DeepSeek V4.1 Flash: Den snabba nivån, dess verkliga pris och svaret på den kostnadsfria frågan

DeepSeek V4.1 Flash är den snabba nivån i DeepSeeks V4.1-serie: en multimodal mixture-of-experts-modell med ett kontextfönster på 1 048 576 tokens, bildinmatning, MIT-licensierade vikter på Hugging Face och ett listpris i lågtrafik på 0,15 USD per miljon tokens vid indata och 0,60 USD per miljon tokens vid utdata. Den blev allmänt tillgänglig den 2026-09-10, så lanseringen är ett faktum som daterar modellen, inte en händelse som den här sidan rapporterar – och två frågor leder läsare hit långt efter det datumet: om den är gratis och hur den står sig mot vilken modell som helst som redan finns framför dem. Den första har ett kort svar, så den kommer först.

Är DeepSeek V4.1 Flash gratis? Svaret du kom för

Nej. På DeepSeeks egen plattform finns det ingen kostnadsfri API-nivå för den här modellen – ingen kostnadsfri månadskvot och ingen kostnadsfri slutpunkt. Debiteringen sker enligt pay-as-you-go mot ett påfyllt saldo, enligt samma prislista som resten av produktlinjen. Modell-id:t du anropar för den är deepseek-flash, och varje begäran mot det id:t debiteras enligt de publicerade Flash-priserna. Konsumentappen är gratis att använda; API:et bakom den är inte det, och de två är separata produkter.

Det som verkligen är nära nog gratis är cachen. En indatatoken med cacheträff kostar 0,003 dollar per miljon token jämfört med 0,15 dollar för en ny indatatoken utanför högtrafik — en femtiodel. Varje arbetsbelastning med ett stort, stabilt prefix (systeminstruktioner, verktygsscheman, en kodförrådskarta) betalar nästan ingenting för den upprepade delen av prompten medan de nya tokenen står för kostnaden. De exakta villkoren för när rabatten gäller fastställs av DeepSeek, inte av klienten, så läs den aktuella dokumentationen innan du bygger en budget på siffran.

Det finns en andra anledning till att gratisfrågan dyker upp, och den är värd att skilja från den första. Tredjepartsplattformar gör reklam för gratis åtkomst eller provåtkomst till den här modellen, och de vägarna är verkliga; de är också den typen av villkor som ändras utan förvarning, och ingen av dem har DeepSeeks egen prislista bakom sig. Betrakta dem som prototypmiljöer snarare än produktionsbackends. Vår egen katalog har visserligen en nollkostnadspost — men det är deepseek/deepseek-v4-flash-free, den utfasade V4 Flash, inte den här modellen. De två ligger ett versionsnummer ifrån varandra och de är inte samma sak.

Var Flash befinner sig i V4.1-serien

V4.1 är en ny arkitekturfamilj, inte en punktrelease av V4. Flash är dess lilla, snabba medlem — nivån byggd för genomströmning och kostnad snarare än för toppen av resultattavlan. Det flaggskeppssyskonet är DeepSeek-V4-Pro-0813, som serveras under modell-id:t deepseek-v4-pro, vilket listas till $0.66 per miljon input och $1.98 per miljon output off-peak: ungefär fyra och en halv gånger Flash för input och lite över tre gånger för output, med ett samtidighetstak på 500 mot Flashs 2 500. DeepSeek själva rapporterar att V4.1 Flash helt överträffar V4 Pro i prestanda, kostnad, hastighet och total uppgiftstid — det är leverantörens eget påstående utifrån sina egna benchmarks, inte en oberoende mätning, och det är anledningen till att nivånamngivningen läses upp och ner för alla som antar att "Pro" alltid är det bättre köpet.

En gräns att hålla: DeepSeek V4.1 Pro är inte släppt. Det förekommer i DeepSeeks material endast som en framtida modell. Inget på den här sidan gäller den, och det gör inte heller något av det vi tillhandahåller.

