DeepSeek

DeepSeek V4.1 Flash (Non-reasoning)Ouvert

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.

#369publié le 10 sept. 2026·Open Weights·552B (16B active)

textimage1.0M ctx

Fournisseurs API Obtenir la clé API →Classement

Intelligence

50.0 #369

Niveau top 50%

Vitesse Sortie

240 t/s

TTFT 900 ms · ITL 4.2 ms/tok

Prix mixte (3:1)

$0.5 /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 (Non-reasoning)

Claude Mythos Preview (#1)

Average (68)

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

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

Arena.ai ↗

—

Artificial Analysis ↗

—

Indice d'Intelligence

Scores par Catégorie

Qualité-prix92.0 Vitesse75.0 Safety70.0 Context60.0 Code45.0 Instruction45.0 LongContext45.0 Connaissances42.0 Raisonnement40.0 Arena40.0 Intelligence36.0 Agents35.0 Multimodal30.0

Résultats de Benchmarks

Détails du Modèle

Date de Sortie

10 sept. 2026

Paramètres

552B (16B active)

Licence

Open Weights

Fenêtre de Contexte

1,000,000 tokens

Prix Entrée

$0.3/M

Prix Sortie

$1.2/M

Vitesse Sortie

240 t/s

Temps au Premier Token

900 ms

Facture mensuelle estimée

Requêtes API mensuelles: 100,000Tokens d'entrée moyens: 1,500Tokens de sortie moyens: 500Taux de hit du cache de prompts: 50%

Dépense mensuelle estimée

$0.00

Calcul des économies vs GPT-4o…

Citer et intégrer

Badge Markdown GitHub

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}
}