DeepSeek V4.1 Flash против DeepSeek V4 Flash: спустя неделю, независимые измерения

Вопрос, для ответа на который было написано это сравнение — стоит ли переходить с DeepSeek V4 Flash на DeepSeek V4.1 Flash, — на этой неделе стал короче, потому что DeepSeek ответил на часть его, не дожидаясь запроса. С 04:00 UTC 14 сентября 2026 года вызовы API, адресованные выведенному из эксплуатации идентификатору deepseek-v4-flash, обслуживаются DeepSeek V4.1 Flash, и вызовы, адресованные deepseek-v4-pro, тоже — оба тарифицируются по тарифам Flash. Тихо оставаться на месте больше не один из вариантов на собственном эндпоинте вендора. Что действительно остаётся открытым — так это то, лучше ли новая модель в тех отношениях, которые заявлялись при запуске, — и вот здесь теперь появилось первое независимое измерение, и оно аккуратно делит историю запуска ровно пополам.

У каждого показателя ниже указана дата, потому что за последние семь дней многое сдвинулось. Цифры, сообщённые вендорами, помечены как сообщённые вендорами, а цифры сообщества — как измеренные сообществом, и каждая из них была взята из собственного источника, а не перенесена из более ранней версии этой статьи. DeepSeek V4.1 Flash стал общедоступным 10 сентября 2026 года — шесть дней назад — и с 9 сентября достаточно многое устоялось, так что предыдущий черновик этого сравнения теперь вводит в заблуждение по двум пунктам. Один из них — скорость, и вводит в заблуждение он в ту сторону, которую хотел запуск.

Что закрылось в период с 9 сентября по сегодняшний день?

Шесть вопросов оставались открытыми, когда об этом сочетании впервые написали. Сейчас на все шесть есть ответы, и только один из них — плохая новость.

• Общая доступность — подтверждена и датирована. В собственном журнале изменений DeepSeek указано, что релиз состоялся 2026-09-10, а модель доступна в приложении, веб-клиенте и API под идентификатором deepseek-flash.

• Прайс-карта — вышла, как и было объявлено. Тарифы, ходившие до запуска, были представлены как предстартовая утечка; теперь они и есть опубликованная прайс-карта, и это те самые цифры двумя разделами ниже.

• Открытые веса — ответ получен. Веса опубликованы на Hugging Face под лицензией MIT вместе с техническим отчётом, без гейта и без формы доступа.

• Независимое измерение — получено. Artificial Analysis теперь протестировала DeepSeek V4.1 Flash — это была самая крупная лакуна в материале от 9 сентября. Об этом речь ниже, и оно не говорит того, на что намекал запуск.

• Маршрутизация — активирована. Перенаправление трафика DeepSeek V4 Pro, которое в анонсе запуска называлось предстоящим, теперь вступило в силу — с указанной датой.

• Поддержка сервинга — уже выпущена, но с оговорками. NVIDIA vLLM, SGLang и Dynamo все выпустили решения с поддержкой с первого дня; история с локальным раннером не так широка, как можно подумать по фразе «поддержка day-0».

Две вещи не изменились, и о них стоит сказать до цифр. DeepSeek V4.1-Pro всё ещё не выпущена: в собственных материалах DeepSeek переадресация Pro описывается как действующая «до выпуска V4.1-Pro», и на сегодня ничего не выпущено. А DeepSeek V4 Flash не перестала существовать — её веса по-прежнему открыты и распространяются под лицензией MIT, и у всех, кто хостит её самостоятельно, она продолжает работать. Закончился только API-путь вендора к ней.

Под капотом: другая модель, а не более быстрая

В сравнении от 9 сентября утверждалось, что DeepSeek V4.1 Flash — это не DeepSeek V4 Flash с выкрученной на максимум скоростью, и неделя опубликованных подробностей сделала это наглядным. Если предыдущая модель — это смесь экспертов на 284 млрд параметров с 13 млрд активных параметров — обновление V4-Flash-0731 после этапа постобучения, — то преемник представляет собой новую архитектуру, которую DeepSeek называет Causal Encoder-Decoder: 20-слойный каузальный энкодер, надстроенный над 20-слойным декодером, 40 слоёв Transformer, при этом KV-кэш декодера проецируется из финальных скрытых состояний энкодера, а не вычисляется слой за слоем. Именно из этой последней детали и вытекают утверждения об эффективности.

