DeepSeek: DeepSeek V4.1 Flash

DeepSeek V4.1 Flash является моделью DeepSeek с разреженной архитектурой смеси экспертов и первой моделью компании на основе архитектуры причинного кодировщика-декодировщика (CED). Из общего числа в 552 миллиарда параметров при обработке входных данных активируются 8 миллиардов, а при генерации ответа 16 миллиардов. Такое асимметричное распределение обеспечивает небольшие вычислительные затраты на токен относительно полного размера модели. Понимание изображений изначально встроено в архитектуру: векторные представления изображений и текста обучаются совместно с самого начала предварительного обучения, а не добавляются позже, как в более ранней экспериментальной модели V4 Flash Vision Exp. Модель подходит для ИИ-агентов, которые программируют, работают с терминалом и управляют компьютером, а также для длительных задач, требующих выполнения множества шагов до полного завершения, и анализа документов и диаграмм с длинным контекстом. Сжатие кеша ключей и значений (KV) сокращает потребление памяти кешем примерно до четверти от уровня предыдущего поколения Flash. Это особенно важно для циклов работы агентов, в которых большие контексты многократно перечитываются. DeepSeek позиционирует модель как экономичный вариант семейства V4.1 и сообщает, что она превосходит V4 Pro по качеству работы, скорости и времени выполнения задач.