Er DeepSeek V4-Flash open-source eller open-weight?

DeepSeek V4-Flash er en open-weight-model. Dens trænede vægte er offentligt tilgængelige til download, selv-hostning og finjustering. Du kan køre den på din egen infrastruktur uden per-token API-gebyrer. Bemærk at open-weight ikke er det samme som open-source: træningskoden og dataene er muligvis ikke fuldt offentlige.

Hvilke benchmarks er DeepSeek V4-Flash blevet evalueret på?

DeepSeek V4-Flash er blevet evalueret på: SWE-bench Verified (79,0%), GPQA Diamond (88,1%), MMLU-Pro (86,2%), LiveCodeBench (91,6%), HLE (34,8%). Scores mærket SR er selvrapporterede af udbyderen; scores mærket 3P eller AA er uafhængigt verificeret af tredjeparter.

Er DeepSeek V4-Flash tilgængelig i FlowHunt?

Ja — DeepSeek V4-Flash er direkte tilgængelig i FlowHunt. Du kan bruge den til at bygge AI-agenter, automatiserede arbejdsgange, chatbots og dokumentbehandlingspipelines uden yderligere opsætning.

Hvordan sammenligner DeepSeek V4-Flash sig med andre AI-modeller?

Du kan sammenligne DeepSeek V4-Flash med alle 24 modeller, der spores på FlowHunt AI Leaderboard, ved hjælp af den sorterbare benchmarktabel. Afsnittet Benchmark Rankings på denne side viser DeepSeek V4-Flashs placering på hvert benchmark, den er blevet evalueret på.

DeepSeek

DeepSeek V4-Flash

AdvancedOpen-weightAvailable in FlowHunt

Try in FlowHunt

DeepSeek V4-Flash er en avanceret AI-model, der er velegnet til krævende produktionsarbejdsbelastninger, udviklet af DeepSeek og udgivet i april 2026. Som en open-weight-model er dens trænede vægte offentligt tilgængelige — du kan selv-host’e den, finjustere den på proprietære data eller køre den on-premise uden API-afhængigheder. 1M-token kontekstvinduet er stort nok til at indeholde hele kodebaser, lange tekniske dokumenter eller udvidede agentsessioner uden afkortning.

På FlowHunt AI Leaderboard er den en af 24 spores modeller, evalueret på tværs af 5 benchmarks. Fremtrædende scores: 86,2% på MMLU-Pro (#3 af 8); 91,6% på LiveCodeBench (#3 af 5); 34,8% på HLE (#5 af 6).

DeepSeek V4-Flash blev udgivet sammen med V4-Pro den 24. april 2026 som den lette, lav-latens variant af den fjerde generation V-serie. Med 13B aktive parametre fra en 284B total MoE-pulje leverer V4-Flash 91,6% på LiveCodeBench — kun 1,9 procentpoint bag V4-Pro — til en betydeligt lavere per-token inferensomkostning. Denne nær-paritet mellem Flash og Pro på konkurrenceprogrammering afspejler DeepSeeks signaturdesignfilosofi: opnå nær-flagskibsydelse fra mindre aktive parameterantal ved at dirigere tokens gennem specialiserede ekspertnetværk. V4-Flash retter sig mod high-throughput-segmentet, hvor udviklere har brug for nær-frontlinje-kodningskapacitet med API-svartider målt i millisekunder.

Bemærk: Nær-Pro kvalitet til en brøkdel af prisen. ~2.500 samtidige forespørgsler.

Try in FlowHunt

Udgivet: April 2026
Parametre: 13B/284B MoE
Kontekst: 1M tokens
Vægte: Åbne
Niveau: Avanceret
Udbyder: DeepSeek

DeepSeek V4-Flash Benchmark Rankings

Rank among all 24 models tracked on this leaderboard. SR = self-reported · 3P / AA / C = independently verified.

Benchmark	Score	Rank	Source	What it measures
SWE-bench Verified	79.0%	9 of 13	SR	Real GitHub issue resolution (500 verified issues)
GPQA Diamond	88.1%	8 of 14	SR	Graduate-level Google-proof science Q&A
MMLU-Pro	86.2%	3 of 8	SR	Hard knowledge reasoning, 12K questions
LiveCodeBench	91.6%	3 of 5	SR	Competitive programming, continuously updated
HLE	34.8%	5 of 6	SR	Humanity's Last Exam (50+ STEM disciplines)

Detailed Benchmark Scores

SWE-V SR

79.0%

Real GitHub issue resolution (500 verified issues)

GPQA ◇ SR

88.1%

Graduate-level Google-proof science Q&A

MMLU-P SR

86.2%

Hard knowledge reasoning, 12K questions

LiveCode SR

91.6%

Competitive programming, continuously updated

HLE SR

34.8%

Humanity's Last Exam (50+ STEM disciplines)

DeepSeek V4-Flash vs. Advanced Peers

Head-to-head benchmark comparison with other Advanced-tier models. Higher is better for all metrics.

Benchmark	DeepSeek V4-Flash	Claude Sonnet 4.6	GPT-4.1
SWE-V	79.0%	79.6%	54.6%
GPQA ◇	88.1%	—	—
MMLU-P	86.2%	—	—
LiveCode	91.6%	—	—
HLE	34.8%	—	—

About DeepSeek

DeepSeek Founded 2023 · Hangzhou, China

Website →

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.

