DeepSeek V4.1 Flash vs DeepSeek V4 Flash: dopo una settimana, misurati in modo indipendente

Il quesito a cui questa comparazione doveva rispondere — dovresti passare da DeepSeek V4 Flash a DeepSeek V4.1 Flash — si è accorciato questa settimana, perché DeepSeek ha risposto in parte senza che gli fosse chiesto. Dal 04:00 UTC del 14 settembre 2026, le chiamate API dirette all'identificatore ritirato deepseek-v4-flash sono servite da DeepSeek V4.1 Flash, e anche le chiamate dirette a deepseek-v4-pro lo sono, entrambe fatturate alle tariffe di Flash. Restare fermi in silenzio non è più una delle opzioni sull'endpoint stesso del fornitore. Ciò che è ancora genuinamente aperto è se il nuovo modello sia migliore nei modi in cui il lancio ha affermato — e lì è ora arrivata la prima misurazione indipendente, che divide nettamente a metà la storia del lancio.

Ogni cifra qui sotto è datata, perché negli ultimi sette giorni le cose si sono mosse. I numeri riportati dal fornitore sono etichettati come riportati dal fornitore e i numeri della community come misurati dalla community, e ciascuno è stato letto dalla propria fonte anziché ripreso dalla versione precedente di questo articolo. DeepSeek V4.1 Flash ha raggiunto la disponibilità generale il 10 settembre 2026 — sei giorni fa — e dal 9 settembre si sono stabilizzate abbastanza cose che la bozza precedente di questo confronto ora induce in errore su due punti. Uno di questi è la velocità, e induce in errore nella direzione voluta dal lancio.

Cosa ha chiuso tra il 9 settembre e oggi

Sei questioni erano aperte quando questo abbinamento è stato descritto per la prima volta. Ora hanno tutte una risposta, e solo una è una cattiva notizia.

• Disponibilità generale — confermata e datata. Il changelog di DeepSeek riporta il rilascio al 2026-09-10, e il modello è attivo nell'App, nel client web e nell'API con l'identificatore deepseek-flash.

• La scheda prezzi — è arrivata come annunciato. Le tariffe che circolavano prima del lancio sono state riportate come una fuga di notizie pre-lancio; ora sono il listino pubblicato, e sono i numeri due sezioni più sotto.

• Pesi aperti — risolto. I pesi sono pubblicati su Hugging Face con licenza MIT e con un rapporto tecnico a corredo, senza gate e senza modulo di accesso.

• Misurazione indipendente — arrivata. Artificial Analysis ha ora eseguito DeepSeek V4.1 Flash, che era la più grande lacuna nell'articolo del 9 settembre. Se ne parla di seguito, e non dice ciò che il lancio lasciava intendere.

• Routing — attivato. Il reindirizzamento del traffico di DeepSeek V4 Pro che l'annuncio di lancio descriveva come imminente è ora in vigore, con tanto di data.

• Supporto al serving — rilasciato, con avvertenze. NVIDIA vLLM, SGLang e Dynamo hanno tutti pubblicato percorsi day-zero; la storia del local-runner è più limitata di quanto "day-0 support" faccia sembrare.

Due cose non sono cambiate e vanno dette prima dei numeri. DeepSeek V4.1-Pro non è ancora stato rilasciato: i materiali di DeepSeek descrivono il redirect Pro come attivo "fino al rilascio di V4.1-Pro", e a oggi non è stato rilasciato nulla. E DeepSeek V4 Flash non ha smesso di esistere: i suoi pesi sono ancora aperti e con licenza MIT, e per chiunque lo ospiti autonomamente continua a funzionare. Ciò che è finito è il percorso API del fornitore per accedervi.

Sotto il cofano: un modello diverso, non uno più veloce

Il confronto del 9 settembre sosteneva che DeepSeek V4.1 Flash non è DeepSeek V4 Flash con la manopola della velocità alzata, e una settimana di dettagli pubblicati lo ha reso concreto. Mentre il modello precedente è un mixture-of-experts da 284 miliardi di parametri con 13 miliardi attivi — l'aggiornamento post-training V4-Flash-0731 — il successore è una nuova architettura che DeepSeek chiama Causal Encoder-Decoder: un encoder causale a 20 livelli impilato su un decoder a 20 livelli, 40 livelli Transformer, con la KV cache del decoder proiettata dagli stati nascosti finali dell'encoder anziché calcolata livello per livello. È da quest'ultimo dettaglio che derivano le rivendicazioni di efficienza.

