DeepSeek

DeepSeek V4.1 Flash (Non-reasoning)Offen

Name: DeepSeek V4.1 Flash (Non-reasoning)
Price: 1.2 USD
Rating: 50 (1 reviews)
Author: DeepSeek

DeepSeek V4.1 Flash with chain-of-thought disabled for fastest, cheapest output.

#369veröffentlicht 10. Sept. 2026·Open Weights·552B (16B active)

textimage1.0M ctx

API-Anbieter API-Key holen →Rangliste

Intelligenz

50.0 #369

Top-50%-Stufe

Ausgabegeschwindigkeit

240 t/s

TTFT 900 ms · ITL 4.2 ms/tok

Blended-Preis (3:1)

$0.5 /1M

Input $0.3/M · Output $1.2/M

Kontext

1.0M

≈ 2,500 A4-Seiten · max. Output 32,768

Quality Domain Radar

6-Axis Frontier Evaluation vs Category Average & Flagship

DeepSeek V4.1 Flash (Non-reasoning)

Claude Mythos Preview (#1)

Average (68)

Radar-Achsen sind aus Kategorie-Scores approximiert, wo direkte Benchmark-Messungen fehlen — siehe Methodik.

API-Bereitstellung

Hosts & Latenz vergleichen

Durchsatz, TTFT und Cache-Preise bei Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock und Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI

Anbieter-Matrix ansehen →

Ergebnisse nach Quelle

Arena.ai ↗

—

Artificial Analysis ↗

Kategorie-Punkte

Preis-Leistung92.0 Tempo75.0 Safety70.0 Context60.0 Coding45.0 Instruction45.0 LongContext45.0 Wissen42.0 Reasoning40.0 Arena40.0 Intelligence36.0 Agents35.0 Multimodal30.0

Benchmark-Ergebnisse

Modelldetails

Veröffentlichungsdatum

10. Sept. 2026

Parameter

552B (16B active)

Lizenz

Open Weights

Kontextfenster

1,000,000 tokens

Eingabepreis

$0.3/M

Ausgabepreis

$1.2/M

Ausgabegeschwindigkeit

240 t/s

Zeit bis zum ersten Token

900 ms

Geschätzte Monatsrechnung

API-Anfragen pro Monat: 100,000Ø Input-Tokens: 1,500Ø Output-Tokens: 500Prompt-Cache-Trefferrate: 50%

Geschätzte Monatsausgaben

$0.00

Ersparnis ggü. GPT-4o wird berechnet…

Zitieren & Einbetten

GitHub-Markdown-Badge

Loading badge markdown...

BibTeX

@misc{llmpodium2026deepseekv41flashnonreasoning,
  title = {Benchmark Analysis and Intelligence Evaluation of DeepSeek V4.1 Flash (Non-reasoning)},
  author = {LLMPodium Research},
  year = {2026},
  url = {https://llmpodium.com/models/deepseek-v4-1-flash-non-reasoning}
}