Hva er DeepSeek V4-Flash?

DeepSeek V4-Flash er en avansert AI-modell utviklet for krevende produksjonsarbeidsbelastninger, utviklet av DeepSeek og utgitt i april 2026. Den er mest kjent for sin ytelse innen programvareutvikling i den virkelige verden, med en score på 79,0 % på SWE-bench Verified.

Er DeepSeek V4-Flash åpen kildekode eller åpne vekter?

DeepSeek V4-Flash er en modell med åpne vekter. Dens trente vekter er offentlig tilgjengelige for nedlasting, egen hosting og finjustering. Du kan kjøre den på din egen infrastruktur uten API-avgifter per token. Merk at åpne vekter ikke er det samme som åpen kildekode: treningskoden og dataene er kanskje ikke fullt ut offentlige.

Hvilke benchmarks har DeepSeek V4-Flash blitt evaluert på?

DeepSeek V4-Flash har blitt evaluert på: SWE-bench Verified (79,0 %), GPQA Diamond (88,1 %), MMLU-Pro (86,2 %), LiveCodeBench (91,6 %), HLE (34,8 %). Score merket SR er selvrapportert av leverandøren; score merket 3P eller AA er uavhengig verifisert av tredjeparter.

Er DeepSeek V4-Flash tilgjengelig i FlowHunt?

Ja — DeepSeek V4-Flash er direkte tilgjengelig i FlowHunt. Du kan bruke den til å bygge AI-agenter, automatiserte arbeidsflyter, chatbots og dokumentbehandlingspipelines uten ekstra oppsett.

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

Du kan sammenligne DeepSeek V4-Flash mot alle 24 modellene som spores på FlowHunt AI Leaderboard ved hjelp av den sorterbare benchmark-tabellen. Seksjonen Benchmark Rankings på denne siden viser DeepSeek V4-Flash sin posisjon på hver benchmark den har blitt evaluert på.

DeepSeek

DeepSeek V4-Flash

AdvancedOpen-weightAvailable in FlowHunt

Try in FlowHunt

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.

På FlowHunt AI Leaderboard er den en av 24 sporede modeller, evaluert på tvers av 5 benchmarks. Fremragende score: 86,2 % på MMLU-Pro (#3 av 8); 91,6 % på LiveCodeBench (#3 av 5); 34,8 % på HLE (#5 av 6).

DeepSeek V4-Flash ble utgitt sammen med V4-Pro 24. april 2026 som den lette, lav-latens varianten av fjerde generasjons V-serie. Med 13B aktive parametere fra en total MoE-pool på 284B, leverer V4-Flash 91,6 % på LiveCodeBench — kun 1,9 prosentpoeng bak V4-Pro — til betydelig lavere inferenskostnad per token. 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.

Merk: Nesten-Pro kvalitet til en brøkdel av prisen. Omtrent 2 500 samtidige forespørsler.

Try in FlowHunt

Utgitt: April 2026
Parametere: 13B/284B MoE
Kontekst: 1M tokens
Vekter: Åpne
Nivå: Avansert
Leverandør: 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 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.

Bruksområder

Hva du bør bruke DeepSeek V4-Flash til

Programvareutvikling: DeepSeek V4-Flash scorer 79 % på SWE-bench Verified — rangert #9 av 13 modeller som spores her. 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: DeepSeek V4-Flash scorer 88 % på GPQA Diamond (#8 av 14 modeller), omtrent på eller over den menneskelige PhD-ekspertbaselinjen. 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: DeepSeek V4-Flash scorer 91 % på LiveCodeBench (#3 av 5 modeller), en kontamineringsresistent benchmark som kontinuerlig oppdateres med nye konkurranseprogrammeringsproblemer. På dette nivået håndterer den avanserte datastrukturer, graf-algoritmer og intervjunivå-utfordringer med høy pålitelighet.

Strengths & Limitations

Strengths

Sterk programvareutvikling — 79 % SWE-bench Verified
Avansert vitenskapelig Q&A — 88 % GPQA Diamond
Konkurranseprogrammering — 91 % LiveCodeBench
Egen-hostede og dataprivate distribusjoner (åpne vekter)
Svært lange dokumenter og store kodebaser (1M kontekst)

Mer å sammenligne

Relaterte AI-modeller

Se hele AI-modelloversikten

Sammenlign alle 24 modellene på tvers av 11 benchmarks — sorterbar, kildebasert og oppdatert juni 2026.

← Tilbake til AI Leaderboard Prøv i FlowHunt

Vanlige spørsmål

: DeepSeek V4-Flash er en avansert AI-modell utviklet for krevende produksjonsarbeidsbelastninger, utviklet av DeepSeek og utgitt i april 2026. Den er mest kjent for sin ytelse innen programvareutvikling i den virkelige verden, med en score på 79,0 % på SWE-bench Verified.
: DeepSeek V4-Flash er en modell med åpne vekter. Dens trente vekter er offentlig tilgjengelige for nedlasting, egen hosting og finjustering. Du kan kjøre den på din egen infrastruktur uten API-avgifter per token. Merk at åpne vekter ikke er det samme som åpen kildekode: treningskoden og dataene er kanskje ikke fullt ut offentlige.
: DeepSeek V4-Flash støtter et kontekstvindu på 1M tokens, stort nok til å romme hele kodebaser, lange tekniske dokumenter eller utvidede agentøkter uten avkorting.
: DeepSeek V4-Flash har blitt evaluert på: SWE-bench Verified (79,0 %), GPQA Diamond (88,1 %), MMLU-Pro (86,2 %), LiveCodeBench (91,6 %), HLE (34,8 %). Score merket SR er selvrapportert av leverandøren; score merket 3P eller AA er uavhengig verifisert av tredjeparter.
: Ja — DeepSeek V4-Flash er direkte tilgjengelig i FlowHunt. Du kan bruke den til å bygge AI-agenter, automatiserte arbeidsflyter, chatbots og dokumentbehandlingspipelines uten ekstra oppsett.
: Du kan sammenligne DeepSeek V4-Flash mot alle 24 modellene som spores på FlowHunt AI Leaderboard ved hjelp av den sorterbare benchmark-tabellen. Seksjonen Benchmark Rankings på denne siden viser DeepSeek V4-Flash sin posisjon på hver benchmark den har blitt evaluert på.

Lær mer

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...

Apr 24, 2026 5 min lesing

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 ...

Aug 12, 2025 4 min lesing

AI DeepSeek +5

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. Den er tilgj...

Apr 5, 2025 4 min lesing