• Активные параметры — по данным DeepSeek, во время префилла активируется примерно 8 млрд параметров на токен, а во время декодирования — 16 млрд, при 552 млрд параметров базовой модели. DeepSeek V4 Flash активирует 13 млрд параметров при базовой модели на 284 млрд.

• KV-кэш — DeepSeek сообщает, что новой сборке требуется в четыре раза меньше HBM и в восемь раз меньше SSD, чем предыдущему поколению Flash. Обратите внимание, какой из этих показателей относится к постоянному хранению: именно восьмикратное сокращение определяет, сколько контекста вы можете держать на диске между ходами.

• Ввод — текст и изображения нативно в одной модели. DeepSeek V4 Flash — текстовая модель, а для работы с изображениями требовалась отдельная экспериментальная сборка DeepSeek-V4-Flash-Vision-Exp, которая теперь также выведена из эксплуатации.

• Контекст и вывод — 1 048 576 токенов контекста и предельный объём вывода в 384 000 токенов — та же заголовочная формулировка, которую опубликовала DeepSeek V4 Flash.

• Веса — MIT, опубликованы на Hugging Face.

Каждое сравнение по размеру выше содержит одну оговорку, и её стоит изложить прямо, а не в сноске. Цифра 552B для опорной сети — от производителя. Список файлов самого чекпойнта в сумме даёт примерно 510 ГБ, что меньше, чем можно было бы наивно предположить при 552B параметров, потому что веса поставляются уже квантованными. А в карточке модели DeepSeek отдельно указана таблица условной памяти Engram на 196B параметров — поисковая таблица с адресацией по токенам, к которой обращаются в двух точках сети, а не слой, через который проходит текст. Сложите два собственных числа производителя, и получится 748B — ровно тот вывод, к которому пришёл авторитетный анализ сообщества, оспаривая заявленные 552B. На собственной странице модели на Hugging Face в боковой панели отображается третья цифра — 763B. Три числа, и все они обоснованны — в зависимости от того, считаете ли вы вычислительный стек, таблицу памяти или файл на диске. Воспринимайте любое «552B» в сравнении характеристик как число параметров опорной сети от производителя, а не как размер загружаемого файла.

Две строки той карточки в день запуска были открытыми вопросами, и с тех пор обе заполнены: веса опубликованы под лицензией MIT, а первая оценка от третьей стороны уже существует. А вот строка про скорость пошла другим путём, и ей посвящён отдельный раздел ниже.

Тарифная карта подтверждена — и она по-прежнему одна карта.

Основной вывод предыдущего сравнения остаётся в силе, и теперь это больше, чем слух. DeepSeek V4.1 Flash и DeepSeek V4 Flash тарифицируются по единой тарифной карте уровня Flash, а не по двум, и поскольку старые идентификаторы теперь являются алиасами новой модели, всё, что по-прежнему обращается к deepseek-v4-flash, тоже тарифицируется по новой карте. Это опубликованные DeepSeek цифры, вступающие в силу 10 сентября 2026 года в 04:00 UTC:

• Ввод при попадании в кэш — $0.003 за 1 млн токенов в непиковые часы, $0.006 в пиковые часы

• Ввод при промахе кэша — $0,15 за 1 млн токенов в непиковое время, $0,30 в пиковое

• Вывод — $0.60 за 1 млн токенов вне пикового времени, $1.20 в пиковое время

Пиковые окна — 01:00–04:00 и 06:00–10:00 UTC по будням. Выходные и государственные праздники — непиковые круглосуточно.

Непиковая колонка — это та, которую цитируют, а пиковая — та, что кусается: европейское или азиатское рабочее утро попадает в пиковое окно и платит вдвое, превращая заявленный тариф на ввод $0,15 в $0,30 именно в те часы, когда большинство команд реально гоняет трафик. Закладывайте бюджет по пиковой колонке, если только ваша нагрузка действительно не работает ночью по UTC.

