DeepSeek V4.1 Flash so với DeepSeek V4 Flash: Sau một tuần, đo lường độc lập

Câu hỏi mà bản so sánh này được viết ra để trả lời — liệu bạn có nên chuyển từ DeepSeek V4 Flash sang DeepSeek V4.1 Flash hay không — đã ngắn lại trong tuần này, vì DeepSeek đã trả lời một phần câu hỏi đó mà không cần được hỏi. Kể từ 04:00 UTC ngày 14 tháng 9 năm 2026, các lệnh gọi API nhắm đến định danh deepseek-v4-flash đã ngừng sử dụng đều được DeepSeek V4.1 Flash phục vụ, và các lệnh gọi nhắm đến deepseek-v4-pro cũng vậy, cả hai đều được tính phí theo mức giá của Flash. Đứng yên một cách lặng lẽ không còn là một trong các lựa chọn trên chính endpoint của nhà cung cấp nữa. Điều vẫn thực sự còn bỏ ngỏ là liệu mô hình mới có tốt hơn theo những cách mà chiến dịch ra mắt đã tuyên bố hay không — và ở đó, phép đo độc lập đầu tiên giờ đã có kết quả, và nó chia câu chuyện ra mắt thành hai nửa một cách gọn gàng.

Mỗi số liệu dưới đây đều được ghi ngày tháng, vì bảy ngày qua đã thay đổi. Các con số do nhà cung cấp báo cáo được dán nhãn là do nhà cung cấp báo cáo và số liệu cộng đồng là do cộng đồng đo lường, và mỗi con số đều được đọc từ nguồn riêng của nó chứ không phải sao chép từ phiên bản trước của bài viết này. DeepSeek V4.1 Flash đã đạt trạng thái sẵn sàng chung vào ngày 10 tháng 9 năm 2026 — sáu ngày trước — và đã có đủ thứ ổn định kể từ ngày 9 tháng 9 đến mức bản nháp trước đây của bài so sánh này giờ gây hiểu lầm ở hai điểm. Một trong hai điểm đó là tốc độ, và nó gây hiểu lầm theo hướng mà đợt ra mắt mong muốn.

Điều gì đã đóng cửa từ ngày 9 tháng 9 đến hôm nay?

Sáu điều từng là câu hỏi bỏ ngỏ khi sự kết hợp này lần đầu được viết ra. Giờ cả sáu đều đã có câu trả lời, và chỉ một trong số đó là tin xấu.

• Ra mắt chính thức — đã được xác nhận và ghi rõ ngày. Nhật ký thay đổi của chính DeepSeek ghi nhận bản phát hành là 2026-09-10, và mô hình đã hoạt động trên Ứng dụng, ứng dụng web và API dưới mã định danh deepseek-flash.

• Bảng giá — đã được công bố đúng như thông báo. Các mức giá lưu hành trước khi ra mắt từng được cho là rò rỉ trước ra mắt; giờ đây chúng chính là bảng giá đã được công bố, và chúng là những con số ở hai mục phía dưới.

• Trọng số mở — đã được giải đáp. Các trọng số được công bố trên Hugging Face theo giấy phép MIT cùng với một báo cáo kỹ thuật đi kèm, không có cổng kiểm soát và không có biểu mẫu truy cập.

• Đo lường độc lập — đã có. Artificial Analysis hiện đã chạy DeepSeek V4.1 Flash, đây là lỗ hổng lớn nhất trong bài ngày 9 tháng 9. Nội dung này được thảo luận ở bên dưới, và nó không nói lên điều mà màn ra mắt ngụ ý.

• Định tuyến — đã kích hoạt. Việc chuyển hướng lưu lượng của DeepSeek V4 Pro mà thông báo ra mắt mô tả là sắp diễn ra nay đã có hiệu lực, kèm theo một mốc thời gian.

