DeepSeek V4.1 Flash vs DeepSeek V4 Flash: Tydzień później, niezależnie zmierzone

Pytanie, na które miało odpowiedzieć to porównanie — czy przejść z DeepSeek V4 Flash na DeepSeek V4.1 Flash — w tym tygodniu stało się krótsze, bo DeepSeek odpowiedział na jego część, nawet o to nie proszony. Od 04:00 UTC 14 września 2026 r. wywołania API kierowane do wycofanego identyfikatora deepseek-v4-flash są obsługiwane przez DeepSeek V4.1 Flash, podobnie jak wywołania kierowane do deepseek-v4-pro, a oba są rozliczane według stawek Flash. Ciche stanie w miejscu nie jest już jedną z opcji na własnym punkcie końcowym dostawcy. Wciąż naprawdę otwarte pozostaje pytanie, czy nowy model jest lepszy w sposób, w jaki reklamowano premierę — i tu właśnie pojawił się pierwszy niezależny pomiar, który dzieli opowieść o premierze równo na dwie połowy.

Każda liczba poniżej ma datę, ponieważ ostatnie siedem dni przyniosło zmiany. Liczby podane przez dostawców są oznaczone jako „vendor-reported”, a liczby społeczności jako „community-measured”, i każda z nich została odczytana z własnego źródła, a nie przeniesiona z wcześniejszej wersji tego artykułu. DeepSeek V4.1 Flash osiągnął ogólną dostępność 10 września 2026 r. — sześć dni temu — a od 9 września na tyle się ustabilizowało, że poprzedni szkic tego porównania wprowadza teraz w błąd w dwóch punktach. Jednym z nich jest szybkość, a wprowadza w błąd w kierunku, jakiego chciała premiera.

Co zostało zamknięte między 9 września a dzisiaj

Sześć kwestii pozostawało otwartych, gdy po raz pierwszy opisano to zestawienie. Wszystkie sześć mają teraz odpowiedzi, a tylko jedna z nich to zła wiadomość.

Ogólna dostępność — potwierdzona i opatrzona datą. Własny changelog DeepSeek podaje wydanie jako 2026-09-10, a model jest dostępny w aplikacji, kliencie webowym i API pod identyfikatorem deepseek-flash.

• Cennik — pojawił się zgodnie z zapowiedzią. Stawki, które krążyły przed premierą, były podawane jako przedpremierowy wyciek; teraz stanowią opublikowany cennik i są to liczby dwie sekcje niżej.

• Otwarte wagi — odpowiedź udzielona. Wagi opublikowano na Hugging Face na licencji MIT, wraz z raportem technicznym, bez bramkowania i bez formularza dostępu.

• Niezależny pomiar — dotarł. Artificial Analysis przeprowadziło właśnie test DeepSeek V4.1 Flash, który był największą pojedynczą luką w materiale z 9 września. Omówiono go poniżej i nie mówi on tego, co sugerowała premiera.

• Routing — aktywowany. Przekierowanie ruchu DeepSeek V4 Pro, które ogłoszenie o premierze opisywało jako mające nastąpić, jest już w mocy, z dołączoną datą.

• Wsparcie dla serwowania — wdrożone, z zastrzeżeniami. NVIDIA vLLM, SGLang i Dynamo udostępniły ścieżki „day-zero”; sytuacja z lokalnym runnerem jest węższa, niż sugeruje określenie „wsparcie day-0”.

Dwie rzeczy się nie zmieniły i powinny znaleźć się przed liczbami. DeepSeek V4.1-Pro wciąż nie został wydany: materiały samego DeepSeeka opisują przekierowanie Pro jako działające „do momentu premiery V4.1-Pro”, a na dzień dzisiejszy nic nie zostało wydane. A DeepSeek V4 Flash nie przestał istnieć — jego wagi są nadal otwarte i objęte licencją MIT, a każdy, kto hostuje go samodzielnie, może dalej z niego korzystać. Zakończyła się natomiast ścieżka API dostawcy do niego.

