF16, F32, F8_E4M3 e I8, con FP8 segnalato sulla scheda. La KV cache è quantizzata a FP4 (E2M1 con scala E4M3 ogni 16 canali). • Licenza — MIT, sia per il repository sia per i pesi. • Rilascio — disponibilità generale il 2026-09-10; 48 shard safetensors, circa 510 GB nel repository.

Flash contro Pro: la domanda che il nome del livello crea

Se devi scegliere tra i due, la regola non è "Pro è più forte". Il livello Flash esiste per il volume: traffico ad alta concorrenza e sensibile ai costi, dove una bolletta di token pari a un quarto di quella di Pro conta più degli ultimi punti di capacità, e dove il tetto di concorrenza di 2.500 richieste è di per sé il motivo per cui essere qui. Il livello Pro esiste per il ragionamento più arduo e il lavoro agentico, dove paghi per il top della gamma e il tetto di throughput è un vincolo che accetti. Questa è l'intera struttura della scelta — le prove del confronto testa a testa, incluso dove Pro vince ancora, si trovano nel nostro confronto DeepSeek V4.1 Flash vs DeepSeek V4 Pro invece che qui, e le due pagine deliberatamente non si ripetono a vicenda.

Esecuzione: API, pesi o entrambi

Entrambe le vie sono aperte. DeepSeek serve il modello sulla propria API con l'id deepseek-flash, su un URL di base compatibile con OpenAI e su uno compatibile con Anthropic, quindi a un client esistente di solito basta cambiare la stringa del modello. Separatamente, i pesi sono scaricabili: con licenza MIT, 48 shard safetensors, circa 510 GB, il che li mette fuori portata per qualsiasi macchina con una singola GPU e li colloca appieno nella categoria "noleggia un nodo o lascia perdere". DeepSeek fornisce anche una ricetta di inferenza ufficiale all'interno del repository — un'implementazione di riferimento leggibile piuttosto che un motore di serving di produzione — e il suo esempio pratico converte i pesi in esperti fp4 con una dimensione di parallelismo del modello pari a otto, che è la cosa più vicina a una dichiarazione di dimensionamento che il repository offra. Il dettaglio pratico che decide se il self-hosting sia piacevole è un altro: il modello supporta uno sforzo di ragionamento selezionabile in modo continuo da 1 a 100, e continuerà tranquillamente a generare molto dopo che il lavoro è finito se non regoli quella manopola. Le configurazioni misurate, i numeri di throughput che le persone riportano realmente e la modalità di fallimento da eccesso di ragionamento con mitigazioni che funzionano sono tutti nel nostro playbook di distribuzione locale di DeepSeek V4.1 Flash; il riassunto onesto è che la via API è più economica finché il tuo volume non è grande, mentre la via dei pesi è una decisione di capacità più che di costo.

Ciò che non è stabilito

Due cose, e nessuna delle due è di poco conto. Il conteggio dei parametri non quadra con i pesi. La scheda di DeepSeek dice 552B; l'indice safetensors del repository stesso — il campo Model size sulla pagina del modello su Hugging Face — totalizza 763B attraverso i 48 shard, in un repository di circa 510 GB. Entrambi i numeri sono pubblicati, non sono lo stesso numero, e nessuno ha risolto pubblicamente la discrepanza, quindi tratta 552B come dichiarato dal fornitore anziché misurato. E il materiale di DeepSeek stesso è incoerente riguardo ai vecchi identificatori V4 Flash — la pagina dei prezzi dice che i nomi ritirati sono accettati e instradati a questo modello alle tariffe Flash, mentre altre pagine descrivono l'instradamento diversamente. Risali al modello dalla risposta invece di presumere quale modello abbia risposto.

Disponibilità su OrcaRouter, verificata oggi

OrcaRouter serve questo modello. È elencato nel nostro catalogo live come deepseek/deepseek-v4.1-flash — nota che l'identificatore indica la versione con un punto, v4.1, mentre gli slug del nostro blog la scrivono con il trattino. Copia la stringa esattamente come appare nell'elenco, altrimenti un client non troverà nulla. La scheda riporta una finestra di contesto di 1.048.576 token, un output massimo di 384K, input di testo e immagini, e le tariffe fuori picco del fornitore stesso: $0,15 per milione di token in input e $0,60 per milione in output, con $0,003 per milione sulle cache hit, passate con markup allo 0% — la tariffa di DeepSeek è quella che paghi, e le finestre di picco nei giorni feriali di DeepSeek la raddoppiano comunque. Il failover automatico significa che puoi mettere un modello non ancora collaudato dietro una rotta con fallback quando genera errori o raggiunge i limiti di frequenza, un modo economico per scoprire se regge prima che arrivi su un percorso di produzione. Questa affermazione vale solo per questo identificatore e per questo modello; DeepSeek V4 Pro e l'intera linea V4 sono voci separate e fatti separati.

Il set di confronto: cosa aprire dopo

È qui che si trovano davvero i lettori. Nei nostri dati di Search Console, estratti il 2026-10-13, la famiglia DeepSeek V4.1 Flash ha totalizzato 9.444 impression e 418 clic su 198 query — e la sua singola riga più grande per impression non era il nome del modello ma un confronto diretto, deepseek v4.1 flash vs glm 5.3 flash, con 1.372 impression. Il solo termine contava 2.025 impression su 33 query. Sotto questa radice si trovano dieci pagine di confronto, e ciascuna è scritta per rispondere alla propria domanda anziché ripetere questa pagina:

• DeepSeek V4.1 Flash vs GLM-5.3-Flash — la competizione sul prezzo, e la penalità di latenza di avvio che comporta vincerla. • DeepSeek V4.1 Flash vs DeepSeek V4 Flash — la questione della migrazione, a cui DeepSeek ha in parte risposto ritirando gli identificatori del modello precedente. • DeepSeek V4.1 Flash vs DeepSeek V4 Pro — il passaggio di consegne che DeepSeek aveva pianificato e poi annullato, e ciò tra cui ti lascia a scegliere. • DeepSeek V4.1 Flash vs Gemini 3.8 Flash — due prezzi economici associati a due tipi molto diversi di scadenza. • DeepSeek V4.1 Flash vs GPT-5.6 Sol — il divario di prezzo accanto al divario di tempo al primo token. • DeepSeek V4.1 Flash vs GPT-5.6 Terra — dove una soglia di contesto cambia la tariffa a metà richiesta. • DeepSeek V4.1 Flash vs Claude Opus 5 — due tabelloni che non concordano su quale modello abbia vinto. • DeepSeek V4.1 Flash vs Grok 4.6 — un piccolo delta di capacità rispetto a una grande bolletta ricorrente. • DeepSeek V4.1 Flash vs Kimi K3 — la dichiarazione testa a testa del fornitore stesso, verificata rispetto alle prove che la sostengono. • DeepSeek V4.1 Flash vs Qwen3.8-Max — la stessa finestra di contesto a venti volte il prezzo per token.

Se hai tempo per una sola, prendi il confronto GLM-5.3-Flash: è la riga che i lettori digitano di più, e i due modelli hanno prezzi abbastanza vicini che la decisione dipende da quanto in fretta ti serve il primo token piuttosto che da quanto costa ogni token.