• Hỗ trợ serving — đã phát hành, kèm những lưu ý. NVIDIA vLLM, SGLang và Dynamo đều tung ra các lộ trình day-zero; câu chuyện về local-runner hẹp hơn so với cảm giác mà "hỗ trợ day-0" mang lại.

Có hai điều chưa thay đổi và cần được nói trước các con số. DeepSeek V4.1-Pro vẫn chưa được phát hành: tài liệu của chính DeepSeek mô tả việc chuyển hướng Pro là sẽ chạy "cho đến khi V4.1-Pro phát hành", và tính đến hôm nay vẫn chưa có gì được phát hành. Và DeepSeek V4 Flash vẫn chưa ngừng tồn tại — trọng số của nó vẫn mở và được cấp phép MIT, và bất kỳ ai tự lưu trữ nó vẫn tiếp tục hoạt động. Điều đã kết thúc là đường API của nhà cung cấp tới nó.

Bên trong: một mô hình khác, chứ không phải một mô hình nhanh hơn

Bài so sánh ngày 9 tháng 9 lập luận rằng DeepSeek V4.1 Flash không phải là DeepSeek V4 Flash với núm chỉnh tốc độ được vặn lên hết cỡ, và một tuần chi tiết được công bố đã khiến điều đó trở nên cụ thể. Trong khi mô hình cũ là một mô hình hỗn hợp chuyên gia (mixture-of-experts) 284B tham số với 13B tham số hoạt động — bản làm mới sau huấn luyện V4-Flash-0731 — thì mô hình kế nhiệm là một kiến trúc mới mà DeepSeek gọi là Causal Encoder-Decoder: một bộ mã hóa nhân quả 20 lớp xếp chồng lên một bộ giải mã 20 lớp, 40 lớp Transformer, với KV cache của bộ giải mã được chiếu từ các trạng thái ẩn cuối cùng của bộ mã hóa thay vì được tính toán từng lớp một. Chi tiết cuối cùng đó chính là nguồn gốc của những tuyên bố về hiệu quả.

• Tham số hoạt động — DeepSeek báo cáo khoảng 8B hoạt động trên mỗi token trong giai đoạn prefill và 16B trong giai đoạn decode, so với 552B tham số backbone. DeepSeek V4 Flash kích hoạt 13B trên một backbone 284B.

• KV cache — DeepSeek cho biết bản dựng mới chỉ cần một phần tư HBM và một phần tám SSD so với thế hệ Flash trước đó. Hãy để ý con số nào trong số đó là con số lưu trữ lâu dài: mức giảm 8 lần chính là con số quyết định lượng ngữ cảnh bạn có thể giữ lại trên đĩa giữa các lượt.

• Đầu vào — văn bản và hình ảnh một cách native trong cùng một mô hình. DeepSeek V4 Flash chỉ hỗ trợ văn bản, còn công việc với hình ảnh cần bản dựng thử nghiệm riêng DeepSeek-V4-Flash-Vision-Exp, bản này nay đã bị ngừng cùng với nó.

• Ngữ cảnh và đầu ra — 1,048,576 token ngữ cảnh và trần đầu ra 384,000 token, cùng dạng tiêu đề mà DeepSeek V4 Flash đã công bố.

• Trọng số — MIT, được công bố trên Hugging Face.

Mọi so sánh dựa trên kích thước ở trên đều mang một lưu ý, và đáng nói thẳng ra thay vì để trong chú thích cuối trang. Con số 552B cho phần xương sống là của nhà cung cấp. Danh sách tệp của chính checkpoint có tổng dung lượng khoảng 510GB, nhỏ hơn so với cách hiểu ngây thơ về 552B tham số, bởi vì các trọng số được phát hành ở dạng đã lượng tử hóa sẵn. Và thẻ mô hình của DeepSeek công bố riêng một bảng bộ nhớ có điều kiện Engram 196B tham số — một tra cứu được đánh địa chỉ theo token, được truy vấn tại hai điểm trong mạng thay vì là một lớp mà văn bản chảy qua. Cộng hai con số của chính nhà cung cấp lại với nhau, bạn được 748B, đúng bằng cách hiểu mà một phân tích cộng đồng đáng tin cậy đã đưa ra khi phản bác con số tiêu đề 552B. Trang riêng của Hugging Face cho mô hình này hiển thị con số thứ ba, 763B, ở thanh bên. Ba con số, đều có thể biện luận được, tùy vào việc bạn đang tính ngăn xếp tính toán, bảng bộ nhớ, hay tệp trên đĩa. Hãy coi mọi "552B" trong so sánh thông số là số đếm xương sống của nhà cung cấp, không phải kích thước của bản tải xuống.

