DeepSeek V4.1 Flash vs DeepSeek V4 Flash: Na een week, onafhankelijk gemeten

De vraag die deze vergelijking moest beantwoorden — moet je overstappen van DeepSeek V4 Flash naar DeepSeek V4.1 Flash — werd deze week korter, omdat DeepSeek een deel ervan beantwoordde zonder dat erom gevraagd was. Sinds 04:00 UTC op 14 september 2026 worden API-aanroepen die gericht zijn op de uitgefaseerde identificatie deepseek-v4-flash bediend door DeepSeek V4.1 Flash, en aanroepen die gericht zijn op deepseek-v4-pro ook, beide gefactureerd tegen Flash-tarieven. Stil blijven staan is niet langer een van de opties op het eigen endpoint van de leverancier. Wat nog echt open is, is of het nieuwe model beter is in de opzichten die de lancering claimde — en daar is nu de eerste onafhankelijke meting verschenen, en die splitst het verhaal van de lancering netjes in tweeën.

Elk cijfer hieronder heeft een datum, omdat de afgelopen zeven dagen in beweging waren. Door leveranciers gerapporteerde cijfers zijn aangeduid als door de leverancier gerapporteerd en communitycijfers als door de community gemeten, en elk daarvan is uit zijn eigen bron gelezen in plaats van overgenomen uit de eerdere versie van dit artikel. DeepSeek V4.1 Flash werd op 10 september 2026 algemeen beschikbaar — zes dagen geleden — en sinds 9 september is er genoeg gestabiliseerd dat de eerdere versie van deze vergelijking nu op twee punten misleidt. Een daarvan is snelheid, en die misleidt in de richting die de lancering wilde.

Wat is er tussen 9 september en vandaag gesloten?

Zes dingen waren openstaande vragen toen deze combinatie voor het eerst werd beschreven. Alle zes hebben nu een antwoord, en slechts één ervan is slecht nieuws.

• Algemene beschikbaarheid — bevestigd en gedateerd. De changelog van DeepSeek zelf vermeldt de release als 2026-09-10, en het model is live in de App, de webclient en de API onder de identifier deepseek-flash.

• De tariefkaart — is zoals aangekondigd geland. De tarieven die vóór de lancering circuleerden, werden gerapporteerd als een lek vóór de lancering; ze vormen nu de gepubliceerde tariefkaart, en het zijn de cijfers twee secties lager.

• Open gewichten — beantwoord. De gewichten zijn gepubliceerd op Hugging Face onder een MIT-licentie, met daarnaast een technisch rapport, zonder gate en zonder toegangsformulier.

• Onafhankelijke meting — binnen. Artificial Analysis heeft nu DeepSeek V4.1 Flash laten draaien, wat het grootste gat in het stuk van 9 september was. Het wordt hieronder besproken, en het zegt niet wat de lancering impliceerde.

• Routering — geactiveerd. De omleiding van het DeepSeek V4 Pro-verkeer die de lanceringsaankondiging als aanstaand beschreef, is nu van kracht, met een datum eraan verbonden.

• Serving-ondersteuning — uitgebracht, met kanttekeningen. NVIDIA vLLM, SGLang en Dynamo hebben allemaal day-zero-paden uitgebracht; het verhaal rond lokale runners is beperkter dan "day-0 support" doet klinken.

Twee dingen zijn niet veranderd en horen vóór de cijfers. DeepSeek V4.1-Pro is nog steeds niet uitgebracht: de eigen materialen van DeepSeek beschrijven de Pro-redirect als actief "totdat V4.1-Pro wordt uitgebracht", en op dit moment is er nog niets uitgebracht. En DeepSeek V4 Flash bestaat nog steeds — de gewichten zijn nog steeds open en MIT-gelicenseerd, en voor iedereen die het zelf host blijft het werken. Wat is geëindigd, is de API-route van de leverancier ernaartoe.

Onder de motorkap: een ander model, niet een sneller model

De vergelijking van 9 september betoogde dat DeepSeek V4.1 Flash niet DeepSeek V4 Flash is met de snelheidsregelaar hoger gezet, en een week aan gepubliceerde details heeft dat concreet gemaakt. Waar het oudere model een mixture-of-experts met 284B parameters en 13B actief is — de V4-Flash-0731 post-training-refresh — is de opvolger een nieuwe architectuur die DeepSeek een Causal Encoder-Decoder noemt: een causale encoder met 20 lagen gestapeld op een decoder met 20 lagen, 40 Transformer-lagen, waarbij de KV-cache van de decoder wordt geprojecteerd vanuit de uiteindelijke verborgen toestanden van de encoder in plaats van laag voor laag te worden berekend. Dat laatste detail is waar de efficiëntieclaims vandaan komen.

