DeepSeek-V4.1-Flash est en ligne : prend en charge le contexte de jeton de 1 M. le cache KV global de 890 octets par jeton

DeepSeek-V4.1-Flash est en ligne : prend en charge le contexte de jeton de 1 M, le cache KV global de 890 octets par jeton. Faits saillants de la version DeepSeek a annoncé DeepSeek-V4.1-Flash le 10 septembre 2026, qui se positionne comme le plus petit modèle de la nouvelle famille d'architecture, prend en charge le traitement natif des images et du texte et prétend avoir des capacités, une vitesse d'inférence, un débit et une évolutivité améliorés vers des modèles plus grands. Le modèle a été lancé sur l'API DeepSeek. Définissez le modèle sur deepseek-flash pour utiliser la prise en charge multimodale native. Architecture et efficacité DeepSeek-V4.1-Flash est un MoE multimodal avec 552 B de paramètres de base et prend en charge jusqu'à 1 million de contextes de jetons. Son architecture Causal Encoder-Decoder (CED) se compose de 20 couches d’encodeur causal et de 20 couches de décodeur. Chaque jeton de pré-remplissage d'entrée active des paramètres 8B et le décodage de sortie active des paramètres 16B. Chaque couche de MoE du modèle utilise 1 expert partagé et 384 experts routés, et chaque jeton active 6 experts routés. Le modèle est formé à partir de zéro avec des données multimodales de jetons 45T, une attention clairsemée est d'abord formée avec une longueur de séquence de 64K, puis le contexte est étendu à 1 million de jetons à 34T jetons. Compressed Sparse Attention 2 (CSA2), Hierarchical Sparse Indexer et la mise en cache KV principale FP4 compressent le cache KV global à 890 octets par jeton, soit environ 1/4 de DeepSeek-V4-Flash. SWA Bounded Replay reconstruit uniquement le dernier jeton n_win, réduisant le cache KV persistant à environ 1/8 de DeepSeek-V4-Flash ; l'annonce résume que les exigences HBM représentent 1/4 de la génération précédente et les exigences de stockage SSD sont 1/8. Le modèle de contrôle d'inférence et de charge de travail des agents fournit un effort de raisonnement entier de 1 à 100 pour ajuster en permanence le compromis entre le coût du raisonnement et la précision. Les responsables associent la compression du cache KV aux coûts des agents, soulignant que les coûts d'accès au cache représentent souvent une grande partie des coûts des agents, de sorte que la réduction du cache peut réduire les coûts de service pour les charges de travail à contexte long. Le modèle intègre également des composants tels que la mémoire conditionnelle Engram, le décodage spéculatif DSpark et le mHC Single-Pass. La post-formation suit le processus de distillation SFT → RL → on-policy. Les principaux changements se concentrent sur la synthèse automatique des tâches, des environnements et des pipelines de données de déploiement des agents. Les résultats et les conditions de l'évaluation sont officiellement comparés aux modèles de base dans le cadre interne de DeepSeek et dans les mêmes paramètres d'évaluation. Les différences de score inférieures à 0,3 sont considérées comme équivalentes. DeepSeek-V4.1-Flash-Base a obtenu un score de 74,1 en MMLU-Pro, 60,6 en BigCodeBench Pass@1, 79,4 en HumanEval Pass@1 et 93,0 en GSM8K ; les comparaisons de ces résultats avec DeepSeek-V4-Flash-Base et DeepSeek-V4-Pro-Base sont toutes des évaluations de cadre interne. Dans le test de l'échafaudage d'agent, tous les paramètres utilisaient des conteneurs Linux, température = 1,0, topp = 0,95, limite de contexte de jeton de 1 million, maxsteps = 500 et effort de raisonnement maximal ; DeepSWE v1.1 utilisait N=8 par tâche, Terminal-Bench 2.1 utilisait N=3, et ce dernier ne fournissait pas de réseau. DeepSeek-V4.1-Flash combiné avec DSH Minimal a obtenu un score de 72,6 dans DeepSWE v1.1 et de 90,6 dans Terminal-Bench 2.1 Pass@1 ; Le mini-agent SWE a obtenu respectivement 74,2 et 90,3. DeepSeek-V4.1-Flash est en tête des autres modèles dans les scores DeepSWE v1.1 (74,2), CyberGym (88,1) et Automation-Bench (54,8), mais est en retard sur Opus5 et GPT5.6-Sol dans Terminal-Bench 3.0 (30,0). API, compatibilité et déploiement V4-Flash et V4-Flash-Vision-Exp ont été retirés ; deepseek-v4-flash et deepseek-v4-flash-vision-exp ne sont actuellement que temporairement acheminés vers V4.1-Flash. Cette voie de compatibilité n’est pas un arrangement permanent. L'extrait source lu montre que le prix de l'API est fixé aux prix de pointe/hors pointe, et que le prix hors pointe est de 50 % du prix de pointe ; le prix total n'a pas encore été confirmé. DeepSeek a également déclaré qu'il travaillerait avec la communauté open source pour promouvoir la prise en charge de l'inférence V4.1-Flash et davantage d'options de déploiement ; actuellement, le dossier d'encodage et la recette deepseek fournissent des outils d'encodage rapide et de conversion de format API, mais l'inférence de modèle, l'exécution d'outils et le transport HTTP sont toujours sous la responsabilité de l'appelant. Texte original : https://easyvibecoding.app/curated/3303-deepseek-releases-deepseek-v4-1-flash-1m-token-context-kv