Anvendelsesmuligheder

Hvad skal DeepSeek V4-Flash bruges til

Softwareudvikling: DeepSeek V4-Flash scorer 79% på SWE-bench Verified — rangeret #9 af 13 modeller sporet her. Den løser rigtige GitHub-problemer, skriver produktionsklar kode på tværs af flere sprog og håndterer flertrins agentiske kodningsopgaver — et stærkt valg for AI-assisterede softwareudviklingsteams.
Videnskabelig & Teknisk Ræsonnering: DeepSeek V4-Flash scorer 88% på GPQA Diamond (#8 af 14 modeller), omkring eller over den menneskelige PhD-ekspert baseline. Den håndterer krævende videnskabelig ræsonnering, forskningslitteraturopsummering og vidensintensive opgaver på tværs af STEM-discipliner.
Selv-hostede & Private Implementeringer: DeepSeek V4-Flash er open-weight (13B/284B MoE-parametre) — dens trænede vægte er offentligt tilgængelige til download og selv-implementering. Kør den på din egen GPU-hardware eller private cloud for at sikre, at data aldrig forlader dit miljø, eliminer per-token API-omkostninger i skala, eller finjuster modellen på proprietære datasæt.
Langdokument- & Kodebasesanalyse: Med et 1M-token kontekstvindue kan DeepSeek V4-Flash indtage hele softwarearkiver, lange juridiske kontrakter, bog-lange forskningsrapporter eller omfattende samtalehistorier i en enkelt prompt — hvilket muliggør dyb dokument-Q&A, tværfilskodebaseræsonnering og omfattende opsummering uden chunking-heuristikker eller RAG-pipelines.
Konkurrenceprogrammering: DeepSeek V4-Flash scorer 91% på LiveCodeBench (#3 af 5 modeller), et kontamineringsresistent benchmark, der løbende opdateres med nye konkurrenceprogrammeringsproblemer. På dette niveau håndterer den avancerede datastrukturer, grafalgoritmer og interview-niveau udfordringer med høj pålidelighed.

Strengths & Limitations

Strengths

Stærk softwareudvikling — 79% SWE-bench Verified
Avanceret videnskabelig Q&A — 88% GPQA Diamond
Konkurrenceprogrammering — 91% LiveCodeBench
Selv-hostede & dataprivate implementeringer (open-weight)
Meget lange dokumenter og store kodebaser (1M kontekst)

Mere at sammenligne

Relaterede AI-modeller

Se hele AI Model Leaderboard

Sammenlign alle 24 modeller på tværs af 11 benchmarks — sorterbar, kildeangivet og opdateret juni 2026.

← Tilbage til AI Leaderboard Prøv i FlowHunt

Ofte stillede spørgsmål

: DeepSeek V4-Flash er en avanceret AI-model, der er velegnet til krævende produktionsarbejdsbelastninger, udviklet af DeepSeek og udgivet i april 2026. Den er bedst kendt for sin ydeevne inden for softwareudvikling med en score på 79,0% på SWE-bench Verified.
: DeepSeek V4-Flash er en open-weight-model. Dens trænede vægte er offentligt tilgængelige til download, selv-hostning og finjustering. Du kan køre den på din egen infrastruktur uden per-token API-gebyrer. Bemærk at open-weight ikke er det samme som open-source: træningskoden og dataene er muligvis ikke fuldt offentlige.
: DeepSeek V4-Flash understøtter et 1M-token kontekstvindue, stort nok til at indeholde hele kodebaser, lange tekniske dokumenter eller udvidede agentsessioner uden afkortning.
: DeepSeek V4-Flash er blevet evalueret på: SWE-bench Verified (79,0%), GPQA Diamond (88,1%), MMLU-Pro (86,2%), LiveCodeBench (91,6%), HLE (34,8%). Scores mærket SR er selvrapporterede af udbyderen; scores mærket 3P eller AA er uafhængigt verificeret af tredjeparter.
: Ja — DeepSeek V4-Flash er direkte tilgængelig i FlowHunt. Du kan bruge den til at bygge AI-agenter, automatiserede arbejdsgange, chatbots og dokumentbehandlingspipelines uden yderligere opsætning.
: Du kan sammenligne DeepSeek V4-Flash med alle 24 modeller, der spores på FlowHunt AI Leaderboard, ved hjælp af den sorterbare benchmarktabel. Afsnittet Benchmark Rankings på denne side viser DeepSeek V4-Flashs placering på hvert benchmark, den er blevet evalueret på.

Lær mere

DeepSeek V4-Pro — Benchmarks, evner og anvendelsesmuligheder

DeepSeek V4-Pro er en open-weight AI-model fra DeepSeek (49B/1.6T MoE), klassificeret som Frontier-niveau med et kontekstvindue på 1M tokens. Den er tilgængelig...

Apr 24, 2026 5 min læsning

DeepSeek MCP Server-integration

Integrer FlowHunt med DeepSeek MCP Server for at bringe avancerede sproglige modeller ind i dine AI-arbejdsgange. Sikret proxy af DeepSeek API-kald, muliggør an...

Aug 12, 2025 4 min læsning

AI DeepSeek +5

Llama 4 Scout — Benchmarks, egenskaber og anvendelsestilfælde

Llama 4 Scout er en åben-vægts AI-model fra Meta (17B/109B MoE (16 eksperter)), klassificeret som Etableret niveau med et 10M tokens kontekstvindue. Den er tilg...

Apr 5, 2025 4 min læsning