• Actieve parameters — DeepSeek rapporteert ongeveer 8B actief per token tijdens prefill en 16B tijdens decode, tegenover 552B aan backbone-parameters. DeepSeek V4 Flash activeert 13B over een backbone van 284B.

• KV-cache — DeepSeek meldt dat de nieuwe build een kwart van het HBM en een achtste van de SSD van de vorige Flash-generatie nodig heeft. Let op welk van die twee het blijvende cijfer is: de 8x-reductie is degene die bepaalt hoeveel context je tussen beurten op schijf kunt laten staan.

• Invoer — tekst en afbeeldingen native in één model. DeepSeek V4 Flash is alleen voor tekst, en voor werk met afbeeldingen was de aparte experimentele build DeepSeek-V4-Flash-Vision-Exp nodig, die nu samen daarmee is stopgezet.

• Context en output — 1.048.576 tokens context en een outputplafond van 384.000 tokens, dezelfde headline-vorm die DeepSeek V4 Flash publiceerde.

• Gewichten — MIT, gepubliceerd op Hugging Face.

Elke op grootte gebaseerde vergelijking hierboven heeft één voorbehoud, en dat is het waard om ronduit te vermelden in plaats van in een voetnoot. Het 552B-backbonecijfer is dat van de leverancier. De eigen bestandslijst van de checkpoint komt uit op ongeveer 510GB, wat kleiner is dan een naïeve lezing van 552B parameters zou doen vermoeden, omdat de gewichten al gekwantiseerd worden geleverd. En de modelkaart van DeepSeek vermeldt afzonderlijk een Engram-conditionele geheugentabel van 196B parameters — een token-geadresseerde lookup die op twee punten in het netwerk wordt geraadpleegd, in plaats van een laag waar de tekst doorheen stroomt. Tel je de twee eigen cijfers van de leverancier bij elkaar op, dan krijg je 748B, precies de lezing waartoe een geloofwaardige communityanalyse kwam toen die de 552B-kop in twijfel trok. De eigen pagina van Hugging Face voor het model toont een derde cijfer, 763B, in de zijbalk. Drie cijfers, allemaal verdedigbaar, afhankelijk van of je de computingstack, de geheugentabel of het bestand op schijf meetelt. Beschouw elke "552B" in een specificatievergelijking als het backbone-aantal van de leverancier, niet als de grootte van de download.

Twee rijen van die kaart stonden op de dag van de lancering nog open, en beide zijn sindsdien ingevuld: de gewichten zijn onder MIT gepubliceerd, en de eerste score van een derde partij bestaat. De snelheidsrij is degene die de andere kant op ging, en krijgt hieronder een eigen sectie.

De tariefkaart is bevestigd — en het blijft één kaart

De kernbevinding van de eerdere vergelijking houdt stand, en is nu meer dan een gerucht. DeepSeek V4.1 Flash en DeepSeek V4 Flash worden afgerekend volgens één enkele Flash-tier tariefkaart in plaats van twee, en aangezien de oude identifiers nu naar het nieuwe model verwijzen, wordt alles wat nog steeds deepseek-v4-flash aanroept ook op de nieuwe tariefkaart gefactureerd. Dit zijn de gepubliceerde cijfers van DeepSeek, van kracht vanaf 04:00 UTC op 10 september 2026:

• Cache-hit-invoer — $ 0,003 per 1 miljoen tokens buiten piekuren, $ 0,006 tijdens piekuren

• Cache-miss-invoer — $0,15 per 1M tokens buiten piekuren, $0,30 tijdens piekuren

• Uitvoer — $0,60 per 1 mln. tokens buiten piekuren, $1,20 tijdens piekuren

• Piekvensters — 01:00–04:00 en 06:00–10:00 UTC op weekdagen. Weekenden en feestdagen vallen de klok rond buiten de piek.

De off-peakkolom is degene die wordt genoemd, en de piekkolom is degene die pijn doet: een werkende ochtend in Europa of Azië valt binnen een piekvenster en betaalt dubbel, waardoor een genoemd inputtarief van $0,15 voor precies de uren waarop de meeste teams daadwerkelijk verkeer verwerken in $0,30 verandert. Begroot op basis van de piekkolom, tenzij je workload echt 's nachts UTC draait.