• Parametri attivi — DeepSeek riporta circa 8B attivi per token durante il prefill e 16B durante il decode, rispetto a 552B di parametri del backbone. DeepSeek V4 Flash attiva 13B su un backbone da 284B.

• Cache KV — DeepSeek riporta che la nuova build richiede un quarto dell'HBM e un ottavo dell'SSD rispetto alla precedente generazione Flash. Nota quale di questi è il dato persistente: la riduzione di 8 volte è quella che determina quanto contesto puoi mantenere parcheggiato su disco tra un turno e l'altro.

• Input — testo e immagini nativamente in un unico modello. DeepSeek V4 Flash è solo testo, e il lavoro sulle immagini richiedeva la build sperimentale separata DeepSeek-V4-Flash-Vision-Exp, che ora è stata ritirata insieme ad esso.

• Contesto e output — 1.048.576 token di contesto e un tetto di output di 384.000 token, la stessa struttura di titolo pubblicata da DeepSeek V4 Flash.

• Pesi — MIT, pubblicati su Hugging Face.

Ogni confronto basato sulle dimensioni sopra riportato comporta un'avvertenza, e vale la pena affermarla chiaramente anziché in una nota a piè di pagina. La cifra di 552B per il backbone è quella del fornitore. L'elenco dei file del checkpoint stesso ammonta a circa 510GB, inferiore a quanto suggerirebbe una lettura ingenua di 552B parametri, perché i pesi vengono forniti già quantizzati. E la scheda del modello di DeepSeek dichiara separatamente una tabella di memoria condizionale Engram da 196B parametri — una ricerca indirizzata per token consultata in due punti della rete anziché uno strato attraverso cui scorre il testo. Somma tra loro i due numeri del fornitore e ottieni 748B, che è esattamente la lettura a cui è giunta un'analisi credibile della comunità quando ha contestato il titolo di 552B. La pagina di Hugging Face stessa per il modello mostra una terza cifra, 763B, nella sua barra laterale. Tre numeri, tutti difendibili, a seconda che si stia contando lo stack di calcolo, la tabella di memoria o il file su disco. Considera qualsiasi "552B" in un confronto di specifiche come il conteggio del backbone del fornitore, non la dimensione del download.

Due righe di quella scheda erano domande aperte il giorno del lancio ed entrambe sono state poi risolte: i pesi sono pubblicati con licenza MIT, e il primo punteggio di terze parti esiste. La riga della velocità è quella che è andata nella direzione opposta, e ha una sua sezione qui sotto.

La scheda tariffaria è confermata — ed è ancora una sola scheda

Il risultato principale del confronto precedente regge, e ora è più che una voce. DeepSeek V4.1 Flash e DeepSeek V4 Flash vengono fatturati in base a un unico listino di livello Flash anziché due, e poiché i vecchi identificatori ora sono alias del nuovo modello, tutto ciò che chiama ancora deepseek-v4-flash viene fatturato sul nuovo listino. Questi sono i numeri pubblicati da DeepSeek, con effetto dalle 04:00 UTC del 10 settembre 2026:

Input con cache hit — $0,003 per 1M token fuori picco, $0,006 nelle ore di punta

• Input non presente nella cache — $0,15 per 1M token fuori picco, $0,30 in ore di punta

• Output — $0,60 per 1M token fuori punta, $1,20 in punta

• Finestre di picco — 01:00–04:00 e 06:00–10:00 UTC nei giorni feriali. I fine settimana e i giorni festivi sono fuori picco 24 ore su 24.

La colonna fuori picco è quella che viene citata e la colonna di picco è quella che morde: una mattina lavorativa europea o asiatica cade all'interno di una finestra di picco e paga il doppio, il che trasforma una tariffa di input di $0.15 di listino in $0.30 proprio per le ore in cui la maggior parte dei team sta effettivamente facendo girare traffico. Fai il budget sulla colonna di picco a meno che il tuo carico di lavoro non venga davvero eseguito durante la notte UTC.

