DeepSeek

DeepSeek V4.1 FlashOuvert

DeepSeek V4.1 Flash is an open-weights MoE reasoning model with 552B total (16B active) parameters, 1.0M context, and chain-of-thought problem solving.

#379publié le 10 sept. 2026·Open Weights·552B (16B active)
textimage1.0M ctxraisonnement
Fournisseurs APIObtenir la clé API →Classement
Intelligence
54.5 #379
AAQI 40.0
Vitesse Sortie
214 t/s
TTFT 1.21 s · ITL 4.7 ms/tok
Prix mixte (3:1)
$0.18 /1M
Entrée $0.3/M · Sortie $1.2/M
Contexte
1.0M
≈ 2,500 pages A4 · sortie max 32,768

Quality Domain Radar

6-Axis Frontier Evaluation vs Category Average & Flagship

DeepSeek V4.1 Flash
Claude Mythos Preview (#1)
Average (68)
Coding (52)Mathematics (68)Hard Science (GPQA) (58)Agentic & Tool Use (48)Knowledge (MMLU) (46)Vision / Multimodal (50)

Les axes du radar sont approximés depuis les scores par catégorie lorsque les mesures directes manquent — voir Méthodologie.

Points forts & compromis

Là où il gagne

  • Open weights — self-host, fine-tune and audit with no vendor lock-in
  • 1.0M context — swallows whole repos, codebases or corpora in one pass
  • 214 tok/s output — fast enough for real-time agents
  • Very low blended price — $0.18/1M mixed tokens

Cas d'usage clés

Deep research
Synthesis across broad knowledge domains with citation-grade recall.
Math & proof work
Step-verified reasoning for olympiad math, theorem proving and formal verification.
SWE-bench agents
Issue-to-PR resolution across multi-file repos — refactor, test and verify autonomously.

Démarrage rapide développeur & API

Définissez d’abord DEEPSEEK_API_KEY — obtenir une clé API
curl https://api.deepseek.com/v1/chat/completions \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -H "content-type: application/json" \
  -d '{
    "model": "deepseek-v4-1-flash",
    "messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
  }'

Ressources & liens officiels

Déploiement API

Comparer hôtes et latence

Débit, TTFT et tarifs de cache chez Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock et Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Voir la matrice des fournisseurs →

Scores par Source

Specs en direct & architecture

Sous le capot
Dense · 552B (16B active)
  • Switchable reasoning effort — trading latency and tokens for accuracy on hard problems.
  • Prompt caching supported — cached input reads at $0.03/1M tokens.
Date de Sortie
10 sept. 2026
Architecture
Dense · 552B (16B active)
Paramètres
552B (16B active)
Licence
Open Weights
Fenêtre de Contexte
1,000,000 tokens
Sortie max
32,768 tokens
Modalités
text + image
Tarifs du cache
lecture $0.03 · écriture $0.35 /1M
Raisonnement
Niveaux d'effort
Prix Entrée
$0.3/M
Prix Sortie
$1.2/M
Vitesse Sortie
214 t/s
Temps au Premier Token
1.21 s
Données mises à jour
12 sept. 2026

Facture mensuelle estimée

Dépense mensuelle estimée
$0.00
Calcul des économies vs GPT-4o…

Citer et intégrer

Badge Markdown GitHub
Loading badge markdown...
BibTeX
@misc{llmpodium2026deepseekv41flash,
  title = {Benchmark Analysis and Intelligence Evaluation of DeepSeek V4.1 Flash},
  author = {LLMPodium Research},
  year = {2026},
  url = {https://llmpodium.com/models/deepseek-v4-1-flash}
}

Intégrer le badge de score

Ajoutez un badge Podium Score en direct à votre README GitHub ou Hugging Face — il renvoie vers le classement en direct.

Aperçu
DeepSeek V4.1 Flash LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

Plus de DeepSeek

Modèles alternatifs

Meilleures alternatives à DeepSeek V4.1 Flash selon les capacités, le prix et les benchmarks.

0 / 4