Afgezet tegen het tarief dat DeepSeek V4 Flash vóór de wijziging in rekening bracht — $0,007 voor cache-hit, $0,22 voor cache-miss en $0,66 voor output per 1 miljoen tokens buiten piekuren — verlaagt de nieuwe tarievenkaart gecachte input met ongeveer 57%, cache-miss-input met ongeveer 32% en output met ongeveer 9%. De opvolger is dus goedkoper per token dan het model dat hij vervangt, met een marge die groot is voor de tokens die een agent-loop voortdurend opnieuw leest en bescheiden voor de tokens die hij genereert. Dat is de echte vorm van het verhaal over de 'Flash-prijsverlaging': het is een verlaging van de cache-hit met een outputkorting eraan vast.

Die opname is de kaart zoals die er stond vóór de aanpassing van 10 september — het blad waartegen DeepSeek V4 Flash tot en met augustus factureerde, hier bewaard als de voorzijde van de vergelijking. De na-zijde wordt gevormd door de vier opsommingstekens hierboven.

Wat de benchmarks werkelijk zeggen, en wie ze heeft uitgevoerd

Het benchmarkbeeld kent twee helften die steevast als één geheel worden aangehaald, en die een zeer verschillende status hebben.

De eerste helft is de eigen evaluatietabel van DeepSeek, gepubliceerd bij de release. Daarin staat DeepSeek V4.1 Flash op 74,2 op DeepSWE v1.1 — vóór Claude Opus 5 met 74,0, GPT-5.6 Sol met 73,0, Kimi K3 met 67,5, GLM-5.3 met 66,9, DeepSeek V4 Pro 0813 met 62,7 en DeepSeek V4 Flash 0731 met 54,4. Dat zijn door de leverancier zelf gedraaide cijfers, gemeten bij maximale reasoning-inspanning, en dezelfde release meldt dat het identieke checkpoint over acht verschillende agent-scaffolds ergens tussen 65,5 en 74,2 scoort — 74,2 op de scaffold die het beste bij het model past, 69,8 onder Claude Code, 65,6 onder Codex, 65,5 onder OpenCode. Een marge van 0,2 punt op Claude Opus 5, op een door de leverancier gedraaide suite, genomen uit de gunstigste van acht scaffolds, vestigt geen voorsprong op Claude Opus 5. Het toont aan dat de nieuwe Flash concurrerend is met de frontier op agentic coding wanneer alles naar zijn hand wordt gezet — wat een reëel resultaat is, en een veel kleiner resultaat dan "vóór Opus 5" doet klinken.

De tweede helft is het deel dat op 9 september nog niet bestond. Artificial Analysis heeft DeepSeek V4.1 Flash nu onafhankelijk gemeten en zet het op 40 op de Intelligence Index, tegenover 35 voor DeepSeek V4 Flash 0731 — de zesde van 113 gemeten modellen, tegenover een achtste plaats voor het model dat het vervangt, en ruim boven de mediaan van 18 voor open-weightmodellen van vergelijkbare omvang. Dat is het cijfer waarvan de eerdere versie van dit artikel zei dat het nog niet bestond, en het beslecht de brede vraag in het voordeel van de opvolger: op de samengestelde index van een derde partij voor redeneren, kennis, wiskunde en coderen is de nieuwe build aantoonbaar het sterkere model. Het beslecht de frontier-vraag niet, want op dezelfde ranglijst staan Kimi K3 en GLM-5.3 boven het model.

Het snelheidsverhaal heeft de meting niet overleefd

Hier moet de eerdere vergelijking worden gecorrigeerd in plaats van uitgebreid. De kern ervan was dat de twee modellen dezelfde tariefkaart delen en alleen in snelheid verschillen, waarbij DeepSeek V4 Flash op ongeveer 120–140 outputtokens per seconde werd gemeten en testers op de eerste dag van DeepSeek V4.1 Flash 280 tot 500 meldden, met pieken boven 500. Dat verschil bleek niet reproduceerbaar.

Volgens de meting van Artificial Analysis genereert DeepSeek V4.1 Flash 214,4 outputtokens per seconde en DeepSeek V4 Flash 0731 genereert 214,9 — een nek-aan-nekrace, een verschil van een halve token per seconde, volgens dezelfde methodologie die beide cijfers heeft opgeleverd. Wat de communityruns op de eerste dag ook maten, het was geen gelijkwaardige vergelijking: tokens per seconde varieert met provider, hardware, batchgrootte, gelijktijdigheid en hoeveel van het antwoord uit reasoningtokens bestaat, en de cijfers uit de lanceerweek kwamen uit opstellingen die op alle vijf verschilden. De eerlijke herziening is dat het doorvoervoordeel dat de lancering suggereerde, niet zichtbaar is in onafhankelijke metingen. Wie naar DeepSeek V4.1 Flash is overgestapt in de verwachting twee tot drie keer zo snel te zijn, zou zijn eigen verkeer opnieuw moeten meten voordat hij dat aanneemt.