Hai hàng của thẻ đó là những câu hỏi bỏ ngỏ vào ngày ra mắt và cả hai đều đã được giải đáp kể từ đó: các trọng số được công bố theo giấy phép MIT, và điểm số đầu tiên từ bên thứ ba đã tồn tại. Hàng tốc độ là hàng đã đi theo hướng ngược lại, và nó có một mục riêng ở bên dưới.

Bảng giá đã được xác nhận — và nó vẫn chỉ là một bảng.

Phát hiện cốt lõi của so sánh trước đó vẫn đứng vững, và giờ đây còn đáng tin hơn cả một tin đồn. DeepSeek V4.1 Flash và DeepSeek V4 Flash được tính phí theo một bảng giá duy nhất ở hạng Flash thay vì hai bảng, và vì các mã định danh cũ giờ đã được ánh xạ bí danh sang mô hình mới, nên bất cứ thứ gì vẫn gọi deepseek-v4-flash cũng được tính phí theo bảng giá mới. Đây là các con số đã công bố của DeepSeek, có hiệu lực từ 04:00 UTC ngày 10 tháng 9 năm 2026:

• Đầu vào trúng cache — $0.003 mỗi 1 triệu token ngoài giờ cao điểm, $0.006 vào giờ cao điểm

• Đầu vào cache-miss — $0.15 cho mỗi 1 triệu token ngoài giờ cao điểm, $0.30 vào giờ cao điểm

• Đầu ra — $0.60 mỗi 1M token vào giờ thấp điểm, $1.20 vào giờ cao điểm

• Khung giờ cao điểm — 01:00–04:00 và 06:00–10:00 UTC vào các ngày trong tuần. Cuối tuần và ngày lễ là giờ thấp điểm suốt cả ngày.

Cột ngoài giờ cao điểm là cột được báo giá, còn cột giờ cao điểm là cột khiến bạn đau ví: buổi sáng làm việc ở châu Âu hoặc châu Á rơi vào khung giờ cao điểm và phải trả gấp đôi, điều này biến mức giá đầu vào được quảng cáo là $0.15 thành $0.30 đúng vào những giờ mà hầu hết các nhóm thực sự đang chạy lưu lượng. Hãy lập ngân sách dựa trên cột giờ cao điểm trừ khi khối lượng công việc của bạn thực sự chạy qua đêm theo giờ UTC.

So với bảng giá mà DeepSeek V4 Flash được tính phí trước thay đổi — $0,007 cache-hit, $0,22 cache-miss và $0,66 đầu ra mỗi 1 triệu token ngoài giờ cao điểm — bảng giá mới cắt giảm đầu vào được cache khoảng 57%, đầu vào cache-miss khoảng 32% và đầu ra khoảng 9%. Vì vậy, mô hình kế nhiệm rẻ hơn trên mỗi token so với mô hình mà nó thay thế, với mức chênh lệch lớn ở những token mà vòng lặp agent liên tục đọc lại và khiêm tốn ở những token mà nó tạo ra. Đó là hình hài thực sự của câu chuyện "giảm giá Flash": đó là một đợt cắt giảm cache-hit đi kèm với ưu đãi giảm giá đầu ra.