Rispetto alla scheda su cui DeepSeek V4 Flash veniva fatturato prima della modifica — $0,007 per cache-hit, $0,22 per cache-miss e $0,66 per l'output per 1M di token fuori picco — il nuovo listino riduce l'input in cache di circa il 57%, l'input con cache-miss di circa il 32% e l'output di circa il 9%. Quindi il successore costa meno per token del modello che sostituisce, con un margine ampio sui token che un ciclo di agente rilegge di continuo e modesto sui token che genera. Questa è la vera forma della storia della "riduzione del prezzo di Flash": è un taglio sui cache-hit con uno sconto sull'output annesso.

Quella cattura è la scheda così com'era prima del taglio del 10 settembre — il foglio sul quale DeepSeek V4 Flash ha fatturato fino ad agosto, conservato qui come lato "prima" del confronto. Il lato "dopo" sono i quattro punti qui sopra.

Che cosa dicono effettivamente i benchmark, e chi li ha eseguiti

Il quadro dei benchmark ha due metà che vengono abitualmente citate come una sola, e godono di una considerazione molto diversa.

La prima metà è la tabella di valutazione di DeepSeek, pubblicata insieme al rilascio. Colloca DeepSeek V4.1 Flash a 74,2 su DeepSWE v1.1 — davanti a Claude Opus 5 a 74,0, GPT-5.6 Sol a 73,0, Kimi K3 a 67,5, GLM-5.3 a 66,9, DeepSeek V4 Pro 0813 a 62,7 e DeepSeek V4 Flash 0731 a 54,4. Quelli sono numeri prodotti dal fornitore, misurati al massimo sforzo di ragionamento, e lo stesso rilascio riporta che lo stesso checkpoint ottiene un punteggio compreso tra 65,5 e 74,2 su otto diversi scaffold per agenti — 74,2 sullo scaffold che gli si addice di più, 69,8 con Claude Code, 65,6 con Codex, 65,5 con OpenCode. Un margine di 0,2 punti su Claude Opus 5, su una suite eseguita dal fornitore, preso dallo scaffold più favorevole tra otto, non stabilisce un vantaggio su Claude Opus 5. Stabilisce che il nuovo Flash è competitivo con la frontiera sul coding agentico quando tutto è impostato a modo suo — il che è un risultato reale e molto più piccolo di quanto suoni "davanti a Opus 5".

La seconda metà è la parte che non esisteva il 9 settembre. Artificial Analysis ha ora misurato DeepSeek V4.1 Flash in modo indipendente e lo colloca a 40 sull'Intelligence Index, contro 35 per DeepSeek V4 Flash 0731 — sesto su 113 modelli misurati, contro ottavo per il modello che sostituisce, e ben al di sopra della mediana di 18 per i modelli open-weight di dimensioni comparabili. È il numero che la versione precedente di questo articolo diceva non esistere ancora, e risolve l'ampia questione a favore del successore: su un composito di terze parti di ragionamento, conoscenza, matematica e programmazione, la nuova build è misurabilmente il modello più forte. Non risolve la questione della frontiera, perché la stessa classifica ha Kimi K3 e GLM-5.3 sopra di esso.

La storia della velocità non ha superato la misurazione.

Ecco dove il confronto precedente va corretto anziché esteso. Il suo fulcro era che i due modelli condividono un tariffario e si differenziano per velocità, con DeepSeek V4 Flash misurato a circa 120–140 token di output al secondo e i tester del primo giorno di DeepSeek V4.1 Flash che riportavano da 280 a 500, con picchi oltre 500. Quel divario non si è riprodotto.

Secondo la misurazione di Artificial Analysis, DeepSeek V4.1 Flash genera 214,4 token di output al secondo e DeepSeek V4 Flash 0731 ne genera 214,9: una parità assoluta, una differenza di mezzo token al secondo, con la stessa metodologia che ha prodotto entrambi i valori. Qualunque cosa stessero misurando i test della community del primo giorno, non si trattava di un confronto omogeneo: i token al secondo variano a seconda del provider, dell'hardware, della dimensione del batch, della concorrenza e di quanta parte della risposta sia composta da token di ragionamento, e i numeri della settimana di lancio provenivano da configurazioni che differivano sotto tutti e cinque gli aspetti. La revisione onesta è che il vantaggio di throughput che il lancio lasciava intendere non è visibile in misurazioni indipendenti. Chiunque sia passato a DeepSeek V4.1 Flash aspettandosi una velocità due o tre volte superiore dovrebbe rimisurare sul proprio traffico prima di darlo per scontato.

