DeepSeek ha rilasciato V4.1 Flash, il modello più piccolo della nuova famiglia architetturale dell’azienda, progettato per aumentare velocità di inferenza, throughput ed efficienza economica nei workload AI su larga scala. Il modello introduce capacità multimodali native per l’elaborazione di testo e immagini e rappresenta il primo rilascio basato sulla nuova architettura che DeepSeek intende utilizzare anche per sistemi di dimensioni maggiori. L’obiettivo dichiarato è ottenere un limite superiore di capacità più elevato mantenendo al tempo stesso tempi di esecuzione inferiori e una migliore scalabilità dell’inferenza.
V4.1 Flash è disponibile attraverso l’API DeepSeek con supporto nativo alla comprensione visiva e mantiene il posizionamento della linea Flash come alternativa orientata a workload che richiedono un volume elevato di richieste. La nuova versione arriva dopo una fase beta resa disponibile poco prima del lancio definitivo e sostituisce operativamente i precedenti endpoint della famiglia Flash, che vengono temporaneamente indirizzati verso il nuovo modello. Il contesto massimo indicato per la linea è pari a un milione di token, mentre il sistema supporta modalità di reasoning con diversi livelli di effort.
DeepSeek sostiene che V4.1 Flash abbia superato V4 Pro non soltanto sul costo, ma anche nelle prestazioni, nella velocità e nel tempo complessivo necessario per completare i task. Per questo l’azienda ha deciso di ritirare progressivamente V4 Pro e, a partire dal 14 settembre 2026 alle 12:00 ora di Pechino, di instradare tutte le richieste rivolte all’endpoint deepseek-v4-pro verso V4.1 Flash, applicando le tariffe del nuovo modello. Questa configurazione resterà attiva fino al futuro rilascio di V4.1 Pro, per il quale non è stata indicata una data.
Sul piano dei benchmark, DeepSeek riporta per V4.1 Flash un punteggio di 90,9 su GPQA Diamond e 36,8 su Humanity’s Last Exam, valore che sale a 39,1 considerando soltanto il sottoinsieme testuale utilizzato in una specifica valutazione. Il modello raggiunge un rating Codeforces di 3471, un punteggio di 65,6 su MathArena Apex e 90,6 su Terminal-Bench 2.1, mentre nelle versioni più recenti dello stesso benchmark ottiene 30,0 su Terminal-Bench 3.0 e 31,2 su Terminal-Bench 4.0. Sul benchmark DeepSWE v1.1 per agenti di sviluppo software raggiunge 74,2, mentre registra 20,3 su ProgramBench e 65,4 su NL2Repo-Bench. Le valutazioni dedicate alla cybersecurity riportano invece 88,1 su CyberGym, 62,8 su SEC-Bench Pro e 15,3 su ExploitGym. Nei benchmark che prevedono l’utilizzo di strumenti esterni, V4.1 Flash raggiunge 63,9 su Humanity’s Last Exam con tool, 54,8 su Automation-Bench, 31,8 su Agents’ Last Exam, 78,9 su Chartography, 89,6 su BabyVision e 49,0 su ZeroBench-main. La presenza di benchmark di coding, agentic automation, sicurezza e comprensione visiva riflette il posizionamento del modello come sistema general-purpose ad alta efficienza piuttosto che come variante destinata esclusivamente alla generazione testuale. La parte più rilevante per l’inferenza su larga scala riguarda però la nuova struttura tariffaria. Durante le fasce off-peak, DeepSeek V4.1 Flash costa 0,003 dollari per milione di token di input recuperati dalla cache, 0,15 dollari per milione di token di input non presenti in cache e 0,60 dollari per milione di token di output. Nelle ore di picco, le stesse voci salgono rispettivamente a 0,006, 0,30 e 1,20 dollari per milione di token. Le fasce peak corrispondono, dal lunedì al venerdì, agli intervalli 01:00-04:00 UTC e 06:00-10:00 UTC; nel resto della settimana vengono applicate le tariffe off-peak.
Rispetto al precedente V4 Flash, che durante le ore meno costose prevedeva 0,007 dollari per milione di token cached, 0,22 dollari per input non cached e 0,66 dollari per output, il nuovo listino riduce il costo del cache hit di circa il 57%, quello dell’input non memorizzato di circa il 32% e quello dell’output di circa il 9%. La differenza diventa ancora più marcata per chi utilizza attualmente V4 Pro, le cui tariffe off-peak sono pari a 0,022 dollari per cache hit, 0,66 dollari per input non cached e 1,98 dollari per output. Una volta instradate verso V4.1 Flash, queste richieste potranno quindi beneficiare di riduzioni nominali rispettivamente nell’ordine dell’86%, 77% e 70%.
La convenienza effettiva per un workload non dipende comunque soltanto dalla tariffa per token. Nei sistemi agentici, nei workflow di coding e nelle elaborazioni con contesti molto lunghi, il costo finale è influenzato anche dal numero di token prodotti, dalla quantità di contesto riutilizzato, dal numero di retry e dal tempo necessario per completare il task. Durante i test preliminari alcuni utenti avevano osservato che V4.1 Flash generava token a una velocità molto elevata, con valori segnalati nell’ordine di 300-500 token al secondo in condizioni di bassa concorrenza; un throughput maggiore può ridurre la latenza, ma non implica automaticamente un costo inferiore per singola attività se il modello consuma più token per arrivare allo stesso risultato.
DeepSeek presenta comunque V4.1 Flash come un modello capace di migliorare contemporaneamente qualità, velocità e costo rispetto alla precedente generazione Pro, tanto da utilizzarlo temporaneamente come backend anche per le richieste rivolte al modello di fascia superiore. Il rilascio segna quindi un cambio nella struttura dell’offerta dell’azienda: invece di mantenere separati un modello Flash orientato alla velocità e un Pro destinato alla massima capacità, la nuova generazione porta per ora le prestazioni del livello superiore all’interno della fascia più economica, in attesa dell’arrivo di V4.1 Pro.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)