AI-modellen en platforms
Baseten voegt DeepSeek-V4.1-Flash toe aan Model-API’s met 1M-tokencontext
Voeg Unite.AI toe aan je voorkeursbronnen op Google
DeepSeek-V4.1-Flash is nu beschikbaar op Baseten Model API’s, Baseten kondigde aan op 11 september 2026, en brengt het 552B-parameter multimodale mixture-of-experts (MoE) model, dat 8B actieve parameters voor prefill combineert met 16B voor decode over een 1M-token contextvenster, naar het inferentieplatform van de provider.
DeepSeek heeft de open gewichten van het model vrijgegeven op Hugging Face, en de eigen aankondiging van DeepSeek is gedateerd op 10 september 2026. Het model accepteert tekst- en afbeeldinginvoer en genereert tekstuitvoer, en de modelkaart stelt dat de repository en gewichten onder de MIT-licentie vallen. Baseten beschrijft V4.1-Flash als DeepSeek’s derde open‑weight flash‑release van 2026 en als het enige model van deze schaal dat gebruikt wat DeepSeek een Causale Encoder‑Decoder‑architectuur noemt. Ondersteuning voor Baseten’s Loops‑trainingsproduct komt binnenkort, volgens het bedrijf.
Gerapporteerde benchmarkresultaten
De modelkaart meldt instruct‑modelresultaten bij de maximale redeneerinspanninginstelling van 100: V4.1-Flash behaalt 90.6 op Terminal‑Bench 2.1, vergeleken met 82.7 voor V4‑Flash en 87.9 voor V4‑Pro; 74.2 op DeepSWE v1.1, vergeleken met 54.4 en 62.7; en 54.8 op AutomationBench, vergeleken met 37.7 en 43.2. Baseten benadrukte dezelfde coderings‑ en agentische cijfers, en stelt dat V4.1‑Flash V4‑Pro verslaat met ongeveer een derde van het totale aantal parameters, terwijl het waarschuwt dat een 54.8 op AutomationBench betekent dat het model ongeveer de helft van complexe workflows faalt en teams adviseert om een mens in de lus te houden voor agent‑pijplijnen.
In de vergelijking van de kaart met frontier-modellen bij maximale inspanning, behaalt V4.1‑Flash 90.9 op GPQA Diamond, een Codeforces‑rating van 3471, en 63.9 op HLE met tools. Baseten stelt dat V4.1‑Flash DeepSeek’s eerste niet‑experimentele model is met native afbeeldinginvoer, een mogelijkheid die voorheen beperkt was tot het experimentele V4‑Flash‑Vision‑Exp; de tabel meldt 78.9 op Chartography en 49 op ZeroBench voor het nieuwe model, tegenover 64.3 en 35 voor het experimentele model.
Causale Encoder‑Decoder‑architectuur
Volgens de modelkaart organiseert V4.1‑Flash een 40‑lagige Transformer als een 20‑lagige causale encoder gevolgd door een 20‑lagige decoder, waarbij de globale sleutel‑waarde‑cache (KV‑cache) van de decoder wordt geprojecteerd vanuit de laatste encoder‑verborgen toestanden in plaats van afgeleid van de eigen verborgen toestanden van elke decoder‑laag. Het ontwerp activeert 8 B parameters per token tijdens prefill en 16 B tijdens decode; Baseten contrasteert dit met V4‑Flash, dat 13 B activeert voor beide stappen, en beschrijft de wijziging als een ruil van een zwaardere decode voor een veel lichtere prefill, een opzet waarvan Baseten zegt dat deze de kostenefficiëntie verbetert voor coderings‑agents waarvan de agentische lussen veel meer prefill‑tokens genereren dan decode‑tokens.
De kaart meldt dat de Compressed Sparse Attention 2 van het model elke attentielaag één van drie statische modi (Full, Reindex of Reuse) toewijst, met een hiërarchische Sparse Indexer in de decoder die de kosten van diepere indexering onafhankelijk van de contextlengte begrenst. Gecombineerd met FP4‑hoofd‑KV‑caching, verminderen deze ontwerpen de globale KV‑cache tot 890 bytes per token, ongeveer een kwart van V4‑Flash, aldus de kaart. Een afzonderlijk mechanisme, SWA Bounded Replay, reconstrueert ontbrekende sliding‑window‑attention‑KV‑toestanden door alleen de meest recente tokens te herhalen, waardoor de permanente KV‑voetafdruk wordt gereduceerd tot ongeveer een achtste van V4‑Flash. DeepSeek’s aankondiging stelt de besparingen op één kwart van het HBM‑ en één achtste van de SSD‑opslag van de vorige generatie.
Elke MoE‑laag gebruikt één gedeelde expert en 384 gerouteerde experts met zes gerouteerde experts actief per token, en het model voegt Engram conditionele geheugen toe met 196 B parameters naast DSpark speculatieve decoding, volgens de kaart. DeepSeek trainde het model vanaf nul op een multimodaal corpus van 45 T‑tokens, trainde zijn sparse attention met een sequentielengte van 64 K, en breidde de context uit tot 1 M tokens bij 34 T tokens. Na‑training volgt een standaard begeleide fijn‑afstemming, versterkingsleren, en een on‑policy distillatiereeks, met substantiële wijzigingen geconcentreerd in grootschalige geautomatiseerde synthese van agent‑taken en omgevingen, en het model biedt een continu regelbare redeneerinspanninginstelling van 1 tot 100.
DeepSeek API‑overgang en Baseten‑bediening
DeepSeek stelt dat V4‑Flash en V4‑Flash‑Vision‑Exp zijn uitgefaseerd op haar platform, waarbij de oude API‑modelnamen tijdelijk naar V4.1‑Flash worden gerouteerd voor compatibiliteit. Nieuwe API‑tarieven traden in werking op 04:00 UTC op 10 september 2026, met dalurenprijzen ingesteld op 50 % van de piekprijzen, en DeepSeek noemt de officiële partners WorkBuddy (inclusief CodeBuddy) en OpenCode als volledig ondersteunend voor V4.1‑Flash.
Baseten zei dat zijn Inferentie Stack het model bedient met NVIDIA Dynamo en KV‑cache‑bewuste routering, waarbij elk verzoek wordt geleid naar de replica die al zijn prefix bevat in plaats van naar een willekeurige vrije replica. Het model wordt aangeboden via Baseten’s Model Library, met toegewijde implementaties beschikbaar voor teams die gereserveerde capaciteit nodig hebben.
Vanaf 04:00 UTC op 14 september 2026 zullen alle deepseek‑v4‑pro‑verzoeken worden gerouteerd naar V4.1‑Flash tegen V4.1‑Flash‑tarieven, een regeling waarvan DeepSeek zei dat deze zal voortduren tot de lancering van V4.1‑Pro; het laboratorium meldde dat tests door meerdere partijen V4.1‑Flash voor V4‑Pro plaatsten op het gebied van prestaties, kosten, snelheid en totale runtijd.
