DeepSeek V4.1 Flash: نموذج 1M توكن بتكلفة 0.15 دولار

مقدمة تحليلية

أطلقت DeepSeek نموذج V4.1 Flash متعدد الوسائط مفتوح الأوزان في 10 سبتمبر 2026، مصمماً خصيصاً لحلقات الوكلاء الطويلة. يقدم النموذج نافذة سياق بمليون توكن (1M) وقدرة إخراج تصل إلى 384 ألف توكن (384K)، مصحوباً بواجهة API رسمية بتكاليف منخفضة بشكل غير معتاد. يبلغ سعر المدخلات خارج أوقات الذروة 0.15 دولار لكل مليون توكن، وترتفع إلى 0.30 دولار في أوقات الذروة، مع تكلفة إخراج 0.60 دولار و1.20 دولار على التوالي. هذه الكفاءة السعرية، لا التفوق المطلق في كل المعايير، هي ميزته التنافسية.

بينما يتفوق النموذج في تقييمات البرمجة والتعامل مع المحطات والأتمتة واستخدام الأدوات، يشير تقرير DeepSeek نفسه إلى أنه لا يزال يتخلف عن الأنظمة المغلقة الأكبر حجماً في أصعب مهام الاستدلال والحالات الخاصة. الاسم الرسمي لنموذج API هو deepseek-flash.

التحليل التقني

يتميز DeepSeek V4.1 Flash بهوية عملية من خمسة مكونات: مدخلات نصية وصورية، مخرجات نصية، عمود فقري MoE بـ 552 مليار معلمة، وذاكرة Engram إضافية بـ 196 مليار معلمة. النقطة المحورية هي التفعيل غير المتماثل للمعلمات: 8 مليارات معلمة نشطة لكل توكن إدخال أثناء التعبئة المسبقة، مقابل 16 مليار معلمة لكل توكن مُفكك. هذا التصميم يستهدف تقليل الضغط الحسابي على أحمال عمل الوكلاء الثقيلة بالمدخلات المتكررة مقارنة بتصاميم decoder-only المتماثلة.

تعتمد بنية النموذج على Transformer بـ 40 طبقة، مقسمة إلى 20 طبقة لترميز السبب و20 طبقة لفك الترميز (CED)، مما يقلل بشكل كبير من العمليات الحسابية اللازمة للتعبئة المسبقة للتسلسلات الطويلة بحوالي النصف. لإدارة الذاكرة، يستخدم النموذج آليات CSA2 لضغط ذاكرة التخزين المؤقت، وFP4 لذاكرة KV العالمية (بصمة 890 بايت لكل توكن)، وFP8 لذاكرة SWA المحلية الأكثر حساسية للكمية. تساهم ذاكرة Engram، الموزعة عبر طبقتين (1 و 14)، في تخزين أنماط n-gram باستخدام 196 مليار معلمة إضافية، مما يفصل بعض عمليات الحفظ عن الحسابات الكثيفة للنموذج الأساسي.

لتحسين الإنتاجية، يدمج النموذج DSpark، وهو مفكك ترميز تدريبي بشكل منفصل يقترح خمسة مواضع متوازية لتوكنات المسودة. المسار البصري يعتمد على DeepSeek-ViT مدرب بشكل منفصل، ويستخدم 32 طبقة، بحجم خفي 1,024 و 16 رؤوس انتباه، مع تدريب على صور تتراوح بين 544×544 و 1,344×1,344 بعد مرحلة تباينية على حوالي 47 مليار زوج من الصور والنصوص. يشير تقرير DeepSeek إلى أن رفع مستوى الجهد الداخلي من 25 إلى 100 يزيد متوسط النتائج عبر ثماني تقييمات استدلالية من 67.1% إلى 76.3%، و DeepSWE من 66.0% إلى 74.2%، و Terminal-Bench 2.1 من 82.4% إلى 90.6%، مع زيادة 2.5 أضعاف في توكنات الإخراج. تبلغ حدود الرؤية 600 صورة لكل طلب بحد أقصى 1,024 توكن مرئي لكل صورة وحجم طلب 48 ميجابايت.

• معرف API الرسمي: deepseek-flash
• معرف Modelflare: deepseek-v4.1-flash-0910
• معلمات العمود الفقري: 552 مليار
• معلمات Engram: 196 مليار
• نافذة السياق القصوى: 1 مليون توكن
• الحد الأقصى للإخراج: 384 ألف توكن
• الحد الأقصى للطلبات المتزامنة: 2,500 طلب
• الترخيص: MIT checkpoint license
• حجم بيانات التدريب المسبق: 45 تريليون توكن متعدد الوسائط بنسبة 7:1 للنص فقط

السياق وتأثير السوق

تظهر DeepSeek V4.1 Flash كبديل فعّال من حيث التكلفة في سوق نماذج اللغة الكبيرة، خاصة في مهام الوكلاء الطويلة. بالمقارنة مع منافسيها الرئيسيين مثل OpenAI و Anthropic، يقدم النموذج أسعاراً تنافسية بشكل صارم. في سيناريو طلب واحد بـ 100 ألف توكن مدخلات غير مخبأة و10 آلاف توكن مخرجات، تكلف DeepSeek V4.1 Flash (خارج الذروة) 0.021 دولار، مقابل 0.032 دولار لنموذج GPT-5.6 Luna و 0.300 دولار لـ Claude Sonnet 5. يتسع الفارق في سيناريو الاستخدام المكثف للذاكرة المؤقتة: طلب بـ 900 ألف توكن مدخلات مخبأة، 100 ألف توكن مدخلات جديدة، و 20 ألف توكن مخرجات، يكلف DeepSeek V4.1 Flash (خارج الذروة) 0.0297 دولار، بينما يصل GPT-5.6 Luna إلى 0.1120 دولار و Claude Fable 5.1 إلى 2.2250 دولار مع تطبيق مضاعفات OpenAI للسياق الطويل (> 272 ألف توكن). هذا التفوق السعري واضح.

ومع ذلك، لا يترجم هذا التفوق السعري دائماً إلى تفوق في الأداء على أصعب المهام. ففي حين يتفوق V4.1 Flash (74.2%) على GPT-5.6 Sol (73.0%) و Claude Opus 5 (74.0%) في DeepSWE v1.1، ويتقدم في Terminal-Bench 2.1 (90.6% مقابل 88.8% لـ Sol و 89.1% لـ Opus 5)، فإنه يتخلف بوضوح في معايير مثل GPQA Diamond (90.9% مقابل 94.1% لـ Sol و 93.4% لـ Opus 5) وفي الإصدارات الأحدث من Terminal-Bench 3.0 (30.0% مقابل 43.3% لـ Opus 5) و 4.0 (31.2% مقابل 51.8% لـ Opus 5). التوافقية مع واجهات API الخاصة بـ OpenAI و Anthropic ليست مثالية؛ فمع أن DeepSeek تقبل شكل الطلبات، إلا أنها تتجاهل العديد من الحقول والميزات الأصلية مثل `previous_response_id` والأدوات المستضافة، مما قد يؤدي إلى سلوك غير متوقع أو أخطاء `400`. إصدار الأوزان المفتوحة (MIT license) بحجم 510.3 جيجابايت يوفر شفافية وتحكماً، لكن النشر الذاتي على نطاق DeepSeek (مثال 2,000 وحدة معالجة رسومية) يتطلب استثماراً ضخماً، ولا يضمن تكرار كفاءة API العامة.