Pod maską: inny model, a nie szybszy

Porównanie z 9 września przekonywało, że DeepSeek V4.1 Flash nie jest DeepSeek V4 Flash z podkręconym pokrętłem prędkości, a tydzień opublikowanych szczegółów uczynił to konkretnym. O ile starszy model to model typu mixture-of-experts o 284B parametrów i 13B aktywnych — odświeżenie po treningu V4-Flash-0731 — o tyle następca to nowa architektura, którą DeepSeek nazywa Causal Encoder-Decoder: 20-warstwowy koder przyczynowy nałożony na 20-warstwowy dekoder, 40 warstw Transformera, przy czym pamięć podręczna KV dekodera jest rzutowana z końcowych stanów ukrytych kodera, a nie obliczana warstwa po warstwie. Właśnie z tego ostatniego szczegółu wynikają twierdzenia o efektywności.

• Aktywne parametry — DeepSeek podaje około 8B aktywnych na token podczas prefillu i 16B podczas dekodowania, wobec 552B parametrów szkieletu. DeepSeek V4 Flash aktywuje 13B w 284B szkieletu.

• Pamięć podręczna KV — DeepSeek podaje, że nowa wersja wymaga jednej czwartej HBM i jednej ósmej SSD w porównaniu z poprzednią generacją Flash. Zwróć uwagę, która z tych wartości jest trwała: to ośmiokrotne zmniejszenie określa, ile kontekstu możesz utrzymywać na dysku między turami.

• Wejście — tekst i obrazy natywnie w jednym modelu. DeepSeek V4 Flash obsługuje wyłącznie tekst, a praca z obrazami wymagała oddzielnej eksperymentalnej kompilacji DeepSeek-V4-Flash-Vision-Exp, która została teraz wycofana wraz z nim.

• Kontekst i wyjście — 1 048 576 tokenów kontekstu i limit wyjścia wynoszący 384 000 tokenów, ten sam kształt nagłówka, jaki opublikował DeepSeek V4 Flash.

• Wagi — MIT, opublikowane na Hugging Face.

Każde porównanie oparte na rozmiarze powyżej ma jedno zastrzeżenie i warto je powiedzieć wprost, a nie umieszczać w przypisie. Wartość 552B dla szkieletu pochodzi od dostawcy. Lista plików samego checkpointu daje w sumie około 510 GB, co jest mniejsze, niż sugerowałoby naiwne odczytanie 552B parametrów, ponieważ wagi są dostarczane już skwantyzowane. A karta modelu DeepSeek osobno deklaruje 196B-parametrową warunkową tablicę pamięci Engram — wyszukiwanie adresowane tokenami, używane w dwóch punktach sieci, a nie warstwę, przez którą przepływa tekst. Dodaj do siebie dwie liczby podane przez dostawcę i otrzymasz 748B, co dokładnie odpowiada wynikowi, do którego doszła wiarygodna analiza społeczności, gdy zakwestionowała nagłówkowe 552B. Własna strona modelu w Hugging Face wyświetla w panelu bocznym trzecią wartość: 763B. Trzy liczby, wszystkie możliwe do obrony, w zależności od tego, czy liczy się stos obliczeniowy, tablicę pamięci, czy plik na dysku. Każde „552B” w porównaniu specyfikacji traktuj jako podaną przez dostawcę liczbę parametrów szkieletu, a nie rozmiar pobieranych plików.

W dniu premiery dwa wiersze tej karty były otwartymi pytaniami i oba zostały od tego czasu uzupełnione: wagi są opublikowane na licencji MIT, a pierwszy wynik od strony trzeciej już istnieje. Wiersz dotyczący szybkości to ten, który poszedł w drugą stronę, i ma własną sekcję poniżej.

Cennik jest potwierdzony — i to wciąż jedna karta.