По сравнению с тарифной карточкой, по которой DeepSeek V4 Flash тарифицировался до изменения — $0.007 за попадание в кэш, $0.22 за промах кэша и $0.66 за вывод за 1 млн токенов в непиковые часы, — новый прайс-лист снижает стоимость кэшированного ввода примерно на 57%, ввода с промахом кэша — примерно на 32%, а вывода — примерно на 9%. Так что преемник дешевле за токен, чем заменяемая им модель, причём разрыв велик для токенов, которые агентный цикл постоянно перечитывает, и скромен для токенов, которые он генерирует. Вот в чём настоящая суть истории о «снижении цены Flash»: это снижение цены за попадание в кэш, к которому прилагается скидка на вывод.

Тот снимок — это карточка в том виде, в каком она была до сокращения от 10 сентября — таблица, по которой DeepSeek V4 Flash выставлял счета по август включительно, сохранённая здесь как сторона «до» в сравнении. Сторона «после» — это четыре пункта выше.

Что на самом деле говорят бенчмарки, и кто их проводил

У эталонной картины есть две половины, которые обычно приводят как единое целое, и их статус сильно различается.

Первая половина — это собственная таблица оценок DeepSeek, опубликованная вместе с релизом. В ней DeepSeek V4.1 Flash получает 74,2 на DeepSWE v1.1 — впереди Claude Opus 5 с 74,0, GPT-5.6 Sol с 73,0, Kimi K3 с 67,5, GLM-5.3 с 66,9, DeepSeek V4 Pro 0813 с 62,7 и DeepSeek V4 Flash 0731 с 54,4. Это цифры, полученные вендором, измеренные при максимальном усилии рассуждения, и в том же релизе сообщается, что один и тот же чекпойнт набирает в диапазоне от 65,5 до 74,2 на восьми разных агентных скаффолдах — 74,2 на скаффолде, который подходит ему лучше всего, 69,8 под Claude Code, 65,6 под Codex, 65,5 под OpenCode. Разрыв в 0,2 пункта с Claude Opus 5, на наборе тестов, проведённом вендором, взятый из самого благоприятного из восьми скаффолдов, не устанавливает превосходства над Claude Opus 5. Он устанавливает, что новый Flash конкурентоспособен с фронтиром в агентном программировании, когда всё настроено под него, — а это реальный результат, и гораздо меньший, чем звучит «впереди Opus 5».

Вторая половина — это та часть, которой не существовало 9 сентября. Теперь Artificial Analysis независимо измерила DeepSeek V4.1 Flash и присвоила ей 40 баллов в Intelligence Index против 35 у DeepSeek V4 Flash 0731 — шестое место среди 113 измеренных моделей против восьмого у модели, которую она заменяет, и значительно выше медианы 18 для моделей с открытыми весами сопоставимого размера. Это то самое число, о котором в более ранней версии этой статьи говорилось, что его пока не существует, и оно решает общий вопрос в пользу преемника: по композитному показателю третьей стороны, охватывающему рассуждения, знания, математику и программирование, новая сборка измеримо сильнее. Но оно не решает вопрос о фронтире, потому что в той же таблице лидеров Kimi K3 и GLM-5.3 находятся выше неё.

История о скорости не выдержала проверки измерениями

Вот здесь предыдущее сравнение нужно исправить, а не расширить. Его основой было то, что две модели используют общую тарифную сетку и различаются по скорости: у DeepSeek V4 Flash замерено примерно 120–140 выходных токенов в секунду, а те, кто тестировал DeepSeek V4.1 Flash в первый день, сообщали от 280 до 500, с пиками выше 500. Этот разрыв не воспроизвёлся.

