V4 generation வந்து ஒரு மாதம் கூட ஆகவில்லை, DeepSeek பேச்சை மாற்றிவிட்டது. செப்டம்பர் 10, 2026 அன்று DeepSeek-V4.1-Flash அறிமுகமானது – புத்தம் புதிய architecture குடும்பத்தின் மிகச்சிறிய மாடல், native vision, 1M-token context window, MIT license-இல் open weights உடன். வேண்டுமென்றே பரபரப்பூட்டும் கூற்று: மலிவான "Flash" மாடல் இப்போது agentic benchmark-களில் flagship V4 Pro-வை முந்துகிறது, சுமார் கால் விலையில்.
Launch post, pricing page, technical report evaluation tables அனைத்தையும் நான் படித்துவிட்டேன் – உங்களுக்காக இரண்டு விஷயங்கள் சேர்த்துள்ளேன்: முழு விலைக் கணக்கு (peak vs off-peak, cache hits, migration தேதிகள்) மற்றும் இன்றைய frontier மாடல்கள் – GPT-6 Astra, Claude Fable 5.1, GLM 5.3 – உடன் நேர்மையான benchmark ஒப்பீடு.
மூலக் குறிப்பு: கீழே உள்ள specs, விலைகள், scores அனைத்தும் DeepSeek-இன் அதிகாரப்பூர்வ அறிவிப்பு, அதிகாரப்பூர்வ API pricing page, model card evaluation tables (அனைத்தும் maximum reasoning effort-இல்) ஆகியவற்றிலிருந்து. இவை vendor-reported எண்கள், சுயாதீன VelsTech benchmark-கள் அல்ல – எங்கு இது முக்கியமோ அங்கு தெளிவாகக் குறிப்பிட்டுள்ளேன்.
சுருக்கமாக
- புதிய architecture, சிறிய active footprint: மொத்தம் 552B parameters, ஆனால் Causal Encoder-Decoder வடிவமைப்பு + compressed sparse attention மூலம் input (prefill)-இல் 8B மட்டும், output (decode)-இல் 16B மட்டும் active.
- Flash, Pro-வை வென்றது: DeepSeek-இன் சொந்த tables-இல் V4.1-Flash, V4-Pro-வை முந்துகிறது – Terminal-Bench 2.1 (90.6% vs 87.9%), DeepSWE (74.2% vs 62.7%), AutomationBench (54.8% vs 43.2%).
- Closed flagship-களையும் வெல்கிறது: Terminal-Bench 2.1 (90.6%), DeepSWE v1.1 (74.2%), CyberGym (88.1%), HLE with tools (63.9%), AutomationBench (54.8%), Codeforces (3471) ஆகியவற்றில் best-reported scores.
- உண்மையான மசாலா pricing: peak-இல் ஒரு மில்லியன் token-க்கு $0.30 / $1.20 (input / output), off-peak-இல் பாதி – $0.15 / $0.60, cache hits $0.006 ($0.003 off-peak). GPT-6 Astra / Claude Fable 5.1-ஐ விட ~33x மலிவான input.
-
deepseek-flashஎன live, native vision உடன். பழையdeepseek-v4-flashபெயர்கள் தொடரும், புதிய மாடலுக்கு route ஆகும். V4 Pro செப் 14-இல் retire ஆகும் என்றார்கள் – DeepSeek இப்போது நீட்டித்துவிட்டது, இரண்டும் கிடைக்கும்.
V4.1 Flash என்றால் என்ன
V4.1-Flash என்பது DeepSeek-இன் V4.1 குடும்பத்தின் முதல், மிகச்சிறிய உறுப்பினர் – images, text படித்து text எழுதும் multimodal Mixture-of-Experts மாடல். 45T token-களில் scratch-இலிருந்து train செய்யப்பட்டது, thinking + non-thinking modes, cost-க்கும் accuracy-க்கும் இடையே trade-off செய்யும் dial (reasoning_effort 1–100), MIT license-இல் open-source – weights Hugging Face-இல் உள்ளன.