Il quadro dei costi è più interessante di quello della velocità, e non è nemmeno una vittoria semplice. Con i dati per token di Artificial Analysis — 0,30 $ in input e 1,20 $ in output per il nuovo modello contro 0,44 $ e 1,32 $ per quello vecchio, entrambi al picco — DeepSeek V4.1 Flash costa meno per token. Ma il costo misurato per attività dell'Intelligence Index risulta di 0,27 $ contro 0,22 $, leggermente superiore, perché il nuovo modello è più loquace: 250M di token in output sull'intero indice contro 240M del suo predecessore, ed è uno dei modelli più verbosi misurati dalla classifica. Un token più economico speso più spesso non è automaticamente un'attività più economica. Da quale lato di questo si finisce dipende interamente dal fatto che il proprio carico di lavoro sia dominato dal contesto riletto, dove fa il suo lavoro il taglio del 57% sui cache hit, oppure dall'output generato, dove la verbosità si mangia lo sconto.

Supporto al serving Day-0, e quanto vale davvero

Se già ospiti autonomamente DeepSeek V4 Flash, questa è la sezione che stabilisce se la migrazione costa poco, e la risposta è: meno del solito, ma non gratis, e non sul runtime che la maggior parte delle persone intende con «in locale».

• NVIDIA vLLM — ha distribuito un percorso day-zero come immagine Docker di anteprima anziché come pacchetto rilasciato; il supporto per l'architettura non è stato integrato nel mainline al momento del rilascio, quindi non esiste un'installazione pip che lo includa. Verificato su un insieme di piattaforme NVIDIA anziché su una sola, con una soglia di memoria di circa 614 GB per i pesi più margine.

• SGLang — immagine di anteprima day-zero e una voce di cookbook, pubblicata senza numeri sulle prestazioni perché il fornitore ha giudicato instabili le misurazioni del periodo di sviluppo. Verificato su hardware di classe GB300, con altri elencati come ancora in fase di conferma.

• NVIDIA Dynamo — ricette di deployment day-zero insieme alle sue ricette Flash e Pro già esistenti.

• Altro silicio — Cambricon ha segnalato un adattamento day-zero tramite vLLM nello stesso giorno.

• Ollama e llama.cpp — il divario. Ollama elenca il modello, ma come passthrough cloud: viene eseguito sui server di Ollama, non sui tuoi. Il supporto all'architettura di llama.cpp non è stato unito, quindi non esiste ancora un percorso locale upstream, e le conversioni GGUF della community esistono senza un runtime rilasciato che le esegua end-to-end.

La lettura pratica: l'ecosistema dei framework si è mosso insolitamente in fretta, e se stai facendo il deployment su vLLM o SGLang su un nodo multi-GPU hai un percorso documentato entro pochi giorni dal lancio. Se il tuo deployment di DeepSeek V4 Flash è su una macchina llama.cpp o Ollama, non esiste ancora un equivalente, e il checkpoint da ~510GB significa che è improbabile che ce ne sarà uno alle dimensioni che quell'hardware implica. Anche i pesi non sono lo stesso tipo di problema: DeepSeek V4 Flash a 284B totali è una proposta a nodo singolo, mentre la nuova build con 552B di backbone — prima della tabella Engram — non lo è.

Il routing è cambiato, ed è cambiato per te

La parte meno riportata di questo lancio è ancora che DeepSeek sta instradando il traffico tra i propri modelli e, a differenza del 9 settembre, ora ha delle date. Dalle 04:00 UTC del 14 settembre, le richieste API indirizzate a deepseek-v4-pro vengono servite da DeepSeek V4.1 Flash e fatturate alle tariffe Flash, una politica che DeepSeek descrive come in vigore fino al lancio di V4.1-Pro. DeepSeek V4 Flash e DeepSeek-V4-Flash-Vision-Exp sono ritirati definitivamente, con i loro identificatori mantenuti solo come alias di compatibilità che fanno anch'essi riferimento al nuovo modello.