Główny wniosek z wcześniejszego porównania się utrzymuje i jest teraz czymś więcej niż plotką. DeepSeek V4.1 Flash i DeepSeek V4 Flash są rozliczane według jednej karty stawek poziomu Flash, a nie dwóch, a ponieważ stare identyfikatory są teraz aliasami do nowego modelu, wszystko, co nadal wywołuje deepseek-v4-flash, również jest rozliczane według nowej karty. To są opublikowane liczby DeepSeek, obowiązujące od 04:00 UTC 10 września 2026 r.:

Wejście z trafieniem w pamięć podręczną — $0.003 za 1 mln tokenów poza szczytem, $0.006 w szczycie

• Wejście z chybieniem pamięci podręcznej — 0,15 USD za 1 mln tokenów poza szczytem, 0,30 USD w szczycie

• Wyjście — 0,60 USD za 1 mln tokenów poza szczytem, 1,20 USD w szczycie

• Okresy szczytowe — 01:00–04:00 i 06:00–10:00 UTC w dni powszednie. Weekendy i święta publiczne są poza szczytem przez całą dobę.

Kolumna poza szczytem to ta, którą się podaje w ofercie, a kolumna szczytu to ta, która boli: europejski lub azjatycki poranek roboczy wpada w okno szczytowe i płaci podwójnie, co zamienia nagłówkową stawkę za wejście $0.15 w $0.30 dokładnie w tych godzinach, w których większość zespołów faktycznie prowadzi ruch. Budżet planuj według kolumny szczytu, chyba że Twoje obciążenie naprawdę działa przez noc UTC.

W porównaniu z cennikiem, na podstawie którego rozliczano DeepSeek V4 Flash przed zmianą — 0,007 USD za trafienie w cache, 0,22 USD za chybienie cache i 0,66 USD za wyjście za 1 mln tokenów poza godzinami szczytu — nowy cennik obniża koszt wejścia z trafieniem w cache o około 57%, wejścia z chybieniem cache o około 32%, a wyjścia o około 9%. Następca jest więc tańszy w przeliczeniu na token niż model, który zastępuje — przewaga jest duża w przypadku tokenów, które pętla agenta nieustannie odczytuje ponownie, a umiarkowana w przypadku tokenów, które generuje. Taki jest prawdziwy kształt historii o „obniżce ceny Flash”: to obniżka dla trafień w cache z dołączonym rabatem na wyjście.

Ten zapis to karta w stanie sprzed cięcia z 10 września — arkusz, względem którego DeepSeek V4 Flash rozliczał się przez sierpień, zachowany tutaj jako strona „przed” w porównaniu. Stroną „po” są cztery punkty powyżej.

Co tak naprawdę mówią benchmarki i kto je przeprowadził

Obraz benchmarku ma dwie połowy, które rutynowo cytuje się jako jedną, a mają one bardzo różny status.

Pierwsza połowa to własna tabela ewaluacyjna DeepSeeka, opublikowana wraz z wydaniem. Umieszcza ona DeepSeek V4.1 Flash z wynikiem 74,2 w DeepSWE v1.1 — przed Claude Opus 5 z 74,0, GPT-5.6 Sol z 73,0, Kimi K3 z 67,5, GLM-5.3 z 66,9, DeepSeek V4 Pro 0813 z 62,7 i DeepSeek V4 Flash 0731 z 54,4. To wyniki uzyskane przez dostawcę, mierzone przy maksymalnym wysiłku rozumowania, a to samo wydanie podaje, że identyczny checkpoint osiąga wyniki od 65,5 do 74,2 w ośmiu różnych szkieletach agentowych — 74,2 w szkieletcie, który pasuje mu najlepiej, 69,8 pod Claude Code, 65,6 pod Codex, 65,5 pod OpenCode. Margines 0,2 punktu nad Claude Opus 5, w zestawie testów uruchomionym przez dostawcę, zaczerpnięty z najkorzystniejszego z ośmiu szkieletów, nie ustanawia przewagi nad Claude Opus 5. Dowodzi natomiast, że nowy Flash jest konkurencyjny wobec czołówki w kodowaniu agentowym, gdy wszystko jest ustawione po jego myśli — co jest prawdziwym wynikiem i znacznie mniejszym, niż brzmi „przed Opus 5”.