Specifikationen, såsom DeepSeek publicerar den

Allt nedan är hämtat från modellkortet på Hugging Face, på deepseek-ai/DeepSeek-V4.1-Flash. Där en siffra är ett leverantörspåstående snarare än en fastställd mätning, står det så.

• Parametrar — 552B-stomnät, enligt leverantören. Kortet anger att 8B parametrar aktiveras per token under prefyllning och 16B under avkodning, i ett mixture-of-experts-upplägg med 1 delad expert och 384 routade experter per MoE-lager, varav sex aktiva per token. • Arkitektur — en 40-lagers kausal encoder-decoder: en 20-lagers kausal encoder som matar en 20-lagers decoder. • Kontext — 1 048 576 token, vilket kortet avrundar till en miljon. • Utdatatak — maximalt 384K token i leverantörens API, så sätt gränsen uttryckligen i stället för att lita på standardvärdet. • Modalitet — text och bilder in, text ut. Vision körs genom en DeepSeek-ViT-encoder plus en tvålagers MLP-projektor. • Precision — de publicerade vikterna är safetensors i BF16, F32, F8_E4M3 och I8, med FP8 flaggat på kortet. KV-cachen är kvantiserad till FP4 (E2M1 med en E4M3-skala per 16 kanaler). • Licens — MIT, för både repot och vikterna. • Lansering — allmänt tillgänglig 2026-09-10; 48 safetensors-shards, cirka 510 GB i repot.

Flash mot Pro: frågan som nivånamnet skapar

Om du väljer mellan de två är regeln inte "Pro är starkare". Flash-nivån finns till för volym: trafik med hög samtidighet och kostnadskänslighet, där en tokenräkning som är en fjärdedel av Pro:s väger tyngre än de sista få poängen i förmåga, och där taket på 2 500 samtidiga förfrågningar i sig är anledningen till att vara här. Pro-nivån finns till för det svåraste resonerandet och agentiska arbetet, där du betalar för det högsta i serien och taket för genomströmning är en begränsning du accepterar. Det är hela formen på valet – bevisen från den direkta jämförelsen, inklusive var Pro fortfarande vinner, finns i vår egen jämförelse DeepSeek V4.1 Flash vs DeepSeek V4 Pro snarare än här, och de två sidorna upprepar medvetet inte varandra.

Köra det: API, vikter eller båda

Båda vägarna är öppna. DeepSeek tillhandahåller modellen via sitt eget API under id:t deepseek-flash, på en OpenAI-kompatibel bas-URL och på en Anthropic-kompatibel sådan, så en befintlig klient behöver oftast bara ändra modellsträngen. Separat går vikterna att ladda ner: MIT-licensierade, 48 safetensors-shards, ungefär 510 GB, vilket placerar dem utanför varje enskild GPU-maskin och rakt in i kategorin "hyr en nod eller strunta i det". DeepSeek levererar också ett officiellt inferensrecept i repositoriet — en läsbar referensimplementation snarare än en motor för produktionsservering — och dess genomräknade exempel konverterar vikterna till fp4-experter vid en modellparallell storlek på åtta, vilket är det närmaste repositoriet kommer ett dimensioneringsuttalande. Den praktiska detalj som avgör om självhosting är trevligt är en annan: modellen stöder en kontinuerligt valbar resonemangsansträngning från 1 till 100, och den fortsätter glatt att generera långt efter att arbetet är klart om du inte justerar den ratten. De uppmätta riggarna, de genomströmningstal som folk faktiskt rapporterar, och övertänkandets felmod med åtgärder som fungerar finns alla i vår playbook för lokal driftsättning av DeepSeek V4.1 Flash; den ärliga sammanfattningen är att API-vägen är billigare tills din volym är stor, och viktsvägen är ett kapacitetsbeslut snarare än ett kostnadsbeslut.