Bản chụp đó là thẻ ở trạng thái trước đợt cắt ngày 10 tháng 9 — bảng mà DeepSeek V4 Flash đã tính phí dựa trên suốt tháng Tám, được giữ ở đây làm vế trước của phần so sánh. Vế sau là bốn gạch đầu dòng ở trên.

Những gì các benchmark thực sự nói, và ai đã chạy chúng

Bức tranh về các chuẩn đối sánh có hai nửa thường được trích dẫn gộp làm một, và chúng có vị thế rất khác nhau.

Nửa đầu là bảng đánh giá của chính DeepSeek, được công bố kèm theo bản phát hành. Bảng này đặt DeepSeek V4.1 Flash ở mức 74,2 trên DeepSWE v1.1 — vượt trên Claude Opus 5 ở 74,0, GPT-5.6 Sol ở 73,0, Kimi K3 ở 67,5, GLM-5.3 ở 66,9, DeepSeek V4 Pro 0813 ở 62,7 và DeepSeek V4 Flash 0731 ở 54,4. Đó là những con số do nhà cung cấp tự chạy, được đo ở mức nỗ lực suy luận tối đa, và cùng bản phát hành đó báo cáo rằng chính checkpoint ấy đạt điểm bất kỳ đâu trong khoảng từ 65,5 đến 74,2 trên tám scaffold agent khác nhau — 74,2 trên scaffold phù hợp nhất với nó, 69,8 dưới Claude Code, 65,6 dưới Codex, 65,5 dưới OpenCode. Một khoảng cách 0,2 điểm so với Claude Opus 5, trên một bộ đánh giá do nhà cung cấp tự chạy, lấy từ scaffold thuận lợi nhất trong tám scaffold, không thiết lập được vị thế dẫn đầu so với Claude Opus 5. Nó chỉ cho thấy rằng Flash mới có sức cạnh tranh với nhóm tiên phong ở mảng lập trình agentic khi mọi thứ được thiết lập theo cách của nó — một kết quả có thật, và nhỏ hơn nhiều so với việc "vượt trên Opus 5" nghe có vẻ như vậy.

Nửa sau là phần chưa hề tồn tại vào ngày 9 tháng 9. Artificial Analysis giờ đã đo DeepSeek V4.1 Flash một cách độc lập và xếp nó ở mức 40 trên Intelligence Index, so với 35 của DeepSeek V4 Flash 0731 — thứ sáu trong số 113 mô hình được đo, so với thứ tám của mô hình mà nó thay thế, và cao hơn hẳn mức trung vị 18 của các mô hình trọng số mở có kích thước tương đương. Đó chính là con số mà phiên bản trước của bài viết này nói rằng chưa tồn tại, và nó giải quyết câu hỏi lớn theo hướng có lợi cho bản kế nhiệm: trên chỉ số tổng hợp của bên thứ ba về suy luận, kiến thức, toán học và lập trình, bản dựng mới rõ ràng là mô hình mạnh hơn. Nó không giải quyết được câu hỏi về vị trí tiên phong, bởi vì cùng bảng xếp hạng đó có Kimi K3 và GLM-5.3 ở trên nó.

Câu chuyện về tốc độ đã không trụ nổi khi đo lường

Đây là chỗ mà so sánh trước đó phải được chỉnh sửa thay vì mở rộng. Trục chính của nó là hai mô hình dùng chung một bảng giá và khác biệt ở tốc độ, với DeepSeek V4 Flash được đo ở khoảng 120–140 token đầu ra mỗi giây và những người thử nghiệm ngày đầu của DeepSeek V4.1 Flash báo cáo 280 đến 500, đỉnh trên 500. Khoảng cách đó đã không tái lập được.