Leggilo come una risposta alla domanda per cui esiste questo articolo. Una settimana fa, i chiamanti Pro sono passati automaticamente e i chiamanti Flash hanno dovuto prendere una decisione. Oggi il fornitore l'ha presa per entrambi, il che significa che la scelta attiva sull'API non è più «V4 Flash o V4.1 Flash» — è se i tuoi prompt, eval e modello di costo sono pronti per un modello riaddestrato, oppure se ti serve un fallback completamente diverso.

È la stessa logica che un livello di routing applica tra vendor diversi, ed è la parte che una piattaforma come OrcaRouter si guadagna. DeepSeek V4.1 Flash su OrcaRouterriporta il prezzo di listino di DeepSeek — 0,15 $ per 1M di token di input e 0,60 $ per 1M di output — passato con markup dello 0%, ed è ciò che fa sì che un taglio di prezzo del vendor arrivi dalla nostra parte lo stesso giorno in cui arriva dalla loro. DeepSeek V4 Flash su OrcaRouterresta richiamabile con la stessa chiave mentre migri, così il passaggio è una stringa di modello anziché un secondo contratto, e DeepSeek V4 Pro su OrcaRouterrimane in listino mentre il redirect del vendor lo serve con il nuovo modello alle tariffe di Flash. Il failover automatico tra provider è il modo economico per provare un modello riaddestrato su traffico reale senza scommettere un percorso di produzione sul comportamento del primo giorno: instrada una fetta di traffico, tieni dietro un modello collaudato e lascia che i casi limite finiscano sul fallback mentre scopri se il nuovo prompting si comporta bene.

Quale dovresti chiamare?

Se la risposta onesta fosse ancora «l'uno o l'altro, per tutti», questo aggiornamento non varrebbe la pena di essere pubblicato. La settimana ha spostato la decisione due volte — una volta a favore del successore, una volta contro.

L'argomento a favore del passaggio a DeepSeek V4.1 Flash è ora più solido di quanto non fosse il giorno del lancio, e si basa sul numero indipendente anziché sulla tabella del fornitore. Quaranta contro trentacinque sull'Intelligence Index è un divario reale misurato da qualcuno che non ha interessi in gioco; il modello costa meno per token di quello che sostituisce sulla stessa scheda, l'input di immagini non richiede più un secondo modello, e ogni misurazione di terze parti concorda sul fatto che sia almeno pari al suo predecessore in termini di throughput, anziché due o tre volte più veloce. Se stai avviando un nuovo carico di lavoro, o facevi affidamento su DeepSeek-V4-Flash-Vision-Exp per le immagini, il passaggio è semplice e il costo di migrazione è una stringa del modello.

Il motivo per sospendere è più limitato di quanto non fosse e più specifico. Se i tuoi prompt, gli schemi di tool-calling e le valutazioni erano tarati su V4-Flash-0731, un modello riaddestrato rappresenta un cambiamento di comportamento, non di velocità — prompting, confini del rifiuto e lunghezza dell'output si spostano tutti, e il fatto che il nuovo modello sia più verboso è di per sé un cambiamento di comportamento che compare nella tua fattura prima ancora che nelle tue metriche di qualità. E se il tuo deployment è self-hosted su llama.cpp o Ollama, o se il tuo budget dipende dai token di output anziché dagli input in cache, l'economia del passaggio non è quella che lasciava intendere il titolo di lancio. Far passare un giorno del tuo traffico attraverso entrambi e confrontare le completion accettate per dollaro ti dirà più di qualsiasi tabella qui sopra.

Per la maggior parte dei team, la posizione difendibile a una settimana di distanza non è nessuna delle due più clamorose: trattare DeepSeek V4.1 Flash come predefinito perché ora le prove indipendenti lo supportano, continuare a usare DeepSeek V4 Flash per tutto ciò che già serve bene — i suoi pesi sono ancora lì, ancora MIT — e rimisurare il throughput sul proprio carico di lavoro invece di fidarsi dei numeri della community della settimana del lancio o di una singola riga di classifica. Il successore è davvero migliore. È solo migliore di meno, e in ambiti diversi, rispetto a quanto suggeriva il lancio.