Het kostenplaatje is interessanter dan het snelheidsplaatje, en het is ook geen eenvoudige overwinning. Bij de per-token inputs van Artificial Analysis — $0,30 in en $1,20 uit voor het nieuwe model tegen $0,44 en $1,32 voor het oude, beide op piek — is DeepSeek V4.1 Flash goedkoper per token. Maar de gemeten kosten per Intelligence Index-taak komen uit op $0,27 tegen $0,22, iets hoger, omdat het nieuwe model een grotere prater is: 250M outputtokens over de hele index tegen 240M voor zijn voorganger, en een van de uitgebreidere modellen die het leaderboard meet. Een goedkopere token die vaker wordt verbruikt, is niet automatisch een goedkopere taak. Aan welke kant je uitkomt, hangt volledig af van of je workload wordt gedomineerd door herlezen context, waar de 57% cache-hit-reductie het werk doet, of door gegenereerde output, waar uitgebreidheid de korting opeet.

Ondersteuning voor Day-0-serving, en wat het werkelijk waard is

Als je DeepSeek V4 Flash al zelf host, is dit het gedeelte dat bepaalt of de migratie goedkoop is, en het antwoord is: goedkoper dan gebruikelijk, maar niet gratis, en niet op de runtime die de meeste mensen met "lokaal" bedoelen.

• NVIDIA vLLM — leverde een day-zero-traject als een preview-Docker-image in plaats van als een vrijgegeven package; de architectuurondersteuning werd bij de release niet in de mainline samengevoegd, dus er is geen pip-install die dit bevat. Geverifieerd op een reeks NVIDIA-platforms in plaats van op één, met een geheugenondergrens van ongeveer 614GB voor de gewichten plus marge.

• SGLang — een preview-image voor dag nul en een cookbook-item, gepubliceerd zonder prestatiecijfers omdat de leverancier de metingen uit de ontwikkelingsperiode als onstabiel beoordeelde. Geverifieerd op hardware van GB300-klasse, waarbij andere nog als te bevestigen staan vermeld.

• NVIDIA Dynamo — day-zero deploymentrecepten naast de bestaande Flash- en Pro-recepten.

• Overig silicon — Cambricon rapporteerde op dezelfde dag een day-zero-adaptatie via vLLM.

• Ollama en llama.cpp — de kloof. Ollama vermeldt het model, maar als een doorgeefluik in de cloud: het draait op de servers van Ollama, niet op de jouwe. De ondersteuning voor de llama.cpp-architectuur is niet samengevoegd, dus er is nog geen lokale route upstream, en er bestaan community-GGUF-conversies zonder een uitgebrachte runtime die deze end-to-end uitvoert.

De praktische lezing: het framework-ecosysteem bewoog ongewoon snel, en als je op vLLM of SGLang uitrolt over een multi-GPU-node, heb je binnen dagen na de lancering een gedocumenteerd pad. Als je DeepSeek V4 Flash-implementatie een llama.cpp- of Ollama-box is, is er nog geen equivalent, en de ~510GB-checkpoint betekent dat die er waarschijnlijk niet komt bij de groottes die de hardware impliceert. De gewichten zijn ook niet hetzelfde soort probleem: DeepSeek V4 Flash met 284B totaal is een single-node-aangelegenheid, en de nieuwe build met 552B aan backbone — vóór de Engram-tabel — is dat niet.

Routing is verplaatst, en wel voor jou

Het minst gerapporteerde onderdeel van deze lancering is nog steeds dat DeepSeek verkeer tussen zijn eigen modellen routeert, en anders dan op 9 september heeft het nu datums. Vanaf 04:00 UTC op 14 september worden API-verzoeken gericht op deepseek-v4-pro bediend door DeepSeek V4.1 Flash en gefactureerd tegen Flash-tarieven, een beleid dat DeepSeek omschrijft als van kracht totdat V4.1-Pro wordt uitgebracht. DeepSeek V4 Flash en DeepSeek-V4-Flash-Vision-Exp worden definitief uitgefaseerd, waarbij hun identifiers alleen levend worden gehouden als compatibiliteitsaliassen die ook naar het nieuwe model verwijzen.