Theo đo lường của Artificial Analysis, DeepSeek V4.1 Flash tạo ra 214,4 token đầu ra mỗi giây và DeepSeek V4 Flash 0731 tạo ra 214,9 — ngang ngửa, chênh lệch nửa token mỗi giây, theo cùng phương pháp đã tạo ra cả hai con số. Dù các đợt chạy của cộng đồng trong ngày đầu có đo cái gì đi nữa, thì đó không phải là so sánh tương đương: token mỗi giây thay đổi tùy theo nhà cung cấp, phần cứng, kích thước lô, mức đồng thời và việc có bao nhiêu phần trong câu trả lời là token suy luận, và các con số trong tuần ra mắt đến từ những thiết lập khác nhau ở cả năm yếu tố. Điều chỉnh trung thực là lợi thế thông lượng mà buổi ra mắt ngụ ý không hề xuất hiện trong đo lường độc lập. Bất kỳ ai đã chuyển sang DeepSeek V4.1 Flash với kỳ vọng tốc độ gấp hai đến ba lần nên đo lại trên lưu lượng của chính mình trước khi cho rằng điều đó đúng.

Bức tranh chi phí thú vị hơn bức tranh tốc độ, và nó cũng không phải là một thắng lợi đơn giản. Với mức giá trên mỗi token của Artificial Analysis — 0,30 USD đầu vào và 1,20 USD đầu ra cho mô hình mới, so với 0,44 USD và 1,32 USD cho mô hình cũ, cả hai ở mức cao điểm — DeepSeek V4.1 Flash rẻ hơn trên mỗi token. Nhưng chi phí đo được cho mỗi tác vụ Intelligence Index lại là 0,27 USD so với 0,22 USD, cao hơn một chút, bởi vì mô hình mới nói nhiều hơn: 250 triệu token đầu ra trên toàn bộ chỉ số, so với 240 triệu của phiên bản tiền nhiệm, và là một trong những mô hình dài dòng hơn mà bảng xếp hạng đo lường. Một token rẻ hơn nhưng được dùng thường xuyên hơn không tự động đồng nghĩa với một tác vụ rẻ hơn. Việc bạn nghiêng về phía nào trong số đó phụ thuộc hoàn toàn vào việc khối lượng công việc của bạn bị chi phối bởi ngữ cảnh được đọc lại, nơi mức cắt giảm 57% nhờ trúng bộ đệm đóng vai trò chính, hay bởi đầu ra được tạo sinh, nơi sự dài dòng ăn hết mức chiết khấu.

Hỗ trợ phục vụ Day-0, và giá trị thực sự của nó

Nếu bạn đã tự vận hành DeepSeek V4 Flash, thì đây là phần quyết định xem việc di trú có rẻ hay không, và câu trả lời là: rẻ hơn mức thông thường, nhưng không miễn phí, và không nằm trên runtime mà hầu hết mọi người vẫn hình dung khi nói “cục bộ”.

• NVIDIA vLLM — đã phát hành một lộ trình hỗ trợ ngay từ ngày đầu dưới dạng ảnh Docker xem trước thay vì một gói đã phát hành; hỗ trợ kiến trúc đã không được hợp nhất vào nhánh chính tại thời điểm phát hành, nên không có bản pip install nào bao gồm nó. Đã được xác minh trên một loạt nền tảng NVIDIA thay vì chỉ một nền tảng, với mức sàn bộ nhớ khoảng 614GB cho các trọng số cùng dung lượng dư.

• SGLang — image xem trước day-zero và một mục cookbook, được công bố mà không kèm số liệu hiệu năng vì nhà cung cấp đánh giá các đo lường trong giai đoạn phát triển là không ổn định. Đã được xác minh trên phần cứng lớp GB300, còn những mục khác được liệt kê là vẫn đang được xác nhận.

• NVIDIA Dynamo — các công thức triển khai ngay từ ngày đầu (day-zero) song song với các công thức Flash và Pro hiện có của nó.

• Silicon khác — Cambricon đã báo cáo khả năng thích ứng ngay từ ngày đầu tiên thông qua vLLM trong cùng ngày.

