DeepSeek a lancé son modèle V4.1-Flash le Sept. 10, avec ce que l’entreprise décrit comme une architecture à mélange d’experts de 552 milliards de paramètres, dont 8 milliards de paramètres actifs pour l’entrée et 16 milliards pour la sortie.
Le modèle utilise une nouvelle architecture Causal Encoder-Decoder et prend en charge les entrées multimodales natives, notamment la compréhension visuelle, selon un communiqué. DeepSeek a déclaré que V4.1-Flash était le plus petit modèle de sa nouvelle famille d’architectures.
L’un des principaux changements concerne l’empreinte réduite du cache KV du modèle, a indiqué l’entreprise, ajoutant que V4.1-Flash nécessite un quart de la HBM et un huitième du stockage SSD utilisés par la génération précédente.
Selon l’entreprise, la réduction du cache diminue les besoins en stockage pour les charges de travail agentiques, dans lesquelles les coûts liés aux accès au cache peuvent représenter une part importante des coûts d’utilisation globaux.
V4.1-Flash est désormais disponible via l’API de DeepSeek, tandis que les anciens modèles V4-Flash et V4-Flash-Vision-Exp ont été abandonnés. Leurs noms d’API redirigeront temporairement les requêtes vers V4.1-Flash pour assurer la compatibilité.
DeepSeek affirme que V4.1-Flash a surpassé V4-Pro en performances, en coût, en vitesse et en durée d’exécution totale lors de tests menés par plusieurs parties, et l’entreprise retire donc progressivement ce dernier.
À partir du Sept. 14 à 04:00 UTC, DeepSeek redirigera toutes les requêtes adressées à V4 Pro vers V4.1-Flash, qui seront facturées aux tarifs du modèle le plus récent. Cette disposition restera en vigueur jusqu’au lancement de V4.1-Pro par DeepSeek, selon le communiqué.
L’entreprise a ajusté la tarification de l’API de V4.1-Flash, avec des tarifs en heures creuses fixés à la moitié du prix de pointe. La nouvelle tarification est entrée en vigueur à 04:00 UTC le Sept. 10. Tencent's WorkBuddy et CodeBuddy, ainsi qu’OpenCode, prennent désormais en charge le modèle.