DeepSeek V4.1 Flash: 552 miliardi di parametri, 8 miliardi attivi, cache il 60% meno cara — e pareggia Opus 5

DeepSeek V4.1 Flash si basa su una nuova architettura chiamata Causal Encoder-Decoder. I suoi 552 miliardi di parametri abbracciano un encoder a 20 strati e un decoder a 20 strati, ma solo 8 miliardi si attivano sui token in input e 16 miliardi su quelli in output. Questo lo rende strutturalmente più snello rispetto ai modelli che attivano porzioni più grandi di parametri per ogni operazione, una scelta progettuale che ripaga direttamente in termini di costo di inferenza ed efficienza della memoria.

I guadagni in termini di memoria sono specifici. La cache KV di V4.1 Flash si attesta a 890 byte per token, circa un quarto di quella di V4-Flash. Il caching FP4 e Compressed Sparse Attention 2 riducono l’ingombro della cache persistente a un ottavo rispetto alla generazione precedente. L’input in cache ora costa $0.003 per milione di token nelle ore non di punta, il 60% in meno rispetto a V4-Flash. L’input non in cache è sceso del 33%, l’output dell’11%.

Nei benchmark più seguiti dagli sviluppatori, il modello si difende. DeepSWE v1.1 – il test di ingegneria del software autonomo – gli assegna 74,2, leggermente davanti ad Anthropic‘s Opus 5 con 74,0 e sopra GPT-5.6 Sol con 73,0. GPQA Diamond segna 90,9. Il divario che salta all’occhio è Terminal-Bench 3.0: 30,0 contro il 43,3 di Opus 5, una differenza reale in attività che richiedono debugging interattivo esteso.

La visione è integrata fin dal pre-addestramento. In precedenza, V4 suddivideva la visione in una variante separata Vision-Exp. V4.1 Flash sostituisce entrambi con un singolo modello costruito attorno a DeepSeek-ViT, un encoder addestrato appositamente e co-sviluppato con il modello linguistico fin dall’inizio. Il livello multimodale è scomparso: ogni chiamata riceve la visione in modo predefinito.

La finestra di contesto è di 1 milione di token, con un output massimo di 384.000, sufficiente per l’analisi di documenti lunghi e flussi di lavoro agentici estesi senza dover frammentare. I chiamanti API esistenti che usano i vecchi ID deepseek-v4-flash e deepseek-v4-flash-vision-exp sono già reindirizzati a V4.1 Flash. Il 14 settembre anche il traffico di DeepSeek V4 Pro passa al nuovo — ai prezzi di Flash.

DeepSeek ha descritto V4.1 Flash come “il modello più piccolo della nostra nuova famiglia architetturale”. È implicito un V4.1 Pro più grande, basato sullo stesso design Causal Encoder-Decoder. Se manterrà la traiettoria di efficienza di Flash, estenderebbe il rapporto prestazioni/dollaro di questa architettura più in alto nella curva dei benchmark, in un territorio attualmente occupato da modelli che costano significativamente di più per milione di token.

Il punto architetturale conta al di là della tabella dei prezzi. La crescita della cache KV è un vincolo primario nell’esecuzione di modelli grandi con contesto lungo, e scala con ogni token elaborato. L’approccio di V4.1 Flash — meno parametri attivi, cache compressa — affronta direttamente questo vincolo. È un modello utilizzabile per implementazioni a contesto lungo, non un’ottimizzazione di nicchia.

Tag: intelligenza artificiale, Anthropic, DeepSeek, modelli AI, DeepSeek V4.1 Flash, Opus 5