Druga połowa to część, której nie było 9 września. Artificial Analysis zmierzyło teraz niezależnie DeepSeek V4.1 Flash i umieszcza go na 40 w Intelligence Index, wobec 35 dla DeepSeek V4 Flash 0731 — szósty na 113 zmierzonych modeli, wobec ósmego dla modelu, który zastępuje, i znacznie powyżej mediany wynoszącej 18 dla modeli open-weight o porównywalnej wielkości. To liczba, o której wcześniejsza wersja tego artykułu mówiła, że jeszcze nie istnieje, i rozstrzyga ogólną kwestię na korzyść następcy: w zbiorczym wskaźniku rozumowania, wiedzy, matematyki i kodowania opracowanym przez stronę trzecią nowa wersja jest mierzalnie silniejszym modelem. Nie rozstrzyga to kwestii frontieru, ponieważ ten sam ranking ma Kimi K3 i GLM-5.3 powyżej niego.

Historia o szybkości nie przetrwała pomiarów.

Tutaj właśnie wcześniejsze porównanie trzeba skorygować, a nie rozszerzyć. Jego trzonem było to, że oba modele mają wspólny cennik, a różnią się szybkością: DeepSeek V4 Flash mierzono na około 120–140 tokenów wyjściowych na sekundę, a testerzy DeepSeek V4.1 Flash z pierwszego dnia raportowali od 280 do 500, ze szczytami powyżej 500. Ta różnica się nie powtórzyła.

Według pomiaru Artificial Analysis DeepSeek V4.1 Flash generuje 214,4 tokenu wyjściowego na sekundę, a DeepSeek V4 Flash 0731 generuje 214,9 — remis, różnica pół tokenu na sekundę, przy tej samej metodologii, która dała oba wyniki. Cokolwiek mierzyły testy społeczności z pierwszego dnia, nie było to porównanie jak do jak: liczba tokenów na sekundę zależy od dostawcy, sprzętu, rozmiaru partii, współbieżności i tego, jaka część odpowiedzi to tokeny rozumowania, a liczby z tygodnia premiery pochodziły z konfiguracji różniących się pod wszystkimi pięcioma względami. Uczciwa korekta jest taka, że przewaga przepustowości sugerowana przez premierę nie jest widoczna w niezależnych pomiarach. Każdy, kto przeszedł na DeepSeek V4.1 Flash, oczekując dwu- lub trzykrotnego przyspieszenia, powinien ponownie dokonać pomiaru na własnym ruchu, zanim to założy.

Obraz kosztów jest ciekawszy niż obraz szybkości — i wcale nie jest to proste zwycięstwo. Według danych Artificial Analysis o kosztach na token — 0,30 USD za wejście i 1,20 USD za wyjście dla nowego modelu wobec 0,44 USD i 1,32 USD dla starego, w obu przypadkach w szczycie — DeepSeek V4.1 Flash jest tańszy za token. Jednak zmierzony koszt na zadanie Intelligence Index wynosi 0,27 USD wobec 0,22 USD, czyli nieco więcej, ponieważ nowy model mówi więcej: 250 mln tokenów wyjściowych w całym indeksie wobec 240 mln u poprzednika, i jest jednym z bardziej gadatliwych modeli, jakie mierzy ranking. Tańszy token, który jest zużywany częściej, nie jest automatycznie tańszym zadaniem. To, po której stronie tego się znajdziesz, zależy wyłącznie od tego, czy w twoim obciążeniu dominuje wielokrotnie odczytywany kontekst — gdzie robotę wykonuje 57% obniżka dzięki trafieniom w pamięć podręczną — czy generowane wyjście, gdzie gadatliwość zjada zniżkę.

Wsparcie serwowania Day-0 i ile jest naprawdę warte

Jeśli już samodzielnie hostujesz DeepSeek V4 Flash, to jest sekcja, która rozstrzyga, czy migracja jest tania, a odpowiedź brzmi: taniej niż zwykle, ale nie za darmo i nie na środowisku uruchomieniowym, które większość ludzi ma na myśli, mówiąc „lokalnie”.

