DeepSeek V4.1-Flash активирует 16 из 763 млрд параметров: качество выше флагмана, цена в разы ниже

Аналитический ресурс Latent Space, который отслеживает публикации DeepSeek с момента выхода V2, обращает внимание: компания намеренно назвала модель скромно, v4.1-Flash, хотя архитектура изменилась настолько, что исследователь Себастиан Рашка прямо заявил, что «им следовало назвать это DeepSeek V5». Между тем независимый бенчмарк-аккаунт Artificial Analysis уже зафиксировал, что v4.1-Flash превосходит DeepSeek V4 Pro 0813 по их собственному индексу.

Что именно изменили в архитектуре?

Главное нововведение DeepSeek v4.1-Flash, разделение вычислений на две фазы с разным количеством активных параметров.

Когда модель читает ваш запрос (фаза prefill, предварительное заполнение), она задействует только 8 миллиардов параметров из 763 миллиардов. Когда генерирует ответ (фаза decode, декодирование), подключаются 16 миллиардов. Остальные параметры «спят». Это и есть разреженность (sparsity) в 1-2 %: из огромной модели в каждый момент работает крошечная часть.

Представьте библиотеку из 763 тысяч книг, где для ответа на ваш вопрос библиотекарь открывает сначала 8, а потом 16 книг, а не все сразу. Результат тот же, электричества и времени уходит несопоставимо меньше.

Кроме того, в модели применён механизм Sliding-Window Attention Bounded Replay (повторное воспроизведение внимания в скользящем окне). Технический обзор Stochastic Chasm описывает подход как комбинацию локального «скользящего окна» и разреженного поиска по длинному контексту, и отмечает, что этот гибридный паттерн становится отраслевой нормой.

Мультимодальность (способность работать и с текстом, и с картинками) добавлена без отдельной модели: по описанию Stochastic Chasm, DeepSeek «позволяет основной архитектуре обрабатывать визуальные токены напрямую», используя технику 3×3 pixel unshuffle вместо более сложных решений.

Что показали независимые замеры?

• Artificial Analysis Intelligence Index: DeepSeek v4.1-Flash набрала 40 баллов, встав чуть ниже GLM-5.3-Flash, но выше предшественника V4 Pro, при цене в разы меньше.
• Vals Index: модель заняла первое место среди открытых моделей, обойдя Kimi K3. Тест проводился с контекстом 1 млн токенов, максимальным выводом 384 токена и температурой 1.
• KV-кеш (оперативная память, которую модель расходует на хранение контекста разговора): по данным технического отчёта DeepSeek, объём KV-кеша сократился до одной восьмой от показателя V4 Flash, то есть примерно на 87 %.
• Доступность: Baseten запустил поддержку в день релиза. Ollama начала раскатку для аккаунтов Max и Team, затем для подписчиков Pro.

Что это даёт вам прямо сейчас?

Авторам Дзена и копирайтерам. Если вы используете ИИ для генерации длинных текстов или работы с большими черновиками, модель с контекстом в 1 млн токенов и ценой $0,30 за миллион входных токенов обещает заметное снижение расходов. Пока прямого доступа из России нет, но открытая лицензия MIT означает, что модель можно будет запустить локально или через сторонние сервисы, когда появятся адаптации.

Разработчикам ИИ-агентов и маркетологам. Сокращение KV-кеша в 8 раз, это не абстрактная цифра. Для ИИ-агентов, которые ведут длинные сессии (анализ клиентской базы, мониторинг упоминаний, цепочки задач), именно кеш контекста был главным узким местом по стоимости. DeepSeek v4.1-Flash делает такие сценарии экономически реальными на открытых весах.

Предпринимателям РФ и СНГ. Напрямую API DeepSeek из России недоступен. Из ближайших альтернатив, YandexGPT и GigaChat, но ни одна из них не предлагает сопоставимой длины контекста и открытых весов. Практический путь: дождаться появления v4.1-Flash на платформах вроде Ollama (уже раскатывается) или развернуть модель на собственном сервере с GPU, лицензия MIT это позволяет без ограничений.

Релиз DeepSeek v4.1-Flash показывает, куда движется конкуренция в открытых моделях: не «больше параметров», а «меньше активных параметров при том же качестве». Для тех, кто строит продукты на ИИ, это снижение порога входа, которое стоит отслеживать уже сейчас.

По данным Latent Space