| Spec | DeepSeek-V4.1-Flash | V4-Flash (முந்தைய தலைமுறை) | V4-Pro |
|---|---|---|---|
| மொத்த parameters | 552B | 284B | 1.6T |
| Active / token | 8B prefill / 16B decode | 13B | 49B |
| Architecture | Causal Encoder-Decoder, 40 layers (20+20) | MoE + hybrid attention | MoE |
| Experts | 384 routed + 1 shared, 6 active | – | – |
| Context / max output | 1M / 384K | 1M / 384K | 1M / 384K |
| Vision | Native (DeepSeek-ViT) | தனி exp. variant | இல்லை |
| KV cache / token | ~890 bytes (FP4) | ~4x பெரியது | – |
| License | MIT (open weights) | MIT | MIT weights / hosted API |
இரண்டு engineering யோசனைகள் பெரும்பாலான வேலையைச் செய்கின்றன. Compressed Sparse Attention v2 key-value தரவை layer-களில் மீண்டும் compute செய்யாமல் share செய்கிறது, SWA Bounded Replay short-window attention-ஐ store செய்யாமல் தேவைக்கேற்ப reconstruct செய்கிறது – persistent cache V4-Flash-இன் HBM-இல் சுமார் 1/4, SSD-இல் 1/8, அசல் V1-இன் ~1/437 பங்கு. நாள் முழுதும் பெரிய context-களை மீண்டும் படிக்கும் agent workload-களில் பணம் இங்குதான் மிச்சமாகிறது.
விலை விவரம்: முழு கணக்கு
DeepSeek peak/off-peak pricing-ஐ வைத்து efficiency சேமிப்பை நேரடியாக rate card-இல் தந்துவிட்டது. புதிய விலைகள் செப்டம்பர் 10, 2026 முதல். Peak hours 01:00–04:00 மற்றும் 06:00–10:00 UTC, திங்கள்–வெள்ளி – மற்ற அனைத்தும் off-peak, சரிபாதி விலை.
| 1M token-க்கு | V4.1 Flash peak | V4.1 Flash off-peak | V4 Pro peak |
|---|---|---|---|
| Input, cache miss | $0.30 | $0.15 | $1.32 |
| Input, cache hit | $0.006 | $0.003 | $0.044 |
| Output | $1.20 | $0.60 | $3.96 |
மூன்று விஷயங்கள் கவனிக்கத்தக்கவை. முதல், cache-hit தள்ளுபடி 50x:
திரும்பத் திரும்ப வரும் system prompts, repo context, tool definitions $0.30-க்குப்
பதில் $0.006/MTok. Context reuse செய்யும் agent-கள் – அதாவது கிட்டத்தட்ட அனைத்தும் –
sticker price-ஐ விட மிக மலிவாகும். இரண்டு, V4.1-Flash peak-இல் V4 Pro-வை விட input-இல்
~4.4x, output-இல் ~3.3x மலிவு, off-peak-இல் இடைவெளி இரட்டிப்பு.
மூன்று, migration தானாக நடக்கும்: model-ஐ deepseek-flash என set செய்யுங்கள்;
பழைய deepseek-v4-flash, deepseek-v4-flash-vision-exp
பெயர்கள் Flash rates-இல் V4.1-Flash-க்கு route ஆகும்.
Launch post-இல் ஒரு திருத்தம்: செப்டம்பர் 14, 04:00 UTC முதல் அனைத்து
deepseek-v4-pro traffic-உம் Flash-க்கு மாறும் என்றார்கள். Pricing page
இப்போது V4 Pro அந்தத் தேதிக்குப் பிறகும் மாறாத billing-உடன் தொடரும்
என்கிறது – "Pro மூடப்படுகிறது" வரியை superseded எனக் கொள்ளுங்கள். Concurrency limits
Flash-க்கு 2500 vs Pro-வுக்கு 500 – Flash-ஐ default ஆக்க இன்னொரு அமைதியான காரணம்.
Frontier உடன் benchmarks: Flash எங்கு வெல்கிறது, எங்கு இல்லை
கீழே உள்ள table DeepSeek-இன் சொந்த ஒப்பீடு (maximum reasoning effort, temperature 1.0 / top_p 0.95, code agent-களுக்கு DeepSeek Harness minimal mode). Rival columns: Opus-5.0, GPT-5.6 Sol, K3, GLM-5.3, V4-Pro, V4-Flash. "DeepSeek-இன் best foot forward" எனப் படியுங்கள் – harness, effort settings home team-க்கு சாதகம், சுயாதீன reruns பின்னர் வரும்.
