BasetenがDeepSeek-V4.1-FlashをモデルAPIに追加、1Mトークンコンテキスト対応

DeepSeek-V4.1-Flashは現在、Baseten Model APIで利用可能です。Basetenが発表した2026年9月11日付で、8Bのプレフィル用アクティブパラメータと16Bのデコード用パラメータを組み合わせ、1Mトークンコンテキストウィンドウで動作する552Bパラメータのマルチモーダル混合専門家（MoE）モデルを、推論プロバイダーのプラットフォームに提供します。

DeepSeekはモデルのオープンウェイトをHugging Faceで公開し、DeepSeekの独自発表は2026年9月10日付です。モデルはテキストと画像の入力を受け取りテキスト出力を生成し、モデルカードではリポジトリとウェイトがMITライセンスの下で提供されていると記載されています。BasetenはV4.1-Flashを2026年のDeepSeekによる3番目のオープンウェイトフラッシュリリースであり、DeepSeekが「因果エンコーダーデコーダー」アーキテクチャと呼ぶスケールの唯一のモデルと説明しています。同社によると、BasetenのLoopsトレーニング製品のサポートが近日中に提供される予定です。

報告されたベンチマーク結果

モデルカードは、最大推論努力設定100での指示モデル結果を報告しています。V4.1-FlashはTerminal-Bench 2.1で90.6点を取得し、V4-Flashの82.7点、V4-Proの87.9点と比較されます。DeepSWE v1.1では74.2点で、54.4点と62.7点と比較されます。AutomationBenchでは54.8点で、37.7点と43.2点と比較されます。Basetenは同じコーディングおよびエージェント指標を強調し、V4.1-Flashは総パラメータの約3分の1でV4.Proを上回ると述べる一方、AutomationBenchでの54.8点は複雑なワークフローの約半分で失敗することを示すため、エージェントパイプラインでは人間をループに残すようチームに助言しています。

カードの最前線モデルとの最大努力比較では、V4.1-FlashはGPQA Diamondで90.9点、Codeforcesレーティング3471、ツール付きHLEで63.9点を記録しています。Basetenは、V4.1-FlashがDeepSeek初の実験的でないモデルで、ネイティブ画像入力を備えていると述べています。この機能は以前は実験的なV4-Flash-Vision-Expに限定されていました。同表では新モデルがChartographyで78.9点、ZeroBenchで49点を示し、実験モデルはそれぞれ64.3点と35点です。

因果エンコーダーデコーダーアーキテクチャ

モデルカードによれば、V4.1-Flashは40層のTransformerを20層の因果エンコーダーと続く20層のデコーダーとして構成し、デコーダーのグローバルキー・バリュー（KV）キャッシュは各デコーダー層の隠れ状態からではなく、最終エンコーダーの隠れ状態から投影されます。この設計はプレフィル時にトークンあたり8Bパラメータ、デコード時に16Bパラメータを活性化します。Basetenはこれを、両ステップで13Bを活性化するV4-Flashと比較し、重いデコードを軽いプレフィルに置き換えることで、プレフィルトークンがデコードトークンよりはるかに多く生成されるコーディングエージェントのコスト効率が向上すると述べています。

カードは、モデルのCompressed Sparse Attention 2が各注意層に3つの静的モード（Full、Reindex、Reuse）のいずれかを割り当て、デコーダーの階層的スパースインデクサーがコンテキスト長に依存せずに深いインデックスコストを抑えると報告しています。これにFP4メインKVキャッシングを組み合わせることで、グローバルKVキャッシュはトークンあたり890バイトに削減され、V4-Flashの約4分の1となります。別のメカニズムであるSWA Bounded Replayは、最新トークンのみを再生して欠落したスライディングウィンドウ注意KV状態を再構築し、永続的なKVフットプリントをV4-Flashの約8分の1に減らします。DeepSeekの発表によれば、これにより前世代のHBMの4分の1、SSDストレージの8分の1の削減が実現するとしています。

カードによれば、各MoE層は1つの共有エキスパートと384個のルーティングエキスパートを使用し、トークンあたり6つのルーティングエキスパートが活性化されます。また、モデルは196BパラメータのEngram条件メモリを追加し、DSpark予測デコードと併用しています。DeepSeekは45兆トークンのマルチモーダルコーパスでモデルをゼロから訓練し、スパース注意を64Kシーケンス長で訓練、コンテキストを1Mトークン（34兆トークン）に拡張しました。訓練後は標準的な教師ありファインチューニング、強化学習、およびオンポリシーディスティレーションシーケンスが行われ、主な変更はエージェントタスクと環境の大規模自動合成に集中しています。また、モデルは1から100まで連続的に制御可能な推論努力設定を提供します。

DeepSeek API移行とBasetenサービング

DeepSeekは、V4-FlashおよびV4-Flash-Vision-Expが同プラットフォーム上で廃止され、旧APIモデル名は互換性のため一時的にV4.1-Flashへルーティングされると述べています。新しいAPI料金は2026年9月10日04:00 UTCに適用され、オフピーク料金はピーク料金の50%に設定されました。また、DeepSeekは公式パートナーとしてWorkBuddy（CodeBuddyを含む）とOpenCodeを挙げ、V4.1-Flashを完全にサポートするとしています。

Basetenは、推論スタックがNVIDIA DynamoとKVキャッシュ認識ルーティングを使用してモデルを提供し、各リクエストをプレフィックスを保持しているレプリカへと導き、空きレプリカへではなく処理します。このモデルはBasetenのModel Libraryを通じて提供され、予約容量が必要なチーム向けに専用デプロイが利用可能です。

2026年9月14日04:00 UTCから、すべてのdeepseek-v4-proリクエストはV4.1-Flashの料金でV4.1-Flashへルーティングされることになり、この取り決めはV4.1-ProがリリースされるまでDeepSeekが継続すると述べています。ラボは、複数のパーティによるテストでV4.1-FlashがV4-Proに対して性能、コスト、速度、総実行時間のすべてで上回っていると報告しています。