• Ollama và llama.cpp — khoảng trống. Ollama có liệt kê mô hình, nhưng chỉ như một dịch vụ chuyển tiếp qua đám mây: nó chạy trên máy chủ của Ollama, không phải của bạn. Hỗ trợ kiến trúc llama.cpp vẫn chưa được hợp nhất, nên hiện chưa có đường dẫn cục bộ upstream, và các bản chuyển đổi GGUF do cộng đồng thực hiện đã tồn tại nhưng chưa có runtime được phát hành để thực thi chúng từ đầu đến cuối.

Cách hiểu thực tế: hệ sinh thái framework đã thay đổi nhanh một cách bất thường, và nếu bạn đang triển khai trên vLLM hoặc SGLang trên một nút đa GPU thì bạn có một lộ trình đã được tài liệu hóa trong vòng vài ngày kể từ khi ra mắt. Nếu triển khai DeepSeek V4 Flash của bạn là một máy llama.cpp hoặc Ollama, thì hiện chưa có giải pháp tương đương, và checkpoint ~510GB nghĩa là khó có khả năng có một giải pháp như vậy ở các kích cỡ mà phần cứng đó hàm ý. Các trọng số cũng không phải cùng một dạng bài toán: DeepSeek V4 Flash với tổng 284B là một phương án một nút, còn bản dựng mới với 552B backbone — trước bảng Engram — thì không phải vậy.

Định tuyến đã thay đổi, và nó thay đổi là vì bạn

Phần ít được đưa tin nhất của đợt ra mắt này vẫn là việc DeepSeek đang định tuyến lưu lượng giữa các mô hình của chính mình, và khác với ngày 9 tháng 9, giờ đây nó đã có ngày cụ thể. Từ 04:00 UTC ngày 14 tháng 9, các yêu cầu API nhắm đến deepseek-v4-pro sẽ do DeepSeek V4.1 Flash phục vụ và được tính phí theo mức giá Flash, một chính sách mà DeepSeek mô tả là sẽ kéo dài cho đến khi V4.1-Pro ra mắt. DeepSeek V4 Flash và DeepSeek-V4-Flash-Vision-Exp bị khai tử hoàn toàn, với các mã định danh của chúng chỉ được giữ lại dưới dạng bí danh tương thích cũng trỏ đến mô hình mới.

Hãy hiểu đó như câu trả lời cho câu hỏi mà bài viết này ra đời để giải đáp. Một tuần trước, những người gọi Pro đã được tự động chuyển đổi, còn những người gọi Flash thì phải đưa ra quyết định. Hôm nay, nhà cung cấp đã làm điều đó thay cho cả hai, nghĩa là lựa chọn trực tiếp trên API không còn là “V4 Flash hay V4.1 Flash” nữa — mà là liệu các prompt, đánh giá và mô hình chi phí của bạn đã sẵn sàng cho một mô hình được huấn luyện lại hay chưa, hay liệu bạn có cần một phương án dự phòng hoàn toàn khác hay không.

Đó cũng chính là logic mà một lớp định tuyến áp dụng xuyên suốt các nhà cung cấp, và đó là phần mà một nền tảng như OrcaRouter tạo ra giá trị. DeepSeek V4.1 Flash trên OrcaRoutergiữ nguyên mức giá niêm yết của DeepSeek — 0,15 USD cho mỗi 1 triệu token đầu vào và 0,60 USD cho mỗi 1 triệu token đầu ra — được chuyển thẳng với mức chênh lệch 0%, và chính điều đó khiến việc nhà cung cấp giảm giá đến được phía chúng tôi ngay trong ngày họ giảm giá. DeepSeek V4 Flash trên OrcaRoutervẫn có thể gọi được bằng cùng một key trong khi bạn chuyển đổi, nên việc chuyển đổi chỉ là thay đổi chuỗi model chứ không phải thêm một hợp đồng thứ hai, và DeepSeek V4 Pro trên OrcaRoutervẫn được niêm yết trong khi chuyển hướng của nhà cung cấp phục vụ nó bằng model mới với mức giá của Flash. Cơ chế tự động chuyển đổi dự phòng giữa các nhà cung cấp là cách rẻ để thử một model được huấn luyện lại trên lưu lượng thật mà không đặt cược một luồng production vào hành vi ngày đầu tiên: định tuyến một phần lưu lượng, giữ một model đã được kiểm chứng ở phía sau, và để các trường hợp biên rơi vào phương án dự phòng trong khi bạn tìm hiểu xem cách gợi ý mới có hoạt động đúng như mong đợi không.