| Benchmark | V4.1 Flash | Table-இல் best rival | முடிவு |
|---|---|---|---|
| Terminal-Bench 2.1 (agentic terminal) | 90.6% | 89.1% (Opus-5.0) | Flash முன்னிலை |
| DeepSWE v1.1 (software engineering) | 74.2% | 74.0% (Opus-5.0) | Flash முன்னிலை |
| CyberGym | 88.1% | 84.5% (Sol / GLM-5.3) | Flash முன்னிலை |
| HLE with tools | 63.9% | 63.6% (Opus-5.0) | Flash முன்னிலை |
| AutomationBench (office workflows) | 54.8% | 50.3% (Opus-5.0) | Flash தெளிவான முன்னிலை |
| Agent's Last Exam | 31.8% | 28.6% (Opus-5.0) | Flash முன்னிலை |
| Codeforces rating | 3471 | 3348 (V4-Pro) | Flash முன்னிலை |
| MathArena Apex | 65.6% (K3 உடன் tie) | 65.6% (K3) | கூட்டு best |
| GPQA Diamond (reasoning) | 90.9% | 94.1% (GPT-5.6 Sol) | Flagship-களுக்குப் பின் |
| HLE, tools இல்லாமல் | 36.8% | 56.3% (Opus-5.0) | பின் – பெரிய இடைவெளி |
| Terminal-Bench 4.0 | 31.2% | 51.8% (Opus-5.0) | புதிய harness-இல் பின் |
| SEC-Bench Pro | 62.8% | 74.3% (GPT-5.6 Sol) | பின் |
| ExploitGym | 15.3% | 33.7% (GPT-5.6 Sol) | பின் |
| ProgramBench / NL2Repo | 20.3% / 64.0% | 37.0% / 75.3% (Opus-5.0) | பின் |
Pattern சீரானது: "நீண்ட multi-step வேலை" bench-களில் V4.1-Flash ஆதிக்கம் – terminal agent-கள், repo-scale coding, automation, tool-using தேர்வுகள் – ஆனால் closed-book reasoning-இல் (tools இல்லா HLE), புத்தம் புதிய harness-களில் (Terminal-Bench 4.0, SEC-Bench) பெரிய closed மாடல்களுக்குப் பின். சொந்தக் குடும்பத்துக்கு எதிராகக் கதை தெளிவு: கிட்டத்தட்ட அனைத்து agentic row-களிலும் V4-Pro-வை வெல்கிறது, base-model coding-இலும் (HumanEval 79.4%, BigCodeBench 60.6%).
இந்த site-இன் புதிய flagship-களுடன் தொடர்பு என்ன? GPT-6 Astra (ARC-AGI-3 99.9%, OSWorld 2.0 72.6%, Terminal-Bench 4.0 57.9%), Claude Fable 5.1 (Terminal-Bench 4.0 55.8%, HLE with tools 65.0%) தங்கள் வலுவான harness-களில் இன்னும் முன்னிலை – ஆனால் அந்த எண்கள் வெவ்வேறு lab, harness, தேதிகளிலிருந்து, எனவே cross-vendor ஒப்பீட்டை directional ஆகக் கொள்ளுங்கள், controlled race ஆக அல்ல. நியாயமான சுருக்கம்: chat-இல் மட்டுமல்ல, agent வேலையில் flagship-களுடன் போட்டியிடும் முதல் open-weights மாடல் Flash.
Frontier விலைப் போர்: Flash vs அனைவரும்
Benchmarks பாதி மசாலாதான். அதே வேலை ஒரு மில்லியன் token-க்கு என்ன விலை (standard/peak rates; commit செய்யும் முன் ஒவ்வொரு vendor page-ஐயும் சரிபாருங்கள்):
| Model | Input / 1M | Output / 1M | Cache read / 1M |
|---|---|---|---|
| DeepSeek V4.1 Flash (off-peak) | $0.15 | $0.60 | $0.003 |
| DeepSeek V4.1 Flash (peak) | $0.30 | $1.20 | $0.006 |
| DeepSeek V4 Pro (peak) | $1.32 | $3.96 | $0.044 |
| GLM-5.3 | $1.40 | $4.40 | $0.26 |
| Gemini 2.5 Pro (≤200K) | $1.25 | $10.00 | $0.125 |
| GPT-5.6 Sol | $4.00 | $20.00 | $0.40 |
| GPT-6 Astra | $10.00 | $50.00 | $1.00 |
| Claude Fable 5.1 | $10.00 | $50.00 | $0.25 |
ஒரு realistic agent workload-க்குக் கணக்கிடுவோம் – 80% cache hits உடன் 200K input tokens, 50K output tokens கொண்ட பத்து request-கள், peak rates-இல் (அனைத்தும் 1M context-க்குள்). V4.1 Flash-இல் இது மொத்தம் சுமார் (0.4M × $0.30) + (1.6M × $0.006) + (0.5M × $1.20) ≈ $0.73. $1.00 cache reads உள்ள $10/$50 flagship-இல் அதே workload சுமார் $4.00 + $1.60 + $25.00 ≈ $30.60 – சுமார் 42x அதிகம். Off-peak-இல் Flash bill மீண்டும் பாதி – சுமார் $0.36. உங்கள் token mix-உடன் எங்கள் AI API cost calculator-இல் நீங்களே கணக்கிடுங்கள்; இந்த விலைகளில் self-hosting break-even நிறைய மாறும்.
