DeepSeek V4.1 Flash: 552 Mrd. Parameter, nur 8 Mrd. aktiv, Cache-Kosten 60 % günstiger — und gleichauf mit Opus 5

DeepSeek V4.1 Flash läuft auf einer neuen Architektur, die das Unternehmen Causal Encoder-Decoder nennt. Ihre 552 Milliarden Parameter verteilen sich auf einen 20-lagigen Encoder und einen 20-lagigen Decoder, doch pro Input-Token aktivieren nur 8 Milliarden, beim Output 16 Milliarden. Das macht sie strukturell schlanker als Modelle, die für jeden Vorgang größere Parameterscheiben aktivieren – eine Designentscheidung, die sich direkt in niedrigeren Inferenzkosten und besserer Speichereffizienz auszahlt.

Die Speichergewinne sind konkret. Der KV-Cache von V4.1 Flash liegt bei 890 Byte pro Token, etwa einem Viertel von V4-Flash. FP4-Caching und Compressed Sparse Attention 2 drücken den persistenten Cache-Fußabdruck auf ein Achtel der Vorgängergeneration. Gecachter Input kostet jetzt 0,003 Dollar pro Million Tokens außerhalb der Spitzenzeiten – 60 % weniger als bei V4-Flash. Ungecachter Input fiel um 33 %, der Output um 11 %.

In den Benchmarks, die Entwickler am meisten verfolgen, behauptet sich das Modell. DeepSWE v1.1 – der autonome Softwareentwicklungstest – bescheinigt ihm 74,2, hauchdünn vor Anthropics Opus 5 mit 74,0 und über GPT-5.6 Sol mit 73,0. GPQA Diamond erreicht 90,9. Die auffälligste Lücke klafft bei Terminal-Bench 3.0: 30,0 gegenüber 43,3 von Opus 5 – ein echter Unterschied bei Aufgaben, die erweitertes interaktives Debugging erfordern.

Vision ist von Grund auf im Pre-Training integriert. Früher spaltete V4 die Bildverarbeitung in eine separate Vision-Exp-Variante. V4.1 Flash ersetzt beide durch ein einziges Modell, das auf DeepSeek-ViT basiert, einem zwecktrainierten Encoder, der von Anfang an zusammen mit dem Sprachmodell entwickelt wurde. Die multimodale Stufe ist weg – jeder Aufruf erhält standardmäßig Vision.

Das Kontextfenster umfasst 1 Million Tokens, der Output ist auf 384.000 begrenzt – genug für die Analyse langer Dokumente und erweiterte Agenten-Workflows ohne Chunking. Bestehende API-Nutzer, die die alten IDs deepseek-v4-flash und deepseek-v4-flash-vision-exp verwenden, werden bereits auf V4.1 Flash umgeleitet. Am 14. September wechselt auch der Traffic von DeepSeek V4 Pro um – zu Flash-Preisen.

DeepSeek beschrieb V4.1 Flash als „das kleinste Modell unserer neuen Architekturfamilie“. Ein größerer V4.1 Pro auf demselben Causal-Encoder-Decoder-Design ist angedeutet. Wenn er die Effizienzkurve von Flash beibehält, würde er diese Architektur hinsichtlich Performance pro Dollar weiter nach oben auf der Benchmark-Kurve treiben – in Gefilde, die derzeit von Modellen besetzt sind, die pro Million Tokens deutlich mehr kosten.

Der architektonische Punkt ist wichtiger als die Preistabelle. Das Wachstum des KV-Cache ist eine der Hauptbeschränkungen für den Betrieb großer Modelle mit langem Kontext, und es skaliert mit jedem verarbeiteten Token. Der Ansatz von V4.1 Flash – weniger aktive Parameter, komprimierter Cache – geht diese Einschränkung direkt an. Es ist eine brauchbare Vorlage für Langkontext-Bereitstellungen, keine Optimierung für den Randbereich.

Schlagwörter: künstliche Intelligenz, Anthropic, KI-Modelle, DeepSeek, DeepSeek V4.1 Flash, Opus 5