DeepSeek V4.1 Flash

Oversigt. DeepSeek-V4.1-Flash er en multimodal Mixture-of-Experts-model fra DeepSeek, udgivet i september 2026 som den samlede efterfølger til de separate V4 Flash-, V4 Pro- og V4 Flash Vision-modeller, den erstatter. Den kører på en arkitektur med 552 milliarder parametre med et sparsomt aktiveringsmønster (8 milliarder ved prefill, 16 milliarder ved decode) og tager indbygget tekst og billeder som inddata over et kontekstvindue på 1 million tokens. Den er oplagt til udviklere, der samler separate tekst- og billedopgaver på ét endepunkt, eller som har brug for inferens med meget lang kontekst.

Vigtigste styrker. Modellen ruter hvert token gennem 6 ud af 384 rutede eksperter plus en delt ekspert, hvilket giver den en stor parameterarkitektur uden at betale den fulde beregningspris per token. Dens billedforståelse blev trænet sammen med sprogmodellen helt fra starten af træningen i stedet for at blive koblet på bagefter, så billeder og tekst behandles som én indbygget inddatastrøm. Den tilbyder også en ræsonneringsniveau-skyder, der kan styres, så man kan vælge dybere overvejelser til sværere instruktioner eller agentiske trin. DeepSeek beskriver selv denne Flash-klasse som værende på højde med eller bedre end deres tidligere Pro-model til opgaveløsning, selvom denne sammenligning kommer fra leverandøren selv og ikke fra en uafhængig benchmark.

Anvendelsesområder. Brug denne model, når en opgave blander tekst og billeder i samme kald og skal blive i én indbygget multimodal behandlingskæde i stedet for at jonglere med separate billed- og tekstmodeller. Dens kontekstvindue på 1 million tokens passer til lange dokumenter eller samtaler, som ellers ville kræve opdeling. Ræsonneringsniveau-skyderen gør den velegnet til agentiske opgaver eller instruktioner med mange trin, hvor du kun vil skrue op for ræsonneringen, når forespørgslen kræver det, og ellers bruge en hurtigere interaktiv svartid som standard.

Begrænsninger. Uafhængige benchmarks for svartid og kvalitet er endnu ikke tilgængelige for denne nye model, så påstanden om hastighed i interaktiv klasse hviler i øjeblikket på DeepSeeks egen beskrivelse frem for målte data. Understøttelse af verktøjskald, struktureret uddata og JSON-tilstand er ikke bekræftet for denne modelversion, og det er ikke oplyst, hvor træningsdataene slutter. Den maksimale længde for uddata er begrænset til cirka 384k tokens af den nuværende inferensleverandør frem for en ubegrænset generationslængde.