DeepSeek V4.1 Flash nousi kuudenneksi maailmassa vain päiviä julkaisun jälkeen

DeepSeek julkaisi 10. syyskuuta monimuotoisen V4.1 Flash -mallin, joka hyödyntää Mixture-of-Experts-arkkitehtuuria. Mallissa on 552 miljardin parametrin runko, mutta se aktivoi päättelyn aikana vain pienen osan niistä, mikä merkitsee muutosta siinä, miten suuret kielimallit tasapainottavat kokoa ja tehokkuutta. Datanseurantapalvelu Gelonghuin mukaan malli nousi kolmessa päivässä julkaisustaan kuudennelle sijalle maailmanlaajuisessa tokenien kulutuksessa OpenRouter-alustalla.news.futunn

Malli korvaa DeepSeekin aiemmat V4 Flash- ja V4 Flash Vision -versiot, joista tehdyt kutsut ohjautuvat nyt automaattisesti V4.1 Flashiin rajapinnan kautta. Syyskuun 14. päivästä alkaen myös kaikki V4 Pro -rajapintaan tehdyt pyynnöt ohjataan tilapäisesti V4.1 Flashiin ja laskutetaan sen edullisemman hinnan mukaan, kunnes V4.1 Pro julkaistaan.hi-tech+1

Arkkitehtuuri ja tehokkuus

V4.1 Flash perustuu Causal Encoder-Decoder -arkkitehtuuriin ja se sisältää yhteensä 552 miljardia parametria, mutta sen Mixture-of-Experts-rakenne aktivoi vain 8 miljardia parametria syötteen käsittelyn aikana ja 16 miljardia parametria tuotoksen luonnin aikana. Tämä on vähemmän kuin aiemman V4 Flash -mallin aktivoimat 13 miljardia parametria tokenia kohden, kun kyseisessä mallissa oli yhteensä 284 miljardia parametria.hackernoon+2

Malli tukee jopa yhden miljoonan tokenin konteksti-ikkunaa ja käyttää uudelleensuunniteltua KV-välimuistia, joka tallentaa noin 890 tavua tokenia kohden. Tämä on noin neljäsosa V4 Flashin muistijäljestä. Suuria työkuormia ajaville organisaatioille muistivaatimusten pieneneminen voi olla merkittävämpää kuin pelkät suorituskykymittausten parannukset. Mallin painot ovat julkisesti saatavilla Hugging Face -palvelussa MIT-lisenssillä.mindstudio+2

Varhainen käyttöönotto ja markkina-asema

Maailmanlaajuinen tekoälymallien tokenien kulutus nousi 127 biljoonaan tokeniin 7.-13. syyskuuta välisellä viikolla, mikä on yli 10 prosenttia enemmän kuin edellisellä viikolla, ilmenee Gelonghuin uutisoimista OpenRouterin tiedoista. Kiinalaisten tekoälymallien osuus oli 61,17 biljoonaa tokenia, ja ne säilyttivät johtoasemansa yhdysvaltalaisiin malleihin nähden jo 20. peräkkäistä viikkoa.news.futunn

V4.1 Flash debytoi kuudennella sijalla 4,94 biljoonan tokenin kulutuksella kolmena ensimmäisenä päivänään, kun taas Xiaomin MiMo-V2.5 nousi 230 prosenttia edellisviikosta viidennelle sijalle. Samaan aikaan Alibaba Cloud ↘ 0.06% julkaisi 13. syyskuuta oman isännöidyn DeepSeek-V4.1-Flash-alustansa, joka tarjoaa rajapintayhteyden ja Token Plan -tilauksen integroituna muun muassa Qoder- ja Codex-työkaluihin.gurufocus+1

Suorituskykymittaukset ja rajoitukset

Maksimaalisella päättelykapasiteetilla V4.1 Flash sai tulokseksi 74,2 DeepSWE v1.1 -testissä, 90,6 Terminal-Bench 2.1 -testissä ja 88,1 CyberGym-testissä DeepSeekin omien arvioiden mukaan. Malli osoitti myös vahvaa monimuotoista suorituskykyä saaden 95,6 DocVQA-testissä ja 56,5 MMMU-Pro-testissä.flowtivity+1

V4.1 Flash jää kuitenkin jälkeen DeepSeekin omasta V4 Pro -mallista useissa tietoa ja päättelyä mittaavissa testeissä, ja sen pitkän kontekstin LongBench-V2-tulos 45,2 jää jälkeen V4 Pron tuloksesta 51,5. DeepSeek ei ole julkaissut VRAM-muistivaatimuksia, päättelynopeustestejä tai eräkokosuosituksia, joten paikallisen käyttöönoton suunnittelu jää pitkälti kehittäjien omien testien varaan.hackernoon