По измерениям Artificial Analysis, DeepSeek V4.1 Flash выдаёт 214,4 выходных токена в секунду, а DeepSeek V4 Flash 0731 — 214,9 — практически равенство, разница в полтокена в секунду, при одной и той же методологии, которая дала оба показателя. Что бы ни измеряли запуски сообщества в первый день, это было не сопоставимое сравнение: количество токенов в секунду зависит от провайдера, оборудования, размера батча, параллелизма и того, какая часть ответа приходится на токены рассуждений, а цифры недели запуска были получены на конфигурациях, различавшихся по всем пяти параметрам. Честная поправка состоит в том, что преимущество в пропускной способности, которое подразумевал запуск, не видно в независимых измерениях. Всем, кто перешёл на DeepSeek V4.1 Flash в ожидании двух-трёхкратного увеличения скорости, следует перепроверить на своём трафике, прежде чем делать выводы.

Картина затрат интереснее картины скорости, и это тоже не однозначная победа. Если взять цены за токен от Artificial Analysis — $0,30 за вход и $1,20 за выход для новой модели против $0,44 и $1,32 для старой, обе по пиковому тарифу, — DeepSeek V4.1 Flash дешевле за токен. Но измеренная стоимость одной задачи Intelligence Index оказывается $0,27 против $0,22, то есть немного выше, потому что новая модель более разговорчива: 250 млн выходных токенов по всему индексу против 240 млн у предшественницы, и это одна из самых многословных моделей, которые измеряет таблица лидеров. Более дешёвый токен, который расходуется чаще, не означает автоматически более дешёвую задачу. На чьей стороне вы в итоге окажетесь, полностью зависит от того, преобладает ли в вашей рабочей нагрузке повторно перечитываемый контекст, где решающую роль играет 57%-ное снижение за счёт попаданий в кэш, или генерируемый вывод, где многословность съедает скидку.

Поддержка Day-0 serving, и чего она на самом деле стоит

Если вы уже самостоятельно хостите DeepSeek V4 Flash, это тот раздел, который определяет, будет ли миграция дешёвой, и ответ таков: дешевле, чем обычно, но не бесплатно, и не на том рантайме, который большинство подразумевает под «локально».

• NVIDIA vLLM — выпустила путь «нулевого дня» в виде предварительного Docker-образа, а не релизного пакета; поддержка архитектуры не была включена в основную ветку к моменту релиза, поэтому нет такого pip install, который бы её включал. Проверено на ряде платформ NVIDIA, а не на одной, с примерно 614 ГБ минимального объёма памяти для весов плюс запас.

• SGLang — предварительный образ day-zero и запись в cookbook, опубликованные без показателей производительности, поскольку вендор счёл измерения периода разработки нестабильными. Проверено на оборудовании класса GB300; остальные указаны как всё ещё подтверждаемые.

• NVIDIA Dynamo — рецепты развёртывания day-zero наряду с существующими рецептами Flash и Pro.

• Другой кремний — Cambricon сообщила об адаптации в день запуска через vLLM в тот же день.

• Ollama и llama.cpp — разрыв. Ollama указывает модель, но только как облачный проброс: она работает на серверах Ollama, а не на ваших. Поддержка архитектуры в llama.cpp ещё не влита, поэтому локального пути в upstream пока нет, а конвертации в GGUF от сообщества существуют без выпущенного рантайма, который выполнял бы их от начала до конца.

Практический вывод: экосистема фреймворков развивалась необычно быстро, и если вы разворачиваетесь на vLLM или SGLang на узле с несколькими GPU, у вас есть документированный путь в считанные дни после запуска. Если ваше развёртывание DeepSeek V4 Flash — это машина с llama.cpp или Ollama, эквивалента пока нет, а чекпоинт размером ~510 ГБ означает, что маловероятно, что он появится при тех размерах, которые подразумевает такое оборудование. Веса — это тоже проблема иного рода: DeepSeek V4 Flash с общим объёмом 284B — это решение для одного узла, а новая сборка с 552B в основе — до таблицы Engram — нет.

Маршрутизация переехала, и переехала ради вас

Самая малоосвещённая часть этого запуска по-прежнему в том, что DeepSeek маршрутизирует трафик между своими моделями, и, в отличие от 9 сентября, теперь у этого есть даты. С 04:00 UTC 14 сентября API-запросы, адресованные deepseek-v4-pro, обслуживаются DeepSeek V4.1 Flash и тарифицируются по ставкам Flash — политика, которую DeepSeek описывает как действующую до выхода V4.1-Pro. DeepSeek V4 Flash и DeepSeek-V4-Flash-Vision-Exp полностью выведены из эксплуатации, а их идентификаторы сохранены только как алиасы совместимости, которые также ведут к новой модели.