Local AI பயன்படுத்துவோருக்கு இதன் அர்த்தம்
முதலில் நேர்மையான பதில்: 552B வீட்டில் ஓடாது. Safetensors release sparsely-accessed memory உட்பட ~763B parameters, third-party மதிப்பீடுகளின்படி full-precision serving-க்கு short context-இலேயே ~1,160 GB VRAM – சுமார் பதினெட்டு 80 GB datacenter card-கள். DeepSeek பெரிய scale-க்கு 2,000-GPU-plus-storage deployment-களைப் பற்றிப் பேசுகிறது. என் 12 GB RX 6800M இதை download செய்யாது; வீட்டில் உண்மையில் என்ன fit ஆகும் என்பதற்கு LLM-களுக்கு எவ்வளவு VRAM, local-LLM GPU guide பாருங்கள்.
நீங்கள் பயன்படுத்தக்கூடியது: weights MIT-licensed, எனவே FP8 originals உடன்
community GGUF quant-கள், Ollama cloud entries (deepseek-v4.1-flash:cloud
ஏற்கனவே உள்ளது), vLLM/SGLang support வேகமாக வரும். OpenCode, WorkBuddy (CodeBuddy
உட்பட) ஏற்கனவே V4.1-Flash support-ஐ list செய்கின்றன – இந்த site வாசகர்களுக்கு முக்கியம்,
ஏனெனில் OpenCode-style harness-களில்தான் Flash-இன் benchmark பலம் (DeepSWE,
Terminal-Bench, AutomationBench) வெளிப்படும். Local-AI நண்பர்களுக்கு practical move:
private/sensitive வேலையை local 7B–35B மாடல்களில் வையுங்கள், heavy agentic வேலைகளை $10
API-க்குப் பதில் $0.15/MTok API-க்கு அனுப்புங்கள்.
முயற்சி செய்வது எப்படி
- Chat: chat.deepseek.com, DeepSeek app – வேகத்தை உணர விரைவான வழி.
- API:
https://api.deepseek.com-இல்model="deepseek-flash"(OpenAI-, Anthropic-compatible endpoints). பரிந்துரை: temperature 1.0, top_p 0.95, 1M context, நீண்ட agent-களுக்கு max_tokens ≥ 256K. - Reasoning dial:
reasoning_effort1–100, token-க்கும் accuracy-க்கும் trade-off – chat-க்குக் குறைவாக, DeepSWE-style task-களுக்கு max. - Open weights: Hugging Face-இல் deepseek-ai/DeepSeek-V4.1-Flash, technical report (PDF).
- Vision: தனி vision மாடல் இல்லை – அதே Flash endpoint natively images ஏற்கும்.
அனைத்தையும் மாற்றும் முன் எச்சரிக்கைகள்
- அனைத்து instruct score-களும் max-effort run-கள். அன்றாட settings-இல் (குறைந்த reasoning_effort, வேறு scaffolds) score குறையும் – செலவும் குறையும். Trade-off-இன் இரு பகுதிகளும்தான் விஷயம்.
- இங்கு harness வழக்கத்தை விட முக்கியம். DeepSeek-இன் code-agent எண்கள் 1M context-இல் சொந்த minimal harness-இல்; Claude Code, Codex, OpenCode scaffold-களில் அதே மாடல் சில points வேறுபடும் (mini-SWE-இல் 74.2 vs DeepSWE-இல் 65–70).
- Closed-book reasoning இன்னும் ஜாம்பவான்களிடம். Tools இல்லா HLE (Opus-5.0-இன் 56.3% vs 36.8%), GPQA Diamond (GPT-5.6 Sol-இன் 94.1% vs 90.9%) 8B-active diet எங்கு கடிக்கும் எனக் காட்டும்.
- விலைகள் மாறும். Peak windows, V4-Pro நீட்டிப்பு, off-peak பாதி – policy, physics அல்ல – budget முன் அதிகாரப்பூர்வ pricing page-ஐ மீண்டும் பாருங்கள்.
Bottom line
V4.1-Flash இரண்டு எதிரெதிர் காரணங்களுக்காக ஒரே நேரத்தில் சுவாரஸ்யமான அரிய release. Architecturally, encoder-decoder + sparse-attention + replay தந்திரங்கள் 552B மாடலை 8B குறுகிய வழியில் squeeze செய்கின்றன – KV-cache சேமிப்பு (1/4 HBM, 1/8 SSD) உண்மையிலேயே புதியது. Economically, ஒவ்வொரு flagship-ஐயும் 30–60x undercut செய்கிறது, agent builder-களுக்கு முக்கிய bench-களில் சொந்த Pro-வையும் வெல்கிறது. உங்கள் workload பெரிய reused context-களுடன் நீண்ட tool-using session-கள் என்றால், இதுதான் இப்போதைய default to beat – open weights உட்பட. Closed-book Olympiad reasoning புதிய harness-இல் என்றால், flagship subscription-ஐ வைத்திருங்கள்.