DeepSeek Advanced Öppna vikter Finns i FlowHunt

DeepSeek V4.1 Flash

DeepSeek V4.1 Flash är en multimodal AI-modell på Avancerad nivå, utvecklad av DeepSeek och lanserad i september 2026. Som en modell med öppna vikter under MIT-licensen är dess tränade vikter offentligt tillgängliga — du kan själv hosta den, finjustera den på proprietär data eller köra den lokalt utan API-beroenden. Kontextfönstret på 1M token är tillräckligt stort för att rymma hela kodbaser, långa tekniska dokument eller utökade agentiska sessioner utan trunkering.

Läs mer
DeepSeek V4.1 Flash är en Mixture-of-Experts-modell med 552B ryggradsparametrar som nativt bearbetar bilder och text och genererar text. Endast 8B parametrar är aktiva per token under prefill och 16B under decode, vilket enligt DeepSeek förbättrar kostnadseffektiviteten för agentiska arbetsflöden med mycket indata. Dess KV-cache är mycket mindre än DeepSeek V4-Flashs, vilket minskar minnesbehovet för långt kontext. Den stöder också en inställning för resonemangsansträngning som kan justeras kontinuerligt.

Benchmarks

Varje resultat visas en gång, med sin placering bland spårade modeller och vem som mätte det.

Jämfört med modeller i nivån Advanced på samma skala
  • DeepSeek V4.1 Flashden här modellen
  • Mistral Large 4den här modellen leder på 3 av 4
  • Claude Sonnet 5.5den här modellen leder på 1 av 4
Verifierad oberoende utvärderare, räknas i rankingen Självrapporterad publicerad av DeepSeek, visas men rankas inte
Totalt

AA Intelligence Index

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

Källa ↗

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

DeepSWE

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

Källa ↗

DeepSeek V4.1 Flash 74,2% Mistral Large 4 61,7% Claude Sonnet 5.5 71,0%
Inte rankad Självrapporterad
Agenter

Terminal-Bench 4.0

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

Källa ↗Även: Självrapporterad 31,2%

DeepSeek V4.1 Flash 26,8% Mistral Large 4 26,8% Claude Sonnet 5.5 63,6%
#14av 36 Verifierad
Resonerande

Humanity's Last Exam

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

Källa ↗Även: Självrapporterad 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%
#26av 44 Verifierad

GPQA Diamond

Graduate-level science questions that search cannot answer.

Källa ↗

DeepSeek V4.1 Flash 90,9% Mistral Large 4 Inget resultat Claude Sonnet 5.5 Inget resultat
Inte rankad Självrapporterad

ARC-AGI-2

Novel visual puzzles that cannot be memorised.

Källa ↗

DeepSeek V4.1 Flash 72,9% Mistral Large 4 Inget resultat Claude Sonnet 5.5 Inget resultat
#13av 27 Verifierad

Vad du ska använda DeepSeek V4.1 Flash till

Självhostade & privata distributioner

DeepSeek V4.1 Flash har öppna vikter under MIT-licensen. Kör den på din egen GPU-hårdvara eller privata moln för att hålla data i din miljö, undvika API-kostnader per token i stor skala eller finjustera den på proprietära dataset.

Agentiska arbetsflöden med mycket indata

Dess design aktiverar färre parametrar under prefill, vilket enligt DeepSeek förbättrar kostnadseffektiviteten för agenter som läser mycket kontext i varje steg.

Analys av långa dokument & kodbaser

Med ett kontextfönster på 1M token och en kompakt KV-cache kan DeepSeek V4.1 Flash ta in hela repositoryer, långa avtal eller omfattande arbetshistorik i en enda prompt.

Indata i form av bild och text

Modellen bearbetar nativt bilder tillsammans med text, så en och samma distribution kan hantera dokument, skärmdumpar och diagram.

Styrkor och begränsningar

Styrkor

  • Agentiska arbetsflöden
  • Självhostade & dataprivata distributioner (öppna vikter, MIT-licens)
  • Indata i form av bild och text
  • Justerbar resonemangsansträngning
  • Mycket långa dokument och stora kodbaser (1M kontext)

Begränsningar

  • Att självhosta en modell med 552B parametrar kräver omfattande GPU-infrastruktur

Använd den i FlowHunt

Använd DeepSeek V4.1 Flash i vilket flöde som helst, tillsammans med dina egna verktyg och kunskapskällor.

  1. 1Öppna ett flöde eller skapa ett från en mall
  2. 2Lägg till en AI Agent- eller Generator-komponent
  3. 3Välj DeepSeek V4.1 Flash i modellväljaren

Relaterade AI-modeller

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

DeepSeek är ett kinesiskt AI-forskningslaboratorium som grundades 2023 som ett dotterbolag till High-Flyer, en av Kinas största kvantitativa hedgefonder. Laboratoriet blev allmänt känt i början av 2025 när lanseringen av DeepSeek V3 och R1 utlöste det största enskilda dagliga fallet i NVIDIA:s marknadsvärde dittills, i takt med att investerare omvärderade kapitalintensiteten i utvecklingen av frontmodeller i ljuset av DeepSeeks rapporterade lägre träningskostnader. DeepSeek är ovanligt bland frontlaboratorier genom sitt engagemang för att släppa öppna viktmodeller vid sidan av sin proprietära forskning, och för att ha en aktiv närvaro i sociala medier som kritiserar prissättningen av stängda modeller. Dess V-serie-modeller (V3 till V4-Pro) används i stor utsträckning som självhostade kodnings- och resonemangsmodeller i västvärlden, trots pågående regulatorisk och säkerhetsmässig granskning av kinesiska AI-modeller i flera jurisdiktioner.

deepseek.com ↗

Bläddra i den fullständiga AI-modelltopplistan

Vanliga frågor