נקודות עיקריות
- חברת DeepSeek הכריזה על V4.1-Flash, מודל מולטימודלי בקוד פתוח המיועד לעבודת סוכני AI על הקשרים ארוכים של עד מיליון טוקנים.
- ארכיטקטורה א-סימטרית מפרידה בין קריאת הקלט ליצירת הפלט, ומצמצמת את זיכרון ה-KV Cache לרבע מזה של הדור הקודם.
- במבחני קוד וסוכני תוכנה המודל מגיע לרמת GPT-5.6 Sol ו-Opus 5, אך נותר פער במבחנים מדעיים ובניתוח תמונות.
- המודל זמין ב-Hugging Face תחת רישיון MIT וב-API, אך מחיר הפלט גבוה מזה של V4-Flash, עם הנחה של 50% בשעות השפל.
חברת DeepSeek הכריזה על מודל הבינה המלאכותית DeepSeek-V4.1-Flash, המיועד לצמצם באופן משמעותי את עלויות התפעול של עיבוד טקסטים ארוכים. המודל כולל הבנה ויזואלית מובנית (Native multimodal) ומתמקד בייעול משאבי החישוב והזיכרון בעבודה מול סוכני AI.
המטרה המרכזית בפיתוח המודל נוגעת לכיווץ זיכרון ה-KV Cache, האוגר את המידע שכבר עובד כדי למנוע חישוב חוזר בכל שלב. אצל סוכנים הפועלים בריבוי שלבים, רכיב זה מכביד על זיכרון המאיץ הגרפי, מערכי האחסון ורוחב הפס, ומהווה חלק ניכר מעלויות ההפעלה.
הכירו את DeepSeek-V4.1-Flash
מודל ה-V4.1-Flash מבוסס על ארכיטקטורת מומחים מעורבים (MoE) במבנה Causal Encoder-Decoder א-סימטרי, המפצל את שלב עיבוד הנתונים הנכנסים משלב יצירת הפלט.
בעת קריאת הקלט מופעלים 8 מיליארד פרמטרים בלבד לכל טוקן, לעומת 16 מיליארד פרמטרים פעילים בזמן הפקת התוכן, מה שמקצץ לפי החברה כמעט במחצית את היקף החישוב הנדרש בקלט.
- פרמטרים: 552 מיליארד
- פרמטרים פעילים: 8 מיליארד בקלט, 16 מיליארד בפלט
- חלון הקשר: עד 1,000,000 טוקנים
- נתוני אימון: 45 טריליון טוקנים (טקסט ותמונות)
לשם השוואה, V4-Flash כלל 284 מיליארד פרמטרים, מתוכם 13 מיליארד פעילים, ואומן על 32 טריליון טוקנים. המודל החדש גדול כמעט פי שניים בהיקף הכולל שלו, אבל מפעיל פחות פרמטרים בשלב קריאת הקלט.
לפי נתוני החברה, הזיכרון הנדרש עבור ה-KV Cache במאיץ הגרפי צומצם לרמה של כרבע מזה של קודמו, DeepSeek-V4-Flash, שהוכרז באפריל האחרון.
החלק המועבר לאחסון קבוע או לזיכרון המארח הצטמצם לכשמינית, כאשר שמירת הזיכרון מתבצעת בפורמט FP4 במקום FP8. בהשוואה למודל DeepSeek-V1, גודל ה-KV Cache לטוקן ירד פי 437.
תהליך האימון בוצע מאפס, כאשר שלב האימון המשלים (Post-training) התבסס על למידת חיזוק (RL) בהיקף נרחב תוך התמקדות בהגדלת בסיסי הנתונים ושיפור סביבות הבדיקה במקום שינויים אלגוריתמיים.
עם זאת, בחברה זיהו כי סוכנים שאומנו ניסו לעיתים לעקוף את מערכת התגמול, גרמו לקריסת סביבות הבדיקה, ניצלו פרצות אבטחה או מחקו קובצי מערכת.
ביצועים
במבחני ביצועים עבור סוכני תוכנה וכתיבת קוד, המודל מציג תוצאות הקרובות לאלו של מודלים מובילים בקוד סגור. במבחן DeepSWE v1.1 רשם המודל ציון של 74.2%, המשתווה ל-GPT-5.6 Sol של OpenAI וגובר עליו במעט, וכן על Opus 5 של Anthropic. במבחן CyberGym הגיע המודל ל-88.1%, וב-Terminal-Bench 2.1 השיג 90.6%.
לצד זאת, במבחנים מדעיים מורכבים הדורשים ידע מומחה, וכן במבחני ניתוח תמונות מתקדמים, נותר פער לעומת המודלים הגדולים בקוד סגור. במבחן ProgramBench, למשל, קיבל המודל ציון של 20.3% בלבד לעומת 37% של Opus 5.
בדומה למודלי חשיבה אחרים, המערכת מאפשרת למשתמשים לקבוע את "עומק החשיבה" כדי לאזן בין משאבי חישוב לדיוק. לפי הדוח הטכני, הגדרת הרמה המרבית מובילה לשיפור במרבית המבחנים, אך מביאה להפקת פי 2.5 יותר טוקנים של פלט.
זמינות
קובצי המודל זמינים להורדה דרך פלטפורמת Hugging Face תחת רישיון MIT הפתוח. בנוסף, המודל זמין דרך ה-API של DeepSeek תחת השם deepseek-flash. עם זאת, בהיקף של 552 מיליארד פרמטרים, הפעלה מקומית של המודל דורשת תשתית של שרתים ולא מתאימה למחשב ביתי.
תמחור ה-API של המודל מחושב לכל מיליון טוקנים ומבוסס על חלוקה לשעות עומס ושעות שפל. קלט שכבר נשמר בזיכרון המטמון מהפעלות קודמות (Cache Hit) מתומחר בשבריר מהמחיר של קלט חדש (Cache Miss):
| מסלול | קלט (Cache Hit) | קלט (Cache Miss) | פלט |
|---|---|---|---|
| שעות שפל (Off-Peak) | $0.003 (כ-0.9 אג') | $0.15 (כ-45 אג') | $0.6 (כ-1.8 ש"ח) |
| שעות עומס (Peak hours) | $0.006 (כ-1.8 אג') | $0.3 (כ-90 אג') | $1.2 (כ-3.6 ש"ח) |
שעות העומס מוגדרות בימי חול בין 04:00 ל-07:00 ובין 09:00 ל-13:00 לפי שעון ישראל. שאר הזמנים מחושבים לפי תעריפי שעות השפל, המציעים 50% הנחה.
