deepseek
DeepSeek: DeepSeek V4.1 Flash
deepseek/deepseek-v4.1-flash
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
DeepSeek V4.1 Flash é um modelo multimodal de mixture-of-experts esparso da DeepSeek que aceita texto e imagens e gera texto em uma janela de contexto de até um milhão de tokens. Segundo sua ficha técnica, é o primeiro modelo baseado na arquitetura Causal Encoder-Decoder da empresa, ativando 8B parâmetros no prefill e 16B no decode para eficiência de custo em cargas com muita entrada. As avaliações reportadas pelo fornecedor enfatizam resultados agênticos e de programação, e há suporte a um nível ajustável de esforço de raciocínio, embora não houvesse verificação independente neste pacote de fontes.[1][2]
Pontos fortes
- A documentação do fornecedor reporta uma janela de contexto de aproximadamente um milhão de tokens combinada com compressão agressiva do cache KV, posicionando-o para entradas muito longas com menor custo de serviço.[1][2]
- A ficha técnica reporta pontuações fortes em benchmarks agênticos e de engenharia de software executados pelo fornecedor, incluindo resultados líderes dentro da própria tabela comparativa; são medições do fornecedor, não testes independentes.[2]
- Aceita imagens além de texto e, conforme a listagem do OpenRouter e a ficha técnica, suporta chamadas de ferramentas, saídas estruturadas e um nível ajustável de esforço de raciocínio.[1][2]
Limitações
- Quase toda a evidência de desempenho é reportada pelo fornecedor e os campos de benchmark do OpenRouter estavam vazios neste pacote, portanto os resultados devem ser validados na sua própria carga de trabalho antes da adoção.[1][2]
- Na própria tabela comparativa do fornecedor, ele fica atrás do melhor modelo de fronteira listado em vários benchmarks agênticos e de raciocínio mais difíceis, portanto a liderança alegada não é uniforme.[2]
- A versão não inclui um template de chat Jinja padrão e exige um kit de codificação próprio, o que adiciona trabalho de integração; as fontes não informam a data de corte do conhecimento.[1][2]
Onde usar
- Tarefas agênticas de programação e de software em terminal, sugeridas pela ênfase dos benchmarks do fornecedor e pelo suporte reportado a chamadas de ferramentas.[1][2]
- Análise de documentos longos ou em escala de repositório onde o contexto reportado de um milhão de tokens e a eficiência do cache KV podem reduzir custos.[2]
- Aplicações de imagem mais texto, como compreensão de documentos, dadas as entradas de visão reportadas e as avaliações multimodais do fornecedor.[1][2]
Fontes
- [1] OpenRouter catalog · DeepSeek: DeepSeek V4.1 FlashFontes consultadas: 13 de nov. de 2026
- [2] Model documentation · DeepSeek: DeepSeek V4.1 FlashFontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
DeepSeek V4.1 Flash is a sparse mixture-of-experts model from DeepSeek, and the first built on the company's Causal Encoder-Decoder (CED) architecture. It activates 8B parameters on input and 16B on...
Especificações
- ID do modelo
- deepseek/deepseek-v4.1-flash
- ID canônico
- deepseek/deepseek-v4.1-flash-20260910
- Criador
- deepseek
- Adicionado ao OpenRouter
- 10.09.2026
- Comprimento de contexto
- 1,048,576
- Modalidade
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.300 / saída $1.2
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | raciocínio: opcional · padrão high · esforços: max, high, low, none · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Programação | Sem medição | — |
| Agentes | Sem medição | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: opcional · padrão high · esforços: max, high, low, none · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
Não há avaliações fornecidas para este modelo.
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| Baidufp8 | 1,048,576 | $0.051 | $0.203 | — | — | 100% |
| Wafermxfp4 | 1,048,576 | $0.051 | $0.567 | — | — | 100% |
| OpenInferencefp4 | 1,048,576 | $0.070 | $0.800 | — | — | 100% |
| InferenceNetfp8 | 1,040,000 | $0.103 | $0.600 | — | — | 100% |
| InferenceNetfp8 | 1,040,000 | $0.103 | $0.600 | — | — | 100% |
| Morphfp8 | 1,048,576 | $0.104 | $0.583 | — | — | 100% |
| Alibaba | 1,000,000 | $0.105 | $0.420 | — | — | 100% |
| DeepInfrafp8 | 1,048,576 | $0.112 | $0.336 | — | — | 100% |
| River | 1,048,576 | $0.120 | $0.480 | — | — | 100% |
| Relacefp4 | 1,048,576 | $0.120 | $0.500 | — | — | 100% |
| Reka | 1,048,576 | $0.120 | $0.640 | — | — | 100% |
| CoreWeavefp8 | 1,048,576 | $0.130 | $0.650 | — | — | 100% |
| AtlasCloudfp8 | 1,048,576 | $0.135 | $0.540 | — | — | 100% |
| DeepInfrafp8 | 1,048,576 | $0.140 | $0.420 | — | — | 100% |
| StreamLakefp8 | 1,024,000 | $0.147 | $0.588 | — | — | 100% |
| GMICloudfp8 | 1,048,575 | $0.180 | $0.720 | — | — | 100% |
| Wafermxfp4 | 1,048,576 | $0.190 | $0.650 | — | — | 100% |
| Coherefp8 | 1,048,576 | $0.195 | $0.660 | — | — | 100% |
| Novitafp8 | 1,048,576 | $0.195 | $0.780 | — | — | 100% |
| DeepInfrafp8 | 1,048,576 | $0.210 | $0.630 | — | — | 100% |
| Fireworks | 1,048,576 | $0.210 | $0.840 | — | — | 100% |
| Mancer 2fp8 | 1,048,576 | $0.212 | $0.750 | — | — | 100% |
| DigitalOcean | 1,048,576 | $0.225 | $0.900 | — | — | 100% |
| Makorafp8 | 1,048,576 | $0.260 | $1.17 | — | — | 100% |
| Crusoefp8 | 1,048,576 | $0.290 | $1.2 | — | — | 100% |
| 1,048,576 | $0.300 | $1.2 | — | — | 100% | |
| BaseTen | 1,048,576 | $0.300 | $1.2 | — | — | 100% |
| Together | 1,048,576 | $0.300 | $1.2 | — | — | 100% |
| SiliconFlowfp8 | 1,048,576 | $0.300 | $1.2 | — | — | 100% |
| Modal | 1,048,576 | $0.300 | $1.2 | — | — | 100% |
| BaseTen | 1,048,576 | $0.300 | $1.2 | — | — | 100% |
| Parasailfp8 | 1,048,576 | $0.300 | $1.2 | — | — | 100% |
| Fireworks | 1,048,576 | $0.300 | $1.2 | — | — | 100% |
| Venicefp8 | 1,000,000 | $0.300 | $1.2 | — | — | 100% |
| Parasailfp8 | 1,048,576 | $0.450 | $1.8 | — | — | 100% |
| Fireworks | 1,048,576 | $0.450 | $1.8 | — | — | 100% |
| Venicefp8 | 1,000,000 | $3 | $12 | — | — | — |
Dados de provedores obtidos: 13.11.2026