Считайте это ответом на вопрос, ради которого существует эта статья. Неделю назад пользователи Pro переключались автоматически, а пользователям Flash приходилось принимать решение. Сегодня вендор принял его за обе категории, а значит, актуальный выбор в API — это уже не «V4 Flash или V4.1 Flash», а вопрос о том, готовы ли ваши промпты, evals и модель затрат к заново обученной модели, или же вам нужен совсем другой запасной вариант.

Это та же логика, которую слой маршрутизации применяет между вендорами, и именно на этом зарабатывает такая платформа, как OrcaRouter. DeepSeek V4.1 Flash на OrcaRouterидёт по прайс-листовой цене DeepSeek — $0,15 за 1 млн входных токенов и $0,60 за 1 млн выходных — пропускаемой через 0% наценки, и именно поэтому снижение цены вендором доходит до нашей стороны в тот же день, когда оно происходит у них. DeepSeek V4 Flash на OrcaRouterостаётся вызываемой по тому же ключу, пока вы мигрируете, так что переключение — это строка с именем модели, а не второй контракт, и DeepSeek V4 Pro на OrcaRouterостаётся в списке, пока редирект вендора отдаёт его с новой моделью по тарифам Flash. Автоматическое переключение при сбое между провайдерами — дешёвый способ опробовать переобученную модель на реальном трафике, не ставя продакшн-путь в зависимость от поведения первого дня: направьте часть трафика, оставьте за ней проверенную модель, и пусть крайние случаи приходятся на резервный вариант, пока вы выясняете, как ведёт себя новый промптинг.

Кому следует позвонить?

Если бы честный ответ по-прежнему был «любой, для всех», это обновление не стоило бы публиковать. За неделю решение сдвинулось дважды — один раз в пользу преемника, один раз против.

Аргументы в пользу перехода на DeepSeek V4.1 Flash сейчас сильнее, чем в день запуска, и они опираются на независимый показатель, а не на таблицу вендора. 40 против 35 в Intelligence Index — это реальный разрыв, измеренный тем, кто не имеет в этом никакой доли; модель дешевле за токен, чем та, которую она заменяет на той же карточке; для ввода изображений больше не нужна вторая модель; и все сторонние измерения сходятся в том, что по пропускной способности она как минимум не уступает предшественнице, а не что она в два-три раза быстрее. Если вы запускаете новую рабочую нагрузку или полагались на DeepSeek-V4-Flash-Vision-Exp для изображений, переход прост, а стоимость миграции — это строка модели.

Аргумент в пользу паузы стал более узким и более конкретным, чем раньше. Если ваши промпты, схемы вызова инструментов и оценочные тесты настраивались под V4-Flash-0731, заново обученная модель — это изменение поведения, а не изменение скорости: промптинг, границы отказов и длина вывода меняются, а то, что новая модель стала более многословной, само по себе является изменением поведения, которое проявится в вашем счёте раньше, чем в метриках качества. А если вы развёртываете модель у себя на llama.cpp или Ollama, или ваш бюджет зависит от выходных токенов, а не от кэшированного ввода, экономика перехода не та, что подразумевал заголовок запуска. Прогон дневного объёма вашего собственного трафика через обе модели и сравнение принятых завершений на доллар скажут вам больше, чем любая из таблиц выше.

Для большинства команд защитимая позиция спустя неделю — это не одна из громких: считать DeepSeek V4.1 Flash вариантом по умолчанию, потому что независимые данные теперь это подтверждают, оставить DeepSeek V4 Flash работать там, где он уже хорошо себя показывает, — его веса всё ещё на месте, всё ещё MIT, — и заново измерить пропускную способность на собственной рабочей нагрузке, а не доверять ни цифрам, опубликованным сообществом на неделе запуска, ни одной строке в таблице лидеров. Преемник действительно лучше. Просто он лучше на меньшую величину и в других местах, чем можно было предположить по запуску.