DeepSeek-V4.1-Flash リリースノート

DeepSeek-V4.1-Flashは、高いスループットと低い推論コストを実現するために設計されたマルチモーダルモデルです。入力処理（prefill）と出力生成（decode）を分離する新しい非対称アーキテクチャを導入しており、トークンあたりのアクティブなパラメータ数を大幅に削減して動作させることが可能です。

アーキテクチャの革新

DeepSeek-V4.1-Flashは、Causal Encoder-Decoder (CED) アーキテクチャを採用しています。この40層のTransformerは、20層の因果的エンコーダー（causal encoder）と、それに続く20層のデコーダーで構成されています。

主な技術仕様は以下の通りです：

パラメータ数: このモデルは552BパラメータのMixture-of-Experts (MoE) モデルです。
アクティブなパラメータ数: CED設計により、prefill（入力）フェーズではわずか8Bのアクティブパラメータ、decoding（出力）フェーズでは16Bのアクティブパラメータのみを使用します。
KV Cacheの最適化: グローバルなKV cacheのフットプリントはトークンあたり890バイトに削減され、これは前世代のDeepSeek-V4-Flashが必要としたメモリの約1/4です。これにより、HBM使用量が1/4に、SSDストレージ要件が1/8に減少します。
マルチモーダル対応: このモデルはネイティブな視覚理解機能を備えており、Flashアーキテクチャに直接視覚機能を統合しています。

パフォーマンスとデプロイメント

DeepSeek-V4.1-Flashは、DeepSeek API（モデル名: deepseek-flash）経由で利用可能であり、Hugging Face上でオープンウェイトとして公開されています。

推論とコスト

推論の努力量 (Reasoning Effort): このモデルは制御可能な推論の努力量設定（整数1–100）をサポートしており、ユーザーは推論コストと精度の向上をトレードオフさせることができます。
価格設定: DeepSeekは需要のバランスをとるために、ピーク時とオフピーク時の価格設定を導入しました。オフピーク料金はピーク料金の50%に設定されています。
キャッシュヒット: アーキテクチャの効率性により、キャッシュヒット時の料金が極めて低く抑えられており、キャッシュされたコンテキストに大きく依存するエージェント的ワークロードにおいて、コストを大幅に削減できます。

ローカルデプロイメントのためのハードウェア要件

コミュニティの議論では、552Bというパラメータ数により、ローカルでのデプロイメントが困難であることが指摘されています。ユーザーは、4ビット量子化（q4）を使用する場合、モデルのロードには256GB以上のRAM/VRAMが必要となり、クアッドチャネルメモリを備えたThreadripperシステムやマルチGPUクラスターのようなハイエンドハードウェアが必要になる可能性が高いと述べています。

コミュニティの洞察と比較

ユーザーや研究者は、V4.1-Flashのリリースに関して、いくつかの重要なポイントを挙げています：

"Every single model release is packed with new and crazy clever ideas and somehow, they always commit to training them at near frontier scale."

ベンチマークでは、特にエージェント的スコアやCyberbenchにおいて強力なパフォーマンスを示していますが、一部のユーザーは、ベンチマークが必ずしも現実世界の知能と完全に相関するとは限らないと注意を促しています。GPT-5.6 SolやGemini 3.8 Flashといった他のモデルとの比較では、V4.1-Flashは自動化やコーディングにおいて非常に競争力がありますが、GPQA Diamondのような特定の高度な推論ベンチマークでは遅れをとる可能性があります。

さらに、一部のユーザーからは、モバイルアプリの言語設定に関する問題が報告されており、英語でプロンプトを入力しても、モデルが時折中国語で回答してしまうことがあると指摘されています。