ИИ-модель DeepSeek V4.1 Flash можно скачать бесплатно: кэш сжат в 437 раз, контекст на миллион токенов

Китайская лаборатория DeepSeek AI опубликовала технический отчёт и открытые веса модели V4.1 Flash. Как сообщает Marktechpost, релиз нацелен на главное узкое место длинных ИИ-агентов (программ, которые сами выполняют цепочку задач): кэш ключей и значений (KV-кэш), который при контексте в миллион токенов (единиц текста, которые модель обрабатывает за раз) съедает всю доступную память.

Модель выложена на Hugging Face под лицензией MIT, то есть её можно скачать и использовать бесплатно, в том числе в коммерческих проектах.

Что отличает V4.1 Flash от предшественника?

• Архитектура «кодировщик плюс декодер». 40 слоёв разделены пополам: 20 слоёв кодировщика и 20 слоёв декодера. Промпт обрабатывается только кодировщиком, что почти вдвое сокращает вычисления на этапе первичной обработки (prefill). Для автора: модель быстрее «читает» ваш длинный запрос.

• KV-кэш сжат в четыре раза. Глобальный кэш занимает 890 байт на токен. У DeepSeek-V4-Flash этот показатель был примерно в четыре раза больше, а у V1 он был в 437 раз больше.

• 552 миллиарда параметров, но активируются не все сразу. Модель построена по принципу MoE (Mixture-of-Experts, смесь экспертов, когда для каждого запроса включается только часть нейросети). На этапе чтения промпта работают 8 миллиардов параметров, на этапе генерации ответа 16 миллиардов.

• Контекстное окно в миллион токенов. При этом вычислительная нагрузка на генерацию одного токена растёт лишь на четверть, когда контекст увеличивается с 4 тысяч до миллиона токенов.

• FP4-квантизация кэша. Основной KV-кэш хранится в четырёхбитном формате (E2M1), что ещё вдвое сокращает объём по сравнению с восьмибитным кэшем V4.

• Обучение на 45 триллионах мультимодальных токенов в соотношении текста к остальным модальностям 7 к 1. Базовая модель, по данным технического отчёта DeepSeek, сравнялась с DeepSeek-V4-Pro-Base по знаниям и программированию, используя втрое меньше общих параметров.

• Результаты на бенчмарках агентного кодирования. По данным того же отчёта, модель обошла Opus-5 и GPT-5.6 Sol на Terminal-Bench 2.1 и DeepSWE v1.1.

Как попробовать?

1. Через API. DeepSeek описывает публичный API с тремя уровнями рассуждения: low, high и max. Зарегистрируйтесь на платформе DeepSeek и выберите нужный режим.

2. Скачать веса и запустить локально. Откройте страницу модели на Hugging Face, скачайте веса (лицензия MIT). Поддерживаются фреймворки vLLM, SGLang и Transformers. Это путь для тех, кто ищет ИИ-модель DeepSeek на русском: скачать веса, развернуть на своём сервере и настроить системный промпт на русском языке.

3. Проверьте железо. При активации 8-16 миллиардов параметров и сжатом кэше модель запускается на оборудовании, которое раньше не потянуло бы такой контекст. Точные минимальные требования команда DeepSeek в отчёте не указала.

Сравнение с российскими аналогами

Для тех, кто работает в России и привык к YandexGPT или GigaChat, вот ключевое отличие.

Если вам нужна ИИ-модель DeepSeek на русском и вы готовы скачать и развернуть её самостоятельно, V4.1 Flash даёт контекст, недоступный ни в YandexGPT, ни в GigaChat. Но настройка потребует технических навыков или помощи разработчика.

Что делать с этим прямо сейчас, по ролям

Автору Дзена. Попросите знакомого разработчика развернуть V4.1 Flash на сервере или используйте API. Загрузите в контекст десять своих лучших статей и попросите модель найти повторы, слабые заголовки и темы, которые вы не раскрыли. Миллион токенов хватит примерно на 500 страниц текста за один запрос.

Маркетологу. Агентные сценарии, например, автоматический мониторинг упоминаний бренда по сотням источников, становятся в четыре раза дешевле по памяти. Если вы строили такие системы на V4-Flash и упирались в стоимость серверов, пересчитайте бюджет.

Предпринимателю в РФ. Открытые веса под MIT означают, что модель можно запустить на российском сервере без зависимости от зарубежных API. Данные не уходят за рубеж. Это аргумент для тех, кому важна локальность и контроль.

Частые вопросы

Можно ли использовать V4.1 Flash бесплатно?

Да. Веса распространяются под лицензией MIT, которая разрешает коммерческое использование. Скачать можно с Hugging Face. API тоже доступен, но его тарифы DeepSeek пока не раскрыла.

Заменяет ли эта модель ChatGPT или YandexGPT?

Не напрямую. V4.1 Flash сильна в длинных агентных задачах и кодировании. Для коротких диалогов и бытовых вопросов на русском YandexGPT или GigaChat могут оказаться удобнее, потому что не требуют настройки. Но если вам нужен контекст в сотни тысяч токенов, у российских сервисов пока нет сопоставимого предложения.

Нужен ли мощный компьютер для локального запуска?

Модель активирует от 8 до 16 миллиардов параметров на токен, но общий объём весов составляет сотни миллиардов. Для полноценного запуска понадобится сервер с большим объёмом видеопамяти. Точные минимальные требования команда DeepSeek в техническом отчёте не указала. Для первого знакомства проще начать с API.

Открытая модель с миллионным контекстом и кэшем, который в 437 раз легче первого поколения, делает длинные агентные задачи доступными не только корпорациям с бюджетом на кластеры, а любой команде с одним сервером и готовностью разобраться в настройке.