Bạn nên gọi cái nào?

Nếu câu trả lời trung thực vẫn là “cái nào cũng được, cho tất cả mọi người”, thì bản cập nhật này sẽ không đáng để công bố. Tuần qua đã xoay chuyển quyết định hai lần — một lần theo hướng có lợi cho người kế nhiệm, một lần theo hướng bất lợi.

Lý lẽ cho việc chuyển sang DeepSeek V4.1 Flash giờ đây mạnh hơn so với ngày ra mắt, và nó dựa trên con số độc lập chứ không phải bảng của nhà cung cấp. Bốn mươi so với ba mươi lăm trên Intelligence Index là một khoảng cách thực sự được đo bởi một bên không có lợi ích liên quan, mô hình này rẻ hơn trên mỗi token so với mô hình mà nó thay thế trên cùng card, đầu vào hình ảnh không còn cần mô hình thứ hai, và mọi đo lường của bên thứ ba đều đồng ý rằng nó ít nhất ngang bằng với phiên bản tiền nhiệm về thông lượng chứ không phải nhanh gấp hai đến ba lần. Nếu bạn đang bắt đầu một khối lượng công việc mới, hoặc bạn đang dựa vào DeepSeek-V4-Flash-Vision-Exp cho hình ảnh, thì việc chuyển đổi rất đơn giản và chi phí di chuyển chỉ là một chuỗi mô hình.

Lý do để tạm dừng nay đã hẹp hơn trước và cụ thể hơn. Nếu các prompt, schema gọi công cụ và bài đánh giá của bạn được tinh chỉnh dựa trên V4-Flash-0731, thì một mô hình được huấn luyện lại là một thay đổi về hành vi chứ không phải thay đổi về tốc độ — cách viết prompt, ranh giới từ chối và độ dài đầu ra đều thay đổi, và việc mô hình mới nói nhiều hơn tự nó đã là một thay đổi hành vi, thể hiện trên hóa đơn của bạn trước khi thể hiện trong các chỉ số chất lượng. Và nếu triển khai của bạn tự vận hành trên llama.cpp hay Ollama, hoặc ngân sách của bạn phụ thuộc vào token đầu ra thay vì đầu vào được lưu đệm, thì bài toán kinh tế của việc chuyển đổi không giống như những gì tiêu đề buổi ra mắt ngụ ý. Chạy một ngày lưu lượng của chính bạn qua cả hai và so sánh số completion được chấp nhận trên mỗi đô la sẽ cho bạn biết nhiều hơn bất kỳ bảng nào ở trên.

Với hầu hết các đội, lập trường có thể biện minh sau một tuần không phải là một trong hai quan điểm ồn ào: hãy coi DeepSeek V4.1 Flash là mặc định vì bằng chứng độc lập giờ đây đã ủng hộ điều đó, cứ để DeepSeek V4 Flash phục vụ những gì nó vốn đã phục vụ tốt — trọng số của nó vẫn ở đó, vẫn theo MIT — và hãy đo lại thông lượng trên chính khối lượng công việc của bạn thay vì tin vào các con số cộng đồng tuần ra mắt hoặc một dòng duy nhất trên bảng xếp hạng. Bản kế nhiệm thực sự tốt hơn. Chỉ là nó tốt hơn ít hơn, và ở những chỗ khác, so với những gì buổi ra mắt gợi ý.