DeepSeek V4.1 Flash: быстрее флагмана, цены снижены

Flash, который убил Pro
DeepSeek тихо сделала то, что многие считали невозможным: выпустила "маленькую" модель, которая по бенчмаркам обошла собственный флагман. DeepSeek V4.1 Flash - это 552B параметров в архитектуре MoE, и при этом компания называет ее наименьшей в новой линейке. Если это минимальный размер, интересно представить, каким будет Pro.
Компания объявила о релизе сегодня, 10 сентября, и сразу же запустила новые цены - с 12:00 по пекинскому времени. Это не анонс, это живой продукт, который уже работает через API.
Архитектура, которую стоит разобрать
Главная техническая история здесь - новая структура Causal-Encoder-Decoder с асимметричными входом и выходом. Входная активация занимает 8B параметров, выходная - 16B. Это принципиально другой подход по сравнению с тем, как обычно строят трансформеры: вход и выход работают в разных режимах, что позволяет резко снизить стоимость инференса.
Еще интереснее история с KV Cache. По сравнению с предыдущим поколением потребность в HBM (быстрой памяти на GPU) упала в 4 раза, а в SSD - в 8 раз. Если смотреть на всю историю DeepSeek, KV Cache сжался в 437 раз относительно первой модели. Это не маркетинговое число - это прямая экономия на железе при деплое.
Для агентных сценариев это особенно важно. В длинных диалогах и цепочках инструментов кэш может составлять большую часть счета. DeepSeek прямо указывает, что сжатие KV Cache значительно снижает стоимость агентных задач - насколько именно в каждом конкретном случае, зависит от структуры запросов.
Мультимодальность без костылей
V4.1 Flash умеет обрабатывать изображения нативно - не через отдельный энкодер, прикрученный сбоку, а как часть базовой архитектуры. Предыдущие версии Flash и Flash Vision Exp были отдельными моделями с разными именами. Теперь это одна модель, один эндпоинт.
Для разработчиков это означает упрощение: не надо решать, какую версию дергать в зависимости от типа запроса. Передал картинку - модель ее поняла. Не передал - работает как текстовая. API-имя для вызова: deepseek-flash.
Что происходит с V4 Pro
DeepSeek не просто выпустила новую модель - они объявили о плановом закате V4 Pro. С 14 сентября 2026 года в 12:00 по Пекину все запросы к deepseek-v4-pro будут перенаправляться на V4.1 Flash и тарифицироваться по его ценам.
Это смелый шаг. Компания фактически говорит: Flash теперь лучше Pro по всем параметрам - производительности, скорости, стоимости и задержкам. Зачем держать два продукта, если один объективно выигрывает?
Пользователи, которые платили по тарифам Pro, будут тарифицироваться по ценам Flash - это прямо следует из объявления. Единственный риск - если чья-то система была откалибрована под специфическое поведение V4 Pro, придется перепроверить промпты.
Сравнение с тем, что есть на рынке
DeepSeek публикует сравнение на агентных бенчмарках, и там V4.1 Flash стоит рядом с передовыми моделями. Конкретные цифры по конкретным тестам компания приводит в техническом отчете на Hugging Face - рекомендую смотреть туда, а не верить маркетинговым таблицам из пресс-релизов.
По ощущению от архитектуры: DeepSeek идет через архитектурную инновацию, а не через сжатие готовой модели. Асимметричный энкодер-декодер - это другой способ построить модель с нуля. Посмотрим, как это скажется на качестве рассуждений в реальных задачах, а не только на бенчмарках.
Ценообразование и доступность
Действует пиковое/непиковое ценообразование: ночные часы стоят вдвое дешевле дневных. DeepSeek активно продвигает этот подход - если у вас батчевые задачи без жестких дедлайнов, запускать их ночью финансово выгодно.
Для российских пользователей ситуация стандартная для DeepSeek: API доступен, но с оговорками. Прямые платежи с российских карт исторически работают нестабильно - часть пользователей платит через посредников или используют зарубежные карты. VPN при этом обычно не требуется для API-запросов, но при регистрации могут возникнуть сложности в зависимости от IP.
Открытый исходный код
Модель выложена на Hugging Face. DeepSeek обозначила условие для желающих деплоить самостоятельно: нужно от 2000 GPU и наличие собственного хранилища. Это не домашний проект - 552B MoE требует серьезной инфраструктуры. Но для крупных компаний, которые хотят держать модель у себя, вариант существует.
WorkBuddy (включая CodeBuddy) и OpenCode уже подключили V4.1 Flash как официальные партнеры. Это означает, что разработчики, использующие эти инструменты, получат обновление автоматически.
Что это значит для рынка
DeepSeek продолжает делать одно и то же: брать архитектурные идеи, доводить их до предела и снижать цены. V4.1 Flash - очередное подтверждение этой стратегии. Пока OpenAI и Anthropic соревнуются в размере контекста и мультимодальных возможностях топовых моделей, DeepSeek показывает, что "быстрая" версия может превзойти вчерашний флагман.
Следующий вопрос - когда выйдет V4.1 Pro. Судя по тому, как компания описывает Flash как "наименьшую в серии", Pro должен быть значительно больше. Если Flash с 8B входной активацией уже обходит V4 Pro, что сделает полноразмерная версия - интересно посмотреть.
Источники
Похожие новости
OpenAI выпустила GPT-6.2 Astra и Sol: входные и выходные токены Astra в API на 20% дешевле, чем у GPT-6 Astra
OpenAI представила две модели: флагманскую GPT-6.2 Astra и экономичную GPT-6.2 Sol. Они доступны в ChatGPT Work, Codex и API и тратят меньше выходных токенов. В API Astra дешевле GPT-6 Astra: входные и выходные токены на 20% ниже, на кэшированные входные скидка 60%.
OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента
OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.
NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300
В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.