DeepSeek Advanced Åbne vægte Tilgængelig i FlowHunt

DeepSeek V4.1 Flash

DeepSeek V4.1 Flash er en avanceret multimodal AI-model, udviklet af DeepSeek og udgivet i september 2026. Som en open-weight-model under MIT-licensen er dens trænede vægte offentligt tilgængelige, så du kan selv hoste den, finjustere den på proprietære data eller køre den on-premise uden API-afhængigheder. Kontekstvinduet på 1M tokens er stort nok til at rumme hele kodebaser, lange tekniske dokumenter eller udvidede agentiske sessioner uden afkortning.

Læs mere
DeepSeek V4.1 Flash er en Mixture-of-Experts-model med 552B backbone-parametre, der nativt behandler billeder og tekst og genererer tekst. Kun 8B parametre er aktive pr. token under prefill og 16B under decode, hvilket ifølge DeepSeek forbedrer omkostningseffektiviteten for agentiske workflows med meget input. Dens KV-cache er meget mindre end DeepSeek V4-Flash’s, hvilket sænker det hukommelsesforbrug, der kræves til lange kontekster. Den understøtter også en indstilling for ræsonneringsindsats, som kan justeres trinløst.

Benchmarks

Hver score vises én gang, med sin placering blandt de sporede modeller og oplysning om, hvem der målte den.

Sammenlignet med Advanced-modeller på samme skala
  • DeepSeek V4.1 Flashdenne model
  • Mistral Large 4denne model fører på 3 af 4
  • Claude Sonnet 5.5denne model fører på 1 af 4
Verificeret uafhængig evaluator, tæller med i rangeringen Selvrapporteret offentliggjort af DeepSeek, vist men ikke rangeret
Samlet

AA Intelligence Index

Independent composite of agent, coding, knowledge and science tests by Artificial Analysis (v4).

Kilde ↗

DeepSeek V4.1 Flash 39,5 Mistral Large 4 38,4 Claude Sonnet 5.5 56,0
#19af 45 Verificeret
Kodning

DeepSWE

113 long-horizon software tasks written from scratch, graded by hidden tests.

Kilde ↗

DeepSeek V4.1 Flash 74,2% Mistral Large 4 61,7% Claude Sonnet 5.5 71,0%
Ikke rangeret Selvrapporteret
Agenter

Terminal-Bench 4.0

Multi-step professional tasks done by an agent in a command-line terminal.

Kilde ↗Også: Selvrapporteret 31,2%

DeepSeek V4.1 Flash 26,8% Mistral Large 4 26,8% Claude Sonnet 5.5 63,6%
#14af 36 Verificeret
Ræsonnement

Humanity's Last Exam

Expert-written questions across 100+ subjects, no tools.

Kilde ↗Også: Selvrapporteret 36,8% (full set; 39.1 text-only subset)

DeepSeek V4.1 Flash 39,2% Mistral Large 4 35,0% Claude Sonnet 5.5 55,0%
#26af 44 Verificeret

GPQA Diamond

Graduate-level science questions that search cannot answer.

Kilde ↗

DeepSeek V4.1 Flash 90,9% Mistral Large 4 Ingen score Claude Sonnet 5.5 Ingen score
Ikke rangeret Selvrapporteret

ARC-AGI-2

Novel visual puzzles that cannot be memorised.

Kilde ↗

DeepSeek V4.1 Flash 72,9% Mistral Large 4 Ingen score Claude Sonnet 5.5 Ingen score
#13af 27 Verificeret

Hvad skal DeepSeek V4.1 Flash bruges til

Selvhostede & private installationer

DeepSeek V4.1 Flash er open-weight under MIT-licensen. Kør den på din egen GPU-hardware eller private cloud for at holde data i dit miljø, undgå API-omkostninger per token i stor skala eller finjustere den på proprietære datasæt.

Agentiske workflows med meget input

Dens design aktiverer færre parametre under prefill, hvilket ifølge DeepSeek forbedrer omkostningseffektiviteten for agenter, der læser meget kontekst for hvert trin.

Analyse af lange dokumenter & kodebaser

Med et kontekstvindue på 1M tokens og en kompakt KV-cache kan DeepSeek V4.1 Flash indlæse hele repositories, lange kontrakter eller omfattende arbejdshistorikker i en enkelt prompt.

Input af billeder og tekst

Modellen behandler nativt billeder sammen med tekst, så én installation kan håndtere dokumenter, skærmbilleder og diagrammer.

Styrker og begrænsninger

Styrker

  • Agentiske workflows
  • Selvhostede & dataprivate installationer (open-weight, MIT-licens)
  • Input af billeder og tekst
  • Justerbar ræsonneringsindsats
  • Meget lange dokumenter og store kodebaser (1M kontekst)

Begrænsninger

  • Selvhosting af en model med 552B parametre kræver omfattende GPU-infrastruktur

Brug den i FlowHunt

Brug DeepSeek V4.1 Flash i ethvert flow ved siden af dine egne værktøjer og videnskilder.

  1. 1Åbn et flow, eller opret et ud fra en skabelon
  2. 2Tilføj en AI Agent- eller Generator-komponent
  3. 3Vælg DeepSeek V4.1 Flash i modelvælgeren

Relaterede AI-modeller

Om DeepSeek Hangzhou, China · Grundlagt 2023 · deepseek.com

DeepSeek er et kinesisk AI-forskningslaboratorium grundlagt i 2023 som et datterselskab af High-Flyer, en af Kinas største kvantitative hedgefonde. Laboratoriet blev almindeligt kendt i begyndelsen af 2025, da udgivelsen af DeepSeek V3 og R1 udløste det største endagsfald i NVIDIA's markedsværdi nogensinde, da investorer revurderede kapitalintensiteten af frontlinje-modeludvikling i lyset af DeepSeeks rapporterede lavere træningsomkostninger. DeepSeek er usædvanlig blandt frontlinjelaboratorier i sin forpligtelse til at udgive åbne vægtmodeller sammen med sin proprietære forskning og i at opretholde en aktiv tilstedeværelse på sociale medier, der kritiserer prissætningen af lukkede modeller. Dets V-serie-modeller (V3 til V4-Pro) er bredt anvendte som selv-hostbare kodnings- og ræsonneringsmodeller i Vesten på trods af løbende regulatorisk og sikkerhedsmæssig granskning af kinesisk-udviklede AI-modeller i flere jurisdiktioner.

deepseek.com ↗

Se det fulde AI Model Leaderboard

Ofte stillede spørgsmål