Lees dat als een antwoord op de vraag waarvoor dit artikel bestaat. Een week geleden werden Pro-aanroepers automatisch overgezet en moesten Flash-aanroepers een keuze maken. Vandaag heeft de leverancier die keuze voor beide gemaakt, wat betekent dat de actuele keuze op de API niet langer "V4 Flash of V4.1 Flash" is — het gaat erom of je prompts, evals en kostenmodel klaar zijn voor een opnieuw getraind model, of dat je een volledig andere fallback nodig hebt.

Dat is dezelfde logica die een routeringslaag bij leveranciers toepast, en het is het onderdeel dat een platform als OrcaRouter verdient. DeepSeek V4.1 Flash op OrcaRouter hanteert DeepSeeks lijstprijs — $0,15 per 1M invoertokens en $0,60 per 1M uitvoertokens — doorgegeven tegen 0% opslag, waardoor een prijsverlaging van een leverancier op dezelfde dag aan onze kant landt als bij hen. DeepSeek V4 Flash op OrcaRouter blijft aanroepbaar op dezelfde sleutel terwijl je migreert, dus de overstap is een modelstring in plaats van een tweede contract, en DeepSeek V4 Pro op OrcaRouter blijft vermeld terwijl de redirect van de leverancier hem met het nieuwe model tegen Flash-tarieven serveert. De automatische failover tussen providers is de goedkope manier om een opnieuw getraind model op echt verkeer te proberen zonder een productiepad te verwedden op gedrag van dag één: routeer een deel, houd een known-good-model erachter, en laat de edge cases op de fallback terechtkomen terwijl je ontdekt of de nieuwe prompting zich goed gedraagt.

Welke moet je bellen?

Als het eerlijke antwoord nog steeds "het een of het ander, voor iedereen" zou zijn, zou deze refresh niet de moeite van het publiceren waard zijn. De week deed de beslissing twee keer kantelen — één keer in het voordeel van de opvolger, één keer ertegen.

Het pleidooi voor de overstap naar DeepSeek V4.1 Flash is nu sterker dan op de dag van de lancering, en het berust op het onafhankelijke cijfer in plaats van op de leverancierstabel. Veertig tegen vijfendertig op de Intelligence Index is een reëel verschil, gemeten door iemand zonder belang bij de uitkomst, het model is per token goedkoper dan het model dat het vervangt op dezelfde kaart, beeldinvoer heeft geen tweede model meer nodig, en elke meting van derden bevestigt dat het qua doorvoer ten minste gelijkwaardig is aan zijn voorganger, in plaats van twee tot drie keer sneller. Als je een nieuwe workload start, of als je voor afbeeldingen op DeepSeek-V4-Flash-Vision-Exp vertrouwde, is de overstap eenvoudig en bestaan de migratiekosten uit een modelstring.

Het argument om te pauzeren is beperkter dan voorheen en specifieker. Als je prompts, tool-calling-schema's en evals zijn afgestemd op V4-Flash-0731, is een opnieuw getraind model een gedragsverandering en geen snelheidsverandering — prompting, weigeringsgrenzen en uitvoerlengte verschuiven allemaal, en het feit dat het nieuwe model meer praat, is zelf een gedragsverandering die eerder op je factuur zichtbaar wordt dan in je kwaliteitsmetrics. En als je deployment self-hosted draait op llama.cpp of Ollama, of je budget afhangt van outputtokens in plaats van gecachte input, zijn de economische afwegingen van overstappen niet die welke de lanceringskop suggereerde. Een dag van je eigen verkeer door beide laten lopen en geaccepteerde completions per dollar vergelijken, vertelt je meer dan welke van de bovenstaande tabellen dan ook.

Voor de meeste teams is de verdedigbare positie een week na de lancering geen van de luidruchtige standpunten: behandel DeepSeek V4.1 Flash als de standaard omdat het onafhankelijke bewijs dat nu ondersteunt, laat DeepSeek V4 Flash blijven doen waar het al goed in is — de gewichten zijn er nog, nog steeds MIT — en meet de doorvoer opnieuw op je eigen workload in plaats van te vertrouwen op hetzij de communitycijfers van de lanceringsweek, hetzij één enkele leaderboardrij. De opvolger is echt beter. Hij is alleen in mindere mate beter, en op andere plekken, dan de lancering deed vermoeden.