• NVIDIA vLLM — udostępniono ścieżkę day-zero jako obraz Docker w wersji zapoznawczej, a nie jako wydany pakiet; wsparcie dla architektury nie zostało scalone z główną gałęzią w momencie wydania, więc nie ma instalacji przez pip, która je zawiera. Zweryfikowano na zestawie platform NVIDIA, a nie na jednej, z minimalnym zapotrzebowaniem na pamięć około 614 GB na wagi plus zapas.

• SGLang — obraz podglądowy day-zero i wpis w cookbooku, opublikowane bez liczb wydajnościowych, ponieważ dostawca uznał pomiary z okresu rozwojowego za niestabilne. Zweryfikowano na sprzęcie klasy GB300, a pozostałe wymieniono jako wciąż potwierdzane.

• NVIDIA Dynamo — przepisy wdrożeniowe day-zero obok istniejących przepisów Flash i Pro.

• Inny krzem — Cambricon zgłosił adaptację od dnia zerowego za pośrednictwem vLLM jeszcze tego samego dnia.

• Ollama i llama.cpp — luka. Ollama wymienia ten model, ale jako przekaz przez chmurę: działa na serwerach Ollama, a nie na twoich. Wsparcie architektury llama.cpp nie zostało scalone, więc nie ma jeszcze lokalnej ścieżki w upstreamie, a społecznościowe konwersje GGUF istnieją bez wydanego środowiska uruchomieniowego, które wykonuje je od początku do końca.

Praktyczna interpretacja: ekosystem frameworków rozwijał się wyjątkowo szybko, a jeśli wdrażasz na vLLM lub SGLang w węźle z wieloma GPU, masz udokumentowaną ścieżkę w ciągu dni od premiery. Jeśli twoje wdrożenie DeepSeek V4 Flash to maszyna z llama.cpp lub Ollama, nie ma jeszcze odpowiednika, a checkpoint ~510GB oznacza, że jest mało prawdopodobne, by taki powstał przy rozmiarach, jakie sugeruje ten sprzęt. Wagi również nie są problemem tego samego rodzaju: DeepSeek V4 Flash o łącznej liczbie 284B to rozwiązanie dla pojedynczego węzła, a nowa wersja z 552B w szkielecie — przed tabelą Engram — już nie.

Routing został przeniesiony — i to dla Ciebie.

Najsłabiej nagłośnioną częścią tej premiery pozostaje wciąż to, że DeepSeek kieruje ruch między własnymi modelami, a w przeciwieństwie do 9 września ma teraz do tego daty. Od 04:00 UTC 14 września żądania API kierowane do deepseek-v4-pro są obsługiwane przez DeepSeek V4.1 Flash i rozliczane według stawek Flash, co DeepSeek opisuje jako politykę obowiązującą do czasu pojawienia się V4.1-Pro. DeepSeek V4 Flash i DeepSeek-V4-Flash-Vision-Exp zostają całkowicie wycofane, a ich identyfikatory utrzymuje się jedynie jako aliasy zgodnościowe, które również wskazują na nowy model.

Czytaj to jako odpowiedź na pytanie, dla którego istnieje ten artykuł. Tydzień temu użytkownicy wywołujący Pro przełączali się automatycznie, a użytkownicy wywołujący Flash mieli decyzję do podjęcia. Dziś dostawca podjął ją za obie strony, co oznacza, że bieżący wybór w API to już nie „V4 Flash czy V4.1 Flash” — chodzi o to, czy Twoje prompty, ewaluacje i model kosztów są gotowe na model po ponownym wytrenowaniu, czy potrzebujesz zupełnie innego rozwiązania awaryjnego.

