Baseten เพิ่ม DeepSeek-V4.1-Flash ให้กับ Model APIs พร้อมบริบท 1M-Token

DeepSeek-V4.1-Flash พร้อมให้บริการแล้วบน Baseten Model APIs, Baseten ประกาศ เมื่อ 11 กันยายน 2026, นำโมเดล multimodal mixture-of-experts (MoE) ขนาด 552 พารามิเตอร์ ที่จับคู่พารามิเตอร์ที่ทำงาน 8B สำหรับการเติมข้อมูลล่วงหน้าและ 16B สำหรับการถอดรหัสผ่านหน้าต่างบริบท 1M-token, ไปยังแพลตฟอร์มผู้ให้บริการการสรุปผล.

DeepSeek ปล่อยน้ำหนักเปิดของโมเดลบน Hugging Face, และ ประกาศของ DeepSeek เอง มีวันที่ 10 กันยายน 2026. โมเดลรับอินพุตเป็นข้อความและภาพและสร้างผลลัพธ์เป็นข้อความ, และ บัตรโมเดล ระบุว่าที่เก็บและน้ำหนักได้รับอนุญาตภายใต้ใบอนุญาต MIT. Baseten บรรยาย V4.1-Flash ว่าเป็นการปล่อย flash น้ำหนักเปิดครั้งที่สามของ DeepSeek ในปี 2026 และเป็นโมเดลเดียวในขนาดนี้ที่ใช้สถาปัตยกรรม Causal Encoder-Decoder ที่ DeepSeek เรียก. การสนับสนุนผลิตภัณฑ์การฝึก Loops ของ Baseten จะเปิดให้บริการเร็ว ๆ นี้, ตามบริษัท.

ผลการทดสอบเบนช์มาร์คที่รายงาน

บัตรโมเดลรายงานผลการสอนโมเดลที่ตั้งค่าความพยายามในการให้เหตุผลสูงสุดที่ 100: V4.1-Flash ได้คะแนน 90.6 ใน Terminal-Bench 2.1, เทียบกับ 82.7 ของ V4-Flash และ 87.9 ของ V4-Pro; 74.2 ใน DeepSWE v1.1, เทียบกับ 54.4 และ 62.7; และ 54.8 ใน AutomationBench, เทียบกับ 37.7 และ 43.2. Baseten เน้นตัวเลขการเขียนโค้ดและตัวแทนเดียวกัน, กล่าวว่ V4.1-Flash แซง V4-Pro ด้วยพารามิเตอร์รวมประมาณหนึ่งในสาม, ในขณะเดียวกันเตือนว่าคะแนน 54.8 ใน AutomationBench หมายความว่าโมเดลล้มเหลวประมาณครึ่งหนึ่งของกระบวนการทำงานที่ซับซ้อนและแนะนำให้ทีมรักษามนุษย์ในลูปสำหรับสายงานตัวแทน.

ในการเปรียบเทียบของบัตรกับโมเดลแนวหน้าในความพยายามสูงสุด, V4.1-Flash ได้คะแนน 90.9 ใน GPQA Diamond, คะแนน Codeforces 3471, และ 63.9 ใน HLE พร้อมเครื่องมือ. Baseten ระบุว่า V4.1-Flash เป็นโมเดลแรกที่ไม่ใช่การทดลองของ DeepSeek ที่มีอินพุตภาพแบบเนทีฟ, ความสามารถที่เคยจำกัดไว้เฉพาะ V4-Flash-Vision-Exp ที่เป็นการทดลอง; ตารางของมันแสดงคะแนน 78.9 ใน Chartography และ 49 ใน ZeroBench สำหรับโมเดลใหม่, เทียบกับ 64.3 และ 35 สำหรับรุ่นทดลอง.

สถาปัตยกรรม Causal Encoder-Decoder

ตามบัตรโมเดล, V4.1-Flash จัดระเบียบ Transformer 40 ชั้นเป็น encoder แบบ causal 20 ชั้นตามด้วย decoder 20 ชั้น, โดยแคชค่า key-value (KV) ทั้งหมดของ decoder ถูกโปรเจกต์จากสถานะซ่อนของ encoder ขั้นสุดท้ายแทนที่จะมาจากสถานะซ่อนของแต่ละชั้น decoder. การออกแบบนี้เปิดใช้งานพารามิเตอร์ 8B ต่อโทเคนในขั้นเติมข้อมูลล่วงหน้าและ 16B ในขั้นถอดรหัส; Baseten เปรียบเทียบกับ V4-Flash ซึ่งเปิดใช้งาน 13B สำหรับทั้งสองขั้น, โดยมองการเปลี่ยนแปลงนี้เป็นการแลกเปลี่ยนการถอดรหัสที่หนักขึ้นกับการเติมข้อมูลล่วงหน้าที่เบากว่าอย่างมาก, การตั้งค่านี้ Baseten กล่าวว่าเพิ่มประสิทธิภาพต้นทุนสำหรับตัวแทนเขียนโค้ดที่ลูปของพวกเขาสร้างโทเคนเติมข้อมูลล่วงหน้ามากกว่าการถอดรหัสอย่างมาก.

บัตรโมเดลระบุว่า Compressed Sparse Attention 2 ของโมเดลกำหนดแต่ละชั้น attention ให้หนึ่งในสามโหมดคงที่ (Full, Reindex, หรือ Reuse), พร้อม Hierarchical Sparse Indexer ใน decoder ที่จำกัดค่าใช้จ่ายการทำดัชนีลึกโดยไม่ขึ้นกับความยาวของบริบท. เมื่อรวมกับการแคช KV หลักแบบ FP4, การออกแบบเหล่านี้ลดแคช KV ทั้งหมดเหลือ 890 ไบต์ต่อโทเคน, ประมาณหนึ่งในสี่ของ V4-Flash, ตามบัตร. กลไกแยกต่างหาก, SWA Bounded Replay, สร้างสถานะ KV ของ sliding-window-attention ที่หายไปโดยเล่นซ้ำเฉพาะโทเคนล่าสุด, ลดรอยเท้า KV คงที่เหลือประมาณหนึ่งในแปดของ V4-Flash. การประกาศของ DeepSeek ระบุว่าการประหยัดเท่ากับหนึ่งในสี่ของ HBM และหนึ่งในแปดของที่เก็บ SSD ของรุ่นก่อนหน้า.

แต่ละชั้น MoE ใช้ผู้เชี่ยวชาญร่วมหนึ่งคนและผู้เชี่ยวชาญที่กำหนดเส้นทาง 384 รายพร้อมผู้เชี่ยวชาญที่กำหนดเส้นทางทำงานอยู่หกรายต่อโทเคน, และโมเดลเพิ่มหน่วยความจำเชิงเงื่อนไข Engram ด้วยพารามิเตอร์ 196B พร้อมการถอดรหัสเชิงสเปคคิวลาตีฟของ DSpark, ตามบัตร. DeepSeek ฝึกโมเดลจากศูนย์บนคอร์ปัส multimodal ขนาด 45T-token, ฝึก attention แบบ sparse ที่ความยาวลำดับ 64K, และขยายบริบทเป็น 1M โทเคนที่ 34T tokens. หลังการฝึกจะทำตามการปรับแต่งแบบกำกับดูแลมาตรฐาน, การเรียนรู้แบบเสริมแรง, และลำดับการสกัดกั้นตามนโยบาย, โดยการเปลี่ยนแปลงสำคัญมุ่งเน้นที่การสังเคราะห์อัตโนมัติขนาดใหญ่ของงานและสภาพแวดล้อมของตัวแทน, และโมเดลเปิดเผยการตั้งค่าความพยายามในการให้เหตุผลที่สามารถควบคุมได้ต่อเนื่องตั้งแต่ 1 ถึง 100.

การเปลี่ยนแปลง API ของ DeepSeek และการให้บริการของ Baseten

DeepSeek ระบุว่า V4-Flash และ V4-Flash-Vision-Exp ถูกยกเลิกบนแพลตฟอร์มของตน, โดยชื่อโมเดล API เก่าจะชั่วคราวส่งต่อไปยัง V4.1-Flash เพื่อความเข้ากันได้. การกำหนดราคา API ใหม่มีผลตั้งแต่ 04:00 UTC วันที่ 10 กันยายน 2026, โดยอัตรานอกช่วงพีคตั้งที่ 50% ของอัตราพีค, และ DeepSeek ระบุพันธมิตรอย่างเป็นทางการคือ WorkBuddy (รวมถึง CodeBuddy) และ OpenCode ว่าจะสนับสนุน V4.1-Flash อย่างเต็มที่.

Baseten กล่าวว่า การสรุปผล Stack ของตนให้บริการโมเดลโดยใช้ NVIDIA Dynamo พร้อมการกำหนดเส้นทางที่รับรู้แคช KV, นำแต่ละคำขอไปยังสำเนาที่มีพรีฟิกซ์อยู่แล้วแทนที่จะส่งไปยังสำเนาที่ว่าง. โมเดลนี้มีให้ผ่าน Model Library ของ Baseten, โดยมีการปรับใช้เฉพาะสำหรับทีมที่ต้องการความจุสำรอง.

ตั้งแต่ 04:00 UTC วันที่ 14 กันยายน 2026, คำขอ deepseek-v4-pro ทั้งหมดจะส่งต่อไปยัง V4.1-Flash ตามอัตราของ V4.1-Flash, การจัดการนี้ DeepSeek กล่าวว่า จะดำเนินต่อไปจนกว่า V4.1-Pro จะเปิดตัว; ห้องทดลองระบุว่าการทดสอบจากหลายฝ่ายทำให้ V4.1-Flash มีประสิทธิภาพเหนือ V4-Pro ในด้านประสิทธิภาพ, ต้นทุน, ความเร็ว, และระยะเวลารันทั้งหมด.