DeepSeek V4.1 Flash: Στην 6η θέση παγκοσμίως λίγες ημέρες μετά την κυκλοφορία του

Η DeepSeek κυκλοφόρησε το V4.1 Flash στις 10 Σεπτεμβρίου, ένα πολυτροπικό μοντέλο αρχιτεκτονικής Mixture-of-Experts που διαθέτει συνολικά 552 δισεκατομμύρια παραμέτρους αλλά ενεργοποιεί μόνο ένα μικρό μέρος τους κατά τη φάση παραγωγής αποτελεσμάτων (inference), σηματοδοτώντας μια στροφή στον τρόπο με τον οποίο τα μεγάλα γλωσσικά μοντέλα ισορροπούν την κλίμακα με την αποδοτικότητα. Μέσα σε τρεις ημέρες από την κυκλοφορία του, το μοντέλο σκαρφάλωσε στην έκτη θέση παγκοσμίως στην κατανάλωση tokens στην πλατφόρμα OpenRouter, σύμφωνα με τα στοιχεία του Gelonghui.news.futunn

Το μοντέλο αντικαθιστά τις παλαιότερες εκδόσεις V4 Flash και V4 Flash Vision της DeepSeek, οι οποίες πλέον δρομολογούνται αυτόματα στο V4.1 Flash μέσω του API. Από τις 14 Σεπτεμβρίου, όλες οι αιτήσεις στο σημείο πρόσβασης (endpoint) του V4 Pro ανακατευθύνονται επίσης προσωρινά στο V4.1 Flash και χρεώνονται με τη χαμηλότερη τιμή του μέχρι να κυκλοφορήσει το V4.1 Pro.hi-tech+1

Αρχιτεκτονική και αποδοτικότητα

Το V4.1 Flash βασίζεται σε μια αρχιτεκτονική Causal Encoder-Decoder με 552 δισεκατομμύρια συνολικές παραμέτρους, αλλά ο σχεδιασμός Mixture-of-Experts ενεργοποιεί μόλις 8 δισεκατομμύρια παραμέτρους κατά την επεξεργασία της εισόδου και 16 δισεκατομμύρια κατά την παραγωγή της εξόδου. Αυτό αποτελεί μειωμένο μέγεθος σε σύγκριση με τα 13 δισεκατομμύρια που ενεργοποιούνταν ανά token στο προηγούμενο V4 Flash, το οποίο διέθετε 284 δισεκατομμύρια συνολικές παραμέτρους.hackernoon+2

Το μοντέλο υποστηρίζει παράθυρο πλαισίου (context window) έως και ένα εκατομμύριο tokens και χρησιμοποιεί έναν ανασχεδιασμένο μηχανισμό KV-cache που αποθηκεύει περίπου 890 bytes ανά token, δηλαδή περίπου το ένα τέταρτο του αποτυπώματος μνήμης του V4 Flash. Για οργανισμούς που εκτελούν φόρτους εργασίας μεγάλου όγκου, η μειωμένη απαίτηση μνήμης ενδέχεται να είναι σημαντικότερη από τα καθαρά κέρδη στις επιδόσεις των benchmarks. Τα βάρη του μοντέλου είναι διαθέσιμα δημόσια στο Hugging Face υπό άδεια MIT.mindstudio+2

Υιοθέτηση και θέση στην αγορά

Η παγκόσμια κατανάλωση tokens σε μοντέλα τεχνητής νοημοσύνης έφτασε τα 127 τρισεκατομμύρια tokens κατά την εβδομάδα 7 έως 13 Σεπτεμβρίου, σημειώνοντας αύξηση άνω του 10% από την προηγούμενη εβδομάδα, σύμφωνα με στοιχεία του OpenRouter που επικαλείται το Gelonghui. Τα κινεζικά μοντέλα τεχνητής νοημοσύνης αντιπροσώπευαν 61,17 τρισεκατομμύρια από αυτά τα tokens, διατηρώντας το προβάδισμά τους έναντι των αμερικανικών μοντέλων για εικοστή συνεχή εβδομάδα.news.futunn

Το V4.1 Flash έκανε ντεμπούτο στην έκτη θέση με 4,94 τρισεκατομμύρια tokens να καταναλώνονται τις πρώτες τρεις ημέρες, ενώ το MiMo-V2.5 της Xiaomi κατέγραψε άλμα 230% σε εβδομαδιαία βάση καταλαμβάνοντας την πέμπτη θέση. Στο μεταξύ, η Alibaba Cloud ↗ 1.28% λάνσαρε τη δική της φιλοξενούμενη πλατφόρμα DeepSeek-V4.1-Flash στις 13 Σεπτεμβρίου, προσφέροντας πρόσβαση API και ένα πρόγραμμα Token Plan ενσωματωμένο με εργαλεία όπως το Qoder και το Codex.gurufocus+1

Επιδόσεις σε benchmarks και περιορισμοί

Στη μέγιστη προσπάθεια συλλογισμού (reasoning effort), το V4.1 Flash συγκέντρωσε βαθμολογία 74,2 στο DeepSWE v1.1, 90,6 στο Terminal-Bench 2.1 και 88,1 στο CyberGym, σύμφωνα με τις αξιολογήσεις της ίδιας της DeepSeek. Το μοντέλο υπέδειξε επίσης ισχυρά πολυτροπικά αποτελέσματα, σημειώνοντας 95,6 στο DocVQA και 56,5 στο MMMU-Pro.flowtivity+1

Ωστόσο, το V4.1 Flash υστερεί έναντι του V4 Pro της ίδιας της DeepSeek σε αρκετές δοκιμές γνώσης και συλλογισμού, ενώ η βαθμολογία του στο LongBench-V2 για μεγάλο πλαίσιο (long-context) διαμορφώθηκε στο 45,2, χαμηλότερα από το 51,5 του V4 Pro. Η DeepSeek δεν έχει δημοσιεύσει τις απαιτήσεις σε μνήμη VRAM, τις μετρήσεις ταχύτητας παραγωγής (inference speed) ή οδηγίες για το μέγεθος πακέτου (batch size), αφήνοντας τον σχεδιασμό της τοπικής εγκατάστασης κυρίως στις δοκιμές των ίδιων των προγραμματιστών.hackernoon