DeepSeek открыла веса модели V4.1-Flash на 552 млрд параметров

DeepSeek выложила на Hugging Face под лицензией MIT веса V4.1-Flash — модели на 552 млрд параметров, которая понимает текст и картинки и держит контекст до миллиона токенов.

Почему это важно: эту модель любая компания может запустить у себя, а в задачах для ИИ-агентов она, по замерам разработчиков, местами обходит закрытые Claude Opus 5.0 и GPT-5.6 Sol.

Расклад: в тот же день DeepSeek начала переводить на V4.1-Flash запросы к более крупной V4-Pro в своём API и снизила цены. В конце августа компания уже показывала экспериментальную версию V4-Flash, понимающую картинки.

Как это работает: главное новшество — экономия памяти, где модель хранит уже прочитанный текст (KV-кэш):

• 40 слоёв модели разделены на 20 слоёв кодировщика и 20 слоёв декодера, и декодер берёт эту память у кодировщика, а не вычисляет в каждом своём слое;
• поэтому при чтении запроса на каждый токен работают 8 млрд параметров, а при написании ответа — 16 млрд;
• ещё несколько приёмов, включая хранение памяти в 4-битном формате, сжимают её до 890 байт на токен — примерно вчетверо меньше, чем у DeepSeek-V4-Flash;
• по словам авторов, это заметно удешевляет работу агентов, которые читают много, а пишут мало.

Детали: остальное устройство модели выглядит так:

• модель построена как смесь экспертов: в каждом слое 384 узких блока и один общий, на каждый токен работают шесть из них и общий;
• у неё есть отдельная память Engram на 196 млрд параметров, в которую модель заглядывает выборочно, находя нужное по токенам;
• модель обучили с нуля на 45 трлн токенов текста и изображений, причём картинки она училась понимать с самого начала, а не дообучалась потом;
• глубину рассуждений можно задать числом от 1 до 100: чем выше число, тем точнее ответы и дороже работа.

В цифрах: так выглядят результаты по замерам DeepSeek на максимальной глубине рассуждений:

• в Terminal-Bench 2.1 модель с первой попытки решила 90,6% задач, Claude Opus 5.0 — 89,1%;
• в DeepSWE v1.1 она решила 74,2% задач против 74,0% у Opus 5.0;
• в AutomationBench — 54,8% против 50,3% у Opus 5.0;
• прежнюю V4-Pro, в которой 1,6 трлн параметров, новая модель обходит во всех тестах для агентов из таблицы разработчиков.

Но: на самых трудных задачах модель сильно отстаёт от лидеров:

• в Terminal-Bench 4.0 она решила 31,2% задач, а Opus 5.0 — 51,8%;
• в «Последнем экзамене человечества» (HLE) без инструментов у неё 36,8% правильных ответов, у Opus 5.0 — 56,3%;
• результат зависит и от обвязки агента: в DeepSWE с официальной обвязкой mini-SWE модель решает 74,2% задач, а внутри Codex — 65,6%.

Готового шаблона чата в формате Jinja в релизе нет. Вместо него DeepSeek выложила эталонный код на Python и библиотеки deepseek-recipe, которые переводят запросы в форматах Messages, Chat Completions и Responses в формат своих моделей.