DeepSeek V4.1 Flash-overzicht: benchmarks, prijzen en wat is er nieuw?

DeepSeek V4.1 Flash is de release van DeepSeek van 10 september 2026, met onder meer native beeldinvoer, een kleinere cache-voetafdruk, betere scores van agenten volgens leveranciers en lagere API-tarieven. Het is vooral geschikt voor ontwikkelaars die agents met een hoog verwerkingsvolume of veel invoer draaien. Het belangrijkste voorbehoud: DeepSeek heeft de gepubliceerde benchmarks uitgevoerd, en V4 Pro loopt nog steeds voorop bij geselecteerde tests op het gebied van grensverleggende redeneringen.

Wat is DeepSeek V4.1 Flash?

DeepSeek V4.1 Flash is een multimodaal model met open gewichten, ontwikkeld voor codering, het gebruik van gereedschap, visueel begrip en agentworkflows met een lange context. DeepSeek heeft het model op 10 september 2026 uitgebracht en publiceert de gewichten als DeepSeek-V4.1-Flash, en stelt het gehoste model beschikbaar via de deepseek-flash API-naam.

Deze release is belangrijk omdat er meer verandert dan alleen de benchmarkscores. Flash ondersteunt nu tekst en afbeeldingen, biedt een contextvenster van één miljoen tokens en vermindert het benodigde geheugen voor de key-value-cache aanzienlijk. DeepSeek heeft bovendien de tarieven voor de gehoste API verlaagd ten opzichte van het uitlopende V4 Pro-tarief. Die combinatie pakt een praktisch knelpunt aan: het betaalbaar houden van langlopende agents wanneer prompts, repository-context, screenshots en toolgeschiedenis zich opstapelen.

De denkmodus is standaard ingeschakeld, hoewel er ook een modus zonder denkfunctie beschikbaar is. JSON-uitvoer en tool-aanroepen worden ondersteund. DeepSeek biedt bovendien compatibiliteit met de Responses API en de Anthropic API, wat de migratie-inspanningen vermindert voor applicaties die al rond deze interfaces zijn opgebouwd.

Wat is er nieuw in DeepSeek V4.1 Flash?

Een 552B MoE-backbone met asymmetrische rekenkracht

Volgens de Technisch rapport DeepSeek V4.1, het model maakt gebruik van een 'mixture-of-experts'-backbone met 552 miljard parameters, met een causale encoder van 20 lagen en een decoder van 20 lagen. Het totale aantal parameters is niet het aantal dat voor elk token wordt gebruikt: DeepSeek rapporteert ongeveer 8 miljard actieve parameters tijdens het voorvullen en 16 miljard tijdens het decoderen.

Door dat asymmetrische ontwerp krijgen de prefill-fase en de generatiefase verschillende rekenbudgetten toegewezen. De prefill-fase is de fase waarin de prompt, documenten, afbeeldingen en eerdere conversaties worden verwerkt; tijdens het decoderen wordt het antwoord token voor token gegenereerd. Het lagere actieve rekenverbruik tijdens de prefill-fase is met name relevant voor workloads op repository-schaal en voor onderzoeksagenten, waarbij veel rekenkracht wordt besteed aan het lezen voordat er wordt geschreven.

Een veel kleinere KV-cache

In het rapport wordt een wereldwijde KV-cachegrootte vermeld van 890 bytes per token, ongeveer een kwart van de cache van V4 Flash in geheugen met hoge bandbreedte. Volgens DeepSeek bedraagt de benodigde permanente cache ongeveer een achtste van die van de vorige generatie. Voor een context met een miljoen tokens is dit eerder een implementatiekenmerk dan een abstract architectuurdetail: de cachegrootte bepaalt hoeveel langdurige sessies een server kan ondersteunen en hoeveel geheugen elke sessie verbruikt.

Invoer van afbeeldingen in de oorspronkelijke indeling en multimodale voortraining

V4.1 Flash verwerkt afbeeldingen rechtstreeks, in plaats van via een apart eindpunt van het merk Vision. Volgens DeepSeek is het model vooraf getraind op een multimodaal corpus van 45 biljoen tokens. In de praktijk betekent dit dat schermafbeeldingen, grafieken, gescande tabellen, interfacestaten en visuele debugging-inputs deel uitmaken van hetzelfde agentgesprek als code en tekst.

DeepSeek V4.1-benchmarks: wat de officiële resultaten laten zