Baseten, Model API’lerine 1M Token Bağlamıyla DeepSeek-V4.1-Flash Ekliyor

DeepSeek-V4.1-Flash artık Baseten Model API’lerinde mevcut, Baseten duyurdu 11 Eylül 2026’da, 1M token bağlam penceresinde ön doldurma için 8B aktif parametre, kod çözme için 16B parametre eşleştiren 552B parametreli çok modlu karışık uzman (MoE) modelini çıkarım sağlayıcısının platformuna getiriyor.

DeepSeek, modelin açık ağırlıklarını Hugging Face’te yayınladı ve DeepSeek’in kendi duyurusu 10 Eylül 2026 tarihli. Model metin ve görüntü girişi alıyor ve metin çıktısı üretiyor, ve model kartı deposunun ve ağırlıkların MIT Lisansı altında lisanslandığını belirtiyor. Baseten, V4.1-Flash’i DeepSeek’in 2026’nın üçüncü açık ağırlıklı flash sürümü ve ölçeğiyle DeepSeek’in Causal Encoder-Decoder mimarisi olarak adlandırdığı tek model olarak tanımlıyor. Baseten’in Loops eğitim ürününe destek yakında geliyor, şirket belirtiyor.

Raporlanan Benchmark Sonuçları

Model kartı, maksimum akıl yürütme çabası ayarı 100’deki instruct-model sonuçlarını rapor ediyor: V4.1-Flash, Terminal-Bench 2.1’de 90.6 puan alırken, V4-Flash 82.7 ve V4-Pro 87.9 puan alıyor; DeepSWE v1.1’de 74.2 puan, karşılaştırmalı olarak 54.4 ve 62.7; ve AutomationBench’te 54.8 puan, karşılaştırmalı olarak 37.7 ve 43.2. Baseten aynı kodlama ve ajan figürlerini vurgulayarak, V4.1-Flash’in toplam parametrelerin yaklaşık üçte biriyle V4-Pro’yu geride bıraktığını belirtiyor, ancak AutomationBench’te 54.8 puanın modelin karmaşık iş akışlarının yaklaşık yarısında başarısız olduğu konusunda uyarıyor ve ekipleri ajan boru hatları için bir insanı devrede tutmaya tavsiye ediyor.

Kartın, sınır modelileriyle maksimum çaba altında yaptığı karşılaştırmada, V4.1-Flash GPQA Diamond’da 90.9, Codeforces derecelendirmesi 3471 ve araçlı HLE’de 63.9 puan alıyor. Baseten, V4.1-Flash’in DeepSeek’in yerel görüntü girişi olan ilk deneysel olmayan modeli olduğunu, bu yeteneğin daha önce deneysel V4-Flash-Vision-Exp ile sınırlı olduğunu belirtiyor; tablosu yeni model için Chartography’de 78.9 ve ZeroBench’te 49 puan gösterirken, deneysel model için 64.3 ve 35 puan rapor ediyor.

Nedensel Encoder-Decoder Mimarisi

Model kartına göre, V4.1-Flash 40 katmanlı bir Transformer’ı 20 katmanlı nedensel encoder ve ardından 20 katmanlı decoder olarak düzenliyor; decoder’ın global anahtar-değer (KV) önbelleği, her decoder katmanının kendi gizli durumlarından türetilmek yerine son encoder gizli durumlarından projekte ediliyor. Tasarım, ön doldurma sırasında token başına 8B parametre, kod çözme sırasında ise 16B parametre etkinleştiriyor; Baseten bunu, her iki adımda da 13B etkinleştiren V4-Flash ile karşılaştırıyor ve değişikliği, daha ağır bir kod çözme yerine çok daha hafif bir ön doldurma ile takas etmek olarak çerçevelendiriyor; Baseten bu yapılandırmanın, ajan döngüleri çok daha fazla ön doldurma token’ı üretirken kod çözme token’ı daha az üretir, bu da maliyet verimliliğini artırdığını söylüyor.

Kart, modelin Compressed Sparse Attention 2’nin her dikkat katmanına üç statik moddan (Full, Reindex veya Reuse) birini atadığını, decoder’da bağlamsal uzunluktan bağımsız olarak daha derin indeksleme maliyetini sınırlayan Hiyerarşik Seyrek İndeksleyici bulunduğunu rapor ediyor. FP4 ana KV önbelleklemesiyle birleştirildiğinde, bu tasarımlar global KV önbelleğini token başına 890 bayta düşürüyor; bu, V4-Flash’in yaklaşık dörtte biri, kart belirtiyor. Ayrı bir mekanizma olan SWA Bounded Replay, yalnızca en son token’ları yeniden oynatarak eksik kayan pencere dikkat KV durumlarını yeniden oluşturuyor ve kalıcı KV ayak izini V4-Flash’in yaklaşık sekizde birine düşürüyor. DeepSeek’in duyurusu, tasarrufun önceki neslin HBM’inin dörtte biri ve SSD depolamasının sekizde biri olduğunu belirtiyor.

Her MoE katmanı, bir ortak uzman ve 384 yönlendirilmiş uzman kullanıyor; token başına altı yönlendirilmiş uzman aktif oluyor ve model, kartına göre, 196B parametreli Engram koşullu belleği DSpark spekülatif kod çözmesiyle birlikte ekliyor. DeepSeek, modeli sıfırdan 45T tokenlık çok modlu bir korpus üzerinde eğitti, seyrek dikkatini 64K dizi uzunluğunda eğitti ve bağlamı 34T tokenda 1M tokena genişletti. Eğitim sonrası, standart denetimli ince ayar, pekiştirme öğrenmesi ve politika içi damıtma dizisini izliyor; önemli değişiklikler büyük ölçekli otomatik ajan görevleri ve ortam sentezine odaklanıyor ve model, akıl yürütme çabası ayarını 1’den 100’e kadar sürekli kontrol edilebilir şekilde sunuyor.

DeepSeek API Geçişi ve Baseten Sunumu

DeepSeek, V4-Flash ve V4-Flash-Vision-Exp’in platformunda kullanımdan kaldırıldığını ve eski API model adlarının geçici olarak uyumluluk için V4.1-Flash’e yönlendirildiğini belirtiyor. Yeni API fiyatlandırması 10 Eylül 2026 04:00 UTC’de yürürlüğe girdi, düşük yoğunluklu saatlerde oranlar yoğun saatlerin %50’si olarak belirlendi ve DeepSeek, resmi ortakları WorkBuddy (CodeBuddy dahil) ve OpenCode’u V4.1-Flash’i tam olarak destekleyen olarak adlandırıyor.

Baseten, modelin Çıkarım Yığını ile NVIDIA Dynamo’yu KV önbellek‑bilincine sahip yönlendirme kullanarak hizmet verdiğini, her isteği serbest olan bir kopya yerine ön ekini zaten tutan kopyaya yönlendirdiğini söyledi. Model, Baseten’in Model Kütüphanesi aracılığıyla sunuluyor; rezerve kapasiteye ihtiyaç duyan ekipler için özel dağıtımlar mevcut.

14 Eylül 2026 04:00 UTC’den itibaren, tüm deepseek-v4-pro istekleri V4.1-Flash oranlarıyla V4.1-Flash’e yönlendirilecek; DeepSeek bu düzenlemenin V4.1-Pro lansmanına kadar devam edeceğini belirtti; laboratuvar, birden fazla tarafın testlerinin V4.1-Flash’i performans, maliyet, hız ve toplam çalışma süresi açısından V4-Pro’nun önünde tuttuğunu söyledi.