DeepSeek выложила мультимодальную V4.1 Flash на 552 млрд параметров под лицензией MIT
Модель понимает изображения и текст, работает с контекстом до 1 млн токенов и занимает в KV-кеше примерно вчетверо меньше места, чем V4 Flash.
DeepSeek выпустила DeepSeek-V4.1-Flash, мультимодальную MoE-модель на 552 млрд параметров основы. Она понимает изображения и текст, генерирует текст и поддерживает контекст до 1 млн токенов. Веса опубликованы на Hugging Face под лицензией MIT.
Модель построена на архитектуре Causal Encoder-Decoder: 20 слоёв энкодера и 20 слоёв декодера. При обработке запроса активируется 8 млрд параметров на токен, при генерации 16 млрд. Глобальный KV-кеш занимает 890 байт на токен, у DeepSeek-V4-Flash этот показатель был примерно в четыре раза выше.
DeepSeek обучила модель с нуля на 45 трлн токенов мультимодального корпуса. В приложении и веб-версии три режима, «быстрый», «экспертный» и работа с изображениями, теперь объединены в одну модель.
По данным Telegram-канала, с 10 сентября DeepSeek снизила цены API серии Flash. Ввод при промахе кеша в непиковые часы подешевел с $0,23 до $0,15 за 1 млн токенов, ввод при попадании в кеш — с $0,0075 до $0,003. По тем же данным, с 14 сентября компания собиралась перенаправлять запросы к V4 Pro на V4.1 Flash по цене Flash, но 12 сентября решила оставить V4 Pro.
Позднее V4.1-Flash попала в отчёт Anthropic о китайской модели GLM-5.3. На 41 баге движка Chrome V8 модель DeepSeek показала около 0% успешных эксплойтов, тогда как GLM-5.3 собрала рабочий эксплойт в 12% попыток.