To ta sama logika, którą warstwa routingu stosuje u różnych dostawców, i to jest ta część, na którą zapracowuje platforma taka jak OrcaRouter. DeepSeek V4.1 Flash w OrcaRouterma cenę katalogową DeepSeek — 0,15 USD za 1 mln tokenów wejściowych i 0,60 USD za 1 mln tokenów wyjściowych — przekazywaną bez narzutu (0%), co sprawia, że obniżka ceny u dostawcy trafia na naszą stronę tego samego dnia, w którym trafia na ich. DeepSeek V4 Flash w OrcaRouterpozostaje wywoływalny tym samym kluczem podczas migracji, więc przełączenie sprowadza się do zmiany ciągu modelu, a nie do drugiego kontraktu, a DeepSeek V4 Pro w OrcaRouterpozostaje w ofercie, dopóki przekierowanie dostawcy obsługuje go z nowym modelem w stawkach Flash. Automatyczne przełączanie awaryjne między dostawcami to tani sposób, by wypróbować ponownie wytrenowany model na prawdziwym ruchu, nie stawiając ścieżki produkcyjnej na zachowaniu z pierwszego dnia: skieruj nań część ruchu, trzymaj za nim sprawdzony model i pozwól, by przypadki brzegowe trafiały na ścieżkę zapasową, gdy przekonujesz się, czy nowe promptowanie działa poprawnie.

Który powinieneś wywołać?

Gdyby uczciwa odpowiedź wciąż brzmiała „wszystko jedno, dla każdego”, ta aktualizacja nie byłaby warta publikacji. Tydzień dwukrotnie przechylił szalę decyzji — raz na korzyść następcy, raz na niekorzyść.

Argument za przejściem na DeepSeek V4.1 Flash jest teraz silniejszy niż w dniu premiery i opiera się na niezależnej liczbie, a nie na tabeli dostawcy. Czterdzieści przeciw trzydziestu pięciu w Intelligence Index to realna różnica zmierzona przez kogoś, kto nie ma w tym żadnego interesu; model jest tańszy za token niż ten, który zastępuje na tej samej karcie, obsługa obrazów nie wymaga już drugiego modelu, a każdy pomiar strony trzeciej zgadza się, że pod względem przepustowości dorównuje co najmniej swojemu poprzednikowi, a nie jest od dwóch do trzech razy szybszy. Jeśli zaczynasz nowe obciążenie albo polegałeś na DeepSeek-V4-Flash-Vision-Exp w przypadku obrazów, przejście jest proste, a koszt migracji to ciąg znaków modelu.

Argument za wstrzymaniem się jest węższy niż wcześniej i bardziej konkretny. Jeśli twoje prompty, schematy wywoływania narzędzi i ewaluacje były dostrajane pod V4-Flash-0731, ponownie wytrenowany model oznacza zmianę zachowania, a nie zmianę szybkości — zmieniają się prompty, granice odmów i długość odpowiedzi, a to, że nowy model mówi więcej, samo w sobie jest zmianą zachowania, która pojawi się na twoim rachunku, zanim pojawi się w twoich metrykach jakości. A jeśli twoje wdrożenie jest samodzielnie hostowane na llama.cpp lub Ollama albo twój budżet zależy od tokenów wyjściowych, a nie buforowanego wejścia, ekonomia przejścia nie jest tą, którą sugerował nagłówek premiery. Przepuszczenie jednego dnia własnego ruchu przez oba modele i porównanie zaakceptowanych ukończeń na dolara powie ci więcej niż jakakolwiek z powyższych tabel.

Dla większości zespołów pozycja możliwa do obrony po tygodniu to żadna z tych głośnych: traktuj DeepSeek V4.1 Flash jako domyślny wybór, ponieważ niezależne dowody już go wspierają, pozwól DeepSeek V4 Flash obsługiwać to, co już obsługuje dobrze — jego wagi wciąż tam są, wciąż na licencji MIT — i ponownie zmierz przepustowość na własnym obciążeniu, zamiast ufać albo liczbom społeczności z tygodnia premiery, albo pojedynczemu wierszowi rankingu. Następca jest naprawdę lepszy. Jest tylko lepszy w mniejszym stopniu i w innych miejscach, niż sugerowała premiera.