DeepSeek: DeepSeek V4.1 Flash
Změna ceny
Snížení o 10.0 %
Vstup: $0.015 → $0.014
Výstup: $0.990 → $0.891
Zaměření
Vlajkový Multimodální model (Frontier)
Doporučené využití
Komplexní analýza obrazových materiálů, dokumentů, grafů a tabulek
• Multioborové řešení problémů napříč textem i vizuálními vstupy
• Špičkové porozumění jemným nuancím v kontextu a vysoká spolehlivost
Cena API · za 1 milion tokenů
Vstup: $0.014
Výstup: $0.891
Čtení cache: $0.005
Kontextové okno
1 048 576 tokenů
Architektura
a 40-layer Transformer organized as a 20-layer causal encoder followed by a 20-layer decoder. With CED, the decoder's global KV cache is projected from the final encoder hidden states rather than derived from each decoder layer's own hidden states. This allows the model to activate only 8B parameters per token during prefill and 16B during decode, substantially improving cost efficiency for input-heavy agentic workloads. SWA Bounded Replay reconstructs missing SWA KV states by replaying only the most recent n_win tokens, avoiding the need to persist SWA KV to SSD and reducing the persistent KV cache footprint to roughly 1/8 of that of DeepSeek-V4-Flash.
Podporované vstupy API
Text · Obrázky
Schopnosti API
Volání nástrojů · Uvažování (reasoning) · Opakované využití uloženého vstupu
Dostupnost vah
Veřejně dostupné váhy pro vlastní provoz.
Licence: mit
Velikost repozitáře: 475.3 GB
Náklady na vlastní provoz závisí na použité infrastruktuře.
Architektura. DeepSeek-V4.1-Flash využívá architekturuCausal Encoder-Decoder (CED)
40vrstvý transformátor organizovaný jako 20vrstvý kauzální kodér následovaný 20vrstvým dekodérem. S CED je globální mezipaměť KV dekodéru promítána z konečných skrytých stavů kodéru spíše než odvozena z vlastních skrytých stavů každé vrstvy dekodéru.
Co je na modelu důležité
Stlačená řídká pozornost 2 (CSA2). DeepSeek-V4.1-Flash používá CSA2, který přiřadí každé vrstvě pozornosti jeden ze tří statických režimů —Full,Reindex nebo Reuse— pro sdílení hlavního KV a indexeru K napříč vrstvami a opětovné použití indexů řídké pozornosti Top-K.
Co je na modelu důležité
Mezi další architektonické komponenty patří jednoprůchodové mHC (revidované míchání zbytkového proudu s účinným jádrem Mega-mHC), podmíněná paměť Engram (parametry 196B, řídce přístupné prostřednictvím vyhledávání založeného na tokenu) a spekulativní dekódování DSpark (poloautoregresivní generování konceptu s ověřováním důvěryhodnosti). Model využívá 1 sdíleného odborníka a 384 směrovaných odborníků na vrstvu MoE, čímž aktivuje 6 směrovaných odborníků na token.
Co je na modelu důležité
Multimodální architektura. Vizuální kodér (DeepSeek-ViT, vyškolený od nuly s 2D-RoPE a 3×3 pixel-unshuffle downsampling) a dvouvrstvý MLP projektor převádějí obrazy na vizuální vložení, zpracovávané společně s textovými vloženími od začátku předškolení jazykového modelu.