DeepSeekは、高性能な推論とコスト効率の高い推論のバランスを追求して設計されたV4.1 FlashモデルのスナップショットであるDeepSeek V4.1 Flash 1017をリリースしました。このモデルは、同社のCausal Encoder-Decoder（CED）アーキテクチャに基づいて構築されたシリーズ初のモデルです。ビジョン機能を後付けで統合した多くの従来モデルとは異なり、V4.1 Flashはネイティブな画像理解を備えており、視覚的埋め込みとテキスト埋め込みが事前学習の初期段階から共同でトレーニングされています。このアーキテクチャの選択は、マルチモーダルなタスクや長期的なエージェントワークフローを処理するモデルの能力を向上させることを目的としています。
DeepSeekのロゴは、V4.1 Flash 1017モデルおよびそのCausal Encoder-Decoderアーキテクチャを開発した企業を表しています。
このモデルはスパースMixture-of-Experts（MoE）設計を採用しており、5520億という巨大なバックボーンパラメータを維持しながら、推論の各ステップではその一部のみをアクティブにします。具体的には、入力処理には80億、出力生成には160億のパラメータをアクティブにします。この非対称な分割は、より大きなモデルの広範な知識ベースを保持しつつ、トークンあたりの計算量を低く抑えるための意図的なエンジニアリング上のトレードオフです。さらに複雑なマルチステップタスクに最適化するため、DeepSeekは圧縮KV（Key-Value）キャッシュを実装しました。これにより、キャッシュメモリの要件を前世代のFlashと比較して約4分の1に削減しています。この削減は、モデルが多くの連続したステップにわたって大量のコンテキストを維持する必要がある「エージェント」ワークロードに関連するコストとメモリオーバーヘッドを低減することを特に目的としています。
ベンチマークとパフォーマンスデータは、V4.1 Flash 1017がV4.1ファミリーのコスト効率の高い層として位置付けられていることを示していますが、速度とタスク完了時間の面ではV4 Proモデルの性能を上回ると報告されています。標準的な評価において、このモデルはDeepSWE v1.1で77.0%、Automation-Bench v1.0.6で60.5%のスコアを獲得するなど、さまざまなベンチマークで競争力のある数値を記録しています。104.8万トークンのコンテキストウィンドウを提供していますが、モデルの実用的なアプリケーションはコーディング、ターミナル利用、およびコンピュータ操作エージェントに最適化されています。ただし、モデルはツール呼び出しと構造化出力をサポートしていますが、モデルの互換性はホスティングエンドポイントによって異なるため、これらの機能は現在OpenRouterプラットフォーム上の特定のプロバイダーを通じてのみ利用可能であることに注意が必要です。
この画像は、技術仕様や重みが共有されているHugging Face上でのモデルの存在を表しています。