Vad är inte avgjort

Två saker, och ingen av dem är obetydlig. Parameterantalet stämmer inte överens med vikterna. DeepSeeks modellkort säger 552B; repots eget safetensors-index – fältet Model size på Hugging Face-modellsidan – uppgår till 763B fördelat över de 48 shardarna, i ett repo på omkring 510 GB. Båda siffrorna är publicerade, de är inte samma siffra, och ingen har offentligt avgjort skillnaden, så behandla 552B som leverantörsrapporterat snarare än uppmätt. Och DeepSeeks eget material är inkonsekvent när det gäller de äldre V4 Flash-identifierarna – prissidan säger att de pensionerade namnen accepteras och dirigeras till den här modellen till Flash-priser, medan andra sidor beskriver dirigeringen annorlunda. Läs av modellen från svaret i stället för att anta vilken modell som svarade.

Tillgänglighet på OrcaRouter, kontrollerad idag

OrcaRouter tillhandahåller den här modellen. Den listas i vår livekatalog som deepseek/deepseek-v4.1-flash — observera att identifieraren stavar versionen med en punkt, v4.1, medan våra blogg-sluggar skriver den med bindestreck. Kopiera strängen exakt som listan har den, annars hittar en klient ingenting. Listningen har ett kontextfönster på 1 048 576 tokens, en maximal utdata på 384K, text- och bildinmatning, samt leverantörens egna lågtrafiksiffror på $0.15 per miljon indata och $0.60 per miljon utdata med $0.003 per miljon vid cacheträffar, vidarebefordrade med 0 % påslag — DeepSeeks pris är vad du betalar, och DeepSeeks högtrafikfönster på vardagar fördubblar det fortfarande. Automatisk failover innebär att du kan placera en obeprövad modell bakom en rutt som faller tillbaka när den ger fel eller begränsar hastigheten, vilket är ett billigt sätt att ta reda på om den håller innan den når en produktionsväg. Detta påstående gäller endast denna identifierare och denna modell; DeepSeek V4 Pro och den bredare V4-linjen är separata listningar och separata fakta.

Jämförelseuppsättningen: vad du ska öppna härnäst

Det är här läsarna faktiskt finns. I våra egna Search Console-data, hämtade den 2026-10-13, fick DeepSeek V4.1 Flash-familjen 9 444 visningar och 418 klick över 198 frågor — och dess enskilt största rad sett till visningar var inte modellnamnet utan en direkt jämförelse, deepseek v4.1 flash vs glm 5.3 flash, med 1 372 visningar. Termen i sig hade 2 025 visningar över 33 frågor. Tio jämförelsesidor ligger under denna stam, och var och en är skriven för att besvara sin egen fråga i stället för att upprepa den här sidan:

• DeepSeek V4.1 Flash mot GLM-5.3-Flash — priskonkurrensen, och startlatensstraffet som följer med att vinna den. • DeepSeek V4.1 Flash mot DeepSeek V4 Flash — migreringsfrågan, som DeepSeek delvis besvarade genom att avveckla den äldre modellens identifierare. • DeepSeek V4.1 Flash mot DeepSeek V4 Pro — överlämningen som DeepSeek planerade och sedan ställde in, och vad det lämnar dig att välja mellan. • DeepSeek V4.1 Flash mot Gemini 3.8 Flash — två billiga priser kopplade till två mycket olika typer av utgång. • DeepSeek V4.1 Flash mot GPT-5.6 Sol — prisgapet vid sidan av gapet i tid till första token. • DeepSeek V4.1 Flash mot GPT-5.6 Terra — där en kontexttröskel ändrar taxan mitt i en begäran. • DeepSeek V4.1 Flash mot Claude Opus 5 — två resultattavlor som är oense om vilken modell som vann. • DeepSeek V4.1 Flash mot Grok 4.6 — en liten förmågeskillnad mot en stor återkommande räkning. • DeepSeek V4.1 Flash mot Kimi K3 — leverantörens eget påstående om direkt jämförelse, kontrollerat mot bevisen bakom det. • DeepSeek V4.1 Flash mot Qwen3.8-Max — samma kontextfönster till tjugo gånger tokenpriset.

Om du bara har tid för en, ta GLM-5.3-Flash-jämförelsen: det är raden som läsare skriver mest, och de två modellerna ligger tillräckligt nära i pris för att beslutet ska hänga på hur snabbt du behöver den första token snarare än på hur mycket varje token kostar.