DeepSeek Advanced Åpne vekter Tilgjengelig i FlowHunt

DeepSeek V4-Flash

DeepSeek V4-Flash er en avansert AI-modell egnet for krevende produksjonsarbeidsbelastninger, utviklet av DeepSeek og utgitt i april 2026. Som en modell med åpne vekter er dens trente vekter offentlig tilgjengelig — du kan selv-hoste den, finjustere den på proprietære data, eller kjøre den på egne servere uten API-avhengigheter. Kontekstvinduet på 1M tokens er stort nok til å romme hele kodebaser, lange tekniske dokumenter eller utvidede agentøkter uten avkorting.

Les mer
DeepSeek V4-Flash ble utgitt sammen med V4-Pro 24. april 2026 som den lette, lav-latens varianten av fjerde generasjons V-serie. Denne nesten-pariteten mellom Flash og Pro på konkurranseprogrammering reflekterer DeepSeeks karakteristiske designfilosofi: oppnå nesten-flaggskip-ytelse med færre aktive parametere ved å rute tokens gjennom spesialiserte ekspertnettverk. V4-Flash retter seg mot høy-gjennomstrømningssegmentet hvor utviklere trenger nesten-frontlinjær kodingskapasitet med API-responstider målt i millisekunder.

Referanseprøver

Hvert resultat vises én gang, med rangering blant sporede modeller og hvem som målte det.

Sammenlignet med Advanced-modeller på samme skala
  • DeepSeek V4-Flashdenne modellen
  • Mistral Large 4denne modellen leder på 0 av 3
  • Claude Sonnet 5.5denne modellen leder på 0 av 3
Verifisert uavhengig evaluator, teller med i rangeringen Selvrapportert publisert av DeepSeek, vises men rangeres ikke
Samlet

AA Intelligence Index

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

Kilde ↗

DeepSeek V4-Flash 24,2 Mistral Large 4 38,4 Claude Sonnet 5.5 56,0
#33av 45 Verifisert
Koding

DeepSWE

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

Kilde ↗

DeepSeek V4-Flash 53,0% Mistral Large 4 61,7% Claude Sonnet 5.5 71,0%
#14av 17 Verifisert

SWE-bench Verified

500 verified GitHub issues. Saturated at the frontier.

DeepSeek V4-Flash 79,0% Mistral Large 4 Ingen score Claude Sonnet 5.5 Ingen score
Ikke rangert Selvrapportert
Agenter

Terminal-Bench 4.0

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

Kilde ↗

DeepSeek V4-Flash 2,5% Mistral Large 4 26,8% Claude Sonnet 5.5 63,6%
#27av 36 Verifisert
Resonnering

GPQA Diamond

Graduate-level science questions that search cannot answer.

Kilde ↗Også: Selvrapportert 88,1%

DeepSeek V4-Flash 89,4% Mistral Large 4 Ingen score Claude Sonnet 5.5 Ingen score
#24av 37 Verifisert

Hva du bør bruke DeepSeek V4-Flash til

Programvareutvikling

Den løser faktiske GitHub-problemer, skriver produksjonsklar kode på tvers av flere språk, og håndterer flertrinns agentiske kodingsarbeidsflyter — et sterkt valg for AI-assisterte programvareutviklingsteam.

Vitenskapelig og teknisk resonnering

Den håndterer krevende vitenskapelig resonnering, forskningslitteraturoppsummering og kunnskapsintensive oppgaver på tvers av STEM-disipliner.

Egen-hostede og private distribusjoner

DeepSeek V4-Flash har åpne vekter (13B/284B MoE-parametere) — dens trente vekter er offentlig tilgjengelige for nedlasting og egen distribusjon. Kjør den på din egen GPU-maskinvare eller private sky for å sikre at data aldri forlater ditt miljø, eliminer API-kostnader per token i stor skala, eller finjuster modellen på proprietære datasett.

Analyse av lange dokumenter og kodebaser

Med et kontekstvindu på 1M tokens kan DeepSeek V4-Flash håndtere hele programvarelagre, lange juridiske kontrakter, boklange forskningsrapporter eller omfattende samtalehistorikker i en enkelt forespørsel — noe som muliggjør dyp dokument-Q&A, kryssfil-resonnering i kodebaser og omfattende oppsummering uten oppdelingsheuristikker eller RAG-pipelines.

Konkurranseprogrammering

På dette nivået håndterer den avanserte datastrukturer, graf-algoritmer og intervjunivå-utfordringer med høy pålitelighet.

Styrker og begrensninger

Styrker

  • Sterk programvareutvikling
  • Avansert vitenskapelig Q&A
  • Konkurranseprogrammering
  • Egen-hostede og dataprivate distribusjoner (åpne vekter)
  • Svært lange dokumenter og store kodebaser (1M kontekst)

Bruk den i FlowHunt

Bruk DeepSeek V4-Flash i alle flyter, ved siden av dine egne verktøy og kunnskapskilder.

  1. 1Åpne en flyt, eller lag en fra en mal
  2. 2Legg til en AI Agent- eller Generator-komponent
  3. 3Velg DeepSeek V4-Flash i modellvelgeren

Relaterte AI-modeller

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

DeepSeek er et kinesisk KI-forskningslaboratorium grunnlagt i 2023 som et datterselskap av High-Flyer, et av Kinas største kvantitative hedgefond. Laboratoriet ble bredt kjent tidlig i 2025 da lanseringen av DeepSeek V3 og R1 utløste det største enkeltdagsfallet i NVIDIA-markedsverdi til da, ettersom investorer vurderte kapitalintensiteten i frontlinjemodellutvikling på nytt i lys av DeepSeeks rapporterte lavere treningskostnader. DeepSeek er uvanlig blant frontlinjelaboratorier i sin forpliktelse til å publisere åpne vektmodeller ved siden av sin proprietære forskning, og i å drive en aktiv tilstedeværelse i sosiale medier som kritiserer prisingen av lukkede modeller. V-seriens modeller (V3 til V4-Pro) er mye brukt som selvhostbare kode- og resonneringsmodeller i Vesten, til tross for pågående regulatorisk og sikkerhetsmessig gransking av kinesisk-opprinnelige KI-modeller i flere jurisdiksjoner.

deepseek.com ↗

Se hele AI-modelloversikten

Vanlige spørsmål

Lær mer

DeepSeek V4-Pro — Benchmarks, egenskaper og bruksområder
DeepSeek V4-Pro — Benchmarks, egenskaper og bruksområder

DeepSeek V4-Pro — Benchmarks, egenskaper og bruksområder

DeepSeek V4-Pro er en åpen vekt AI-modell fra DeepSeek (49B/1,6T MoE), klassifisert som Frontier-nivå med et kontekstvindu på 1M tokens. Den er tilgjengelig dir...

5 min lesing
DeepSeek MCP Server-integrasjon
DeepSeek MCP Server-integrasjon

DeepSeek MCP Server-integrasjon

Integrer FlowHunt med DeepSeek MCP Server for å bringe avanserte språkmodeller inn i dine AI-arbeidsflyter. Sikre proxy for DeepSeek API-kall, muliggjør anonym ...

4 min lesing
AI DeepSeek +5
Llama 4 Scout — Referansetester, Egenskaper og Bruksområder
Llama 4 Scout — Referansetester, Egenskaper og Bruksområder

Llama 4 Scout — Referansetester, Egenskaper og Bruksområder

Llama 4 Scout er en åpen-vekts AI-modell fra Meta (17B/109B MoE (16 eksperter)), klassifisert som etablert nivå med et kontekstvindu på 10M tokens. Utforsk refe...

4 min lesing