DeepSeek-V4.1-Flash ist online: unterstützt 1 Mio. Token-Kontext. globaler KV-Cache 890 Byte pro Token

DeepSeek-V4.1-Flash ist online: unterstützt 1 Mio. Token-Kontext, globaler KV-Cache 890 Byte pro Token. Release-Highlights DeepSeek kündigte am 10. September 2026 DeepSeek-V4.1-Flash an, das als kleinstes Modell der neuen Architekturfamilie positioniert ist, native Bild- und Textverarbeitung unterstützt und angeblich über verbesserte Fähigkeiten, Inferenzgeschwindigkeit, Durchsatz und Skalierbarkeit für größere Modelle verfügt. Das Modell wurde auf der DeepSeek-API gestartet. Stellen Sie das Modell auf „deepseek-flash“ ein, um native multimodale Unterstützung zu nutzen. Architektur und Effizienz DeepSeek-V4.1-Flash ist ein multimodales MoE mit 552B-Backbone-Parametern und unterstützt bis zu 1 Mio. Token-Kontext. Seine Causal Encoder-Decoder (CED)-Architektur besteht aus 20 Schichten Kausal-Encoder und 20 Schichten Decoder. Jeder Eingabe-Vorfülltoken ermöglicht 8B Parameter und die Ausgabedekodierung ermöglicht 16B Parameter. Jede MoE-Schicht des Modells verwendet 1 gemeinsamen Experten und 384 weitergeleitete Experten, und jedes Token ermöglicht 6 weitergeleitete Experten. Das Modell wird von Grund auf mit multimodalen Daten von 45T-Tokens trainiert, Sparse Attention wird zunächst mit 64K-Sequenzlängen trainiert und dann wird der Kontext auf 1M-Tokens bei 34T-Tokens erweitert. Compressed Sparse Attention 2 (CSA2), Hierarchical Sparse Indexer und FP4-Haupt-KV-Caching komprimieren den globalen KV-Cache auf 890 Bytes pro Token, was etwa einem Viertel von DeepSeek-V4-Flash entspricht. SWA Bounded Replay erstellt nur das neueste n_win-Token neu und reduziert so den persistenten KV-Cache auf etwa 1/8 von DeepSeek-V4-Flash; Die Ankündigung fasst zusammen, dass die HBM-Anforderungen 1/4 der vorherigen Generation und die SSD-Speicheranforderungen 1/8 betragen. Das Inferenzkontroll- und Agenten-Workload-Modell bietet einen ganzzahligen Argumentationsaufwand von 1 bis 100, um den Kompromiss zwischen Argumentationskosten und Genauigkeit kontinuierlich anzupassen. Beamte verknüpfen die KV-Cache-Komprimierung mit den Agent-Kosten und weisen darauf hin, dass die Cache-Hit-Kosten oft einen großen Teil der Agent-Kosten ausmachen, so dass eine Verkleinerung des Caches die Servicekosten für Workloads mit langen Kontexten senken kann. Das Modell integriert auch Komponenten wie den bedingten Engram-Speicher, die spekulative Dekodierung von DSpark und Single-Pass-mHC. Nach dem Training folgt der SFT → RL → On-Policy-Destillationsprozess. Die wichtigsten Änderungen konzentrieren sich auf die automatische Synthese von Agentenaufgaben, Umgebungen und Rollout-Datenpipelines. Die Evaluierungsergebnisse und -bedingungen werden offiziell mit Basismodellen im internen Framework von DeepSeek und unter denselben Evaluierungseinstellungen verglichen. Punkteunterschiede innerhalb von 0,3 gelten als gleichwertig. DeepSeek-V4.1-Flash-Base erreichte 74,1 in MMLU-Pro, 60,6 in BigCodeBench Pass@1, 79,4 in HumanEval Pass@1 und 93,0 in GSM8K; Vergleiche dieser Ergebnisse mit DeepSeek-V4-Flash-Base und DeepSeek-V4-Pro-Base sind allesamt interne Framework-Bewertungen. Im Agent-Gerüsttest verwendeten alle Einstellungen Linux-Container, Temperatur = 1,0, topp = 0,95, 1 Mio. Token-Kontextlimit, maxsteps = 500 und maximaler Argumentationsaufwand; DeepSWE v1.1 verwendete N=8 pro Aufgabe, Terminal-Bench 2.1 verwendete N=3 und letzteres stellte kein Netzwerk bereit. DeepSeek-V4.1-Flash in Kombination mit DSH Minimal erzielte 72,6 in DeepSWE v1.1 und 90,6 in Terminal-Bench 2.1 Pass@1; Mini-SWE-Agent erzielte 74,2 bzw. 90,3 Punkte. DeepSeek-V4.1-Flash führt andere Modelle in den Ergebnissen von DeepSWE v1.1 (74,2), CyberGym (88,1) und Automation-Bench (54,8) an, bleibt aber in Terminal-Bench 3.0 (30,0) hinter Opus5 und GPT5.6-Sol zurück. API, Kompatibilität und Bereitstellung V4-Flash und V4-Flash-Vision-Exp wurden eingestellt; deepseek-v4-flash und deepseek-v4-flash-vision-exp werden derzeit nur vorübergehend auf V4.1-Flash umgeleitet. Bei dieser Kompatibilitätsroute handelt es sich nicht um eine dauerhafte Vereinbarung. Der gelesene Quellausschnitt zeigt, dass die Preise für API zu Spitzen-/Nebenzeitenpreisen berechnet werden und der Nebenzeitenpreis 50 % des Spitzenpreises beträgt; Der Gesamtpreis steht noch nicht fest. DeepSeek erklärte außerdem, dass es mit der Open-Source-Community zusammenarbeiten werde, um die V4.1-Flash-Inferenzunterstützung und mehr Bereitstellungsoptionen zu fördern; Derzeit stellen der Encoding-Ordner und das Deepseek-Recipe Tools für die schnelle Codierung und API-Formatkonvertierung bereit, Modellinferenz, Toolausführung und HTTP-Transport liegen jedoch weiterhin in der Verantwortung des Aufrufers. Originaltext: https://easyvibecoding.app/curated/3303-deepseek-releases-deepseek-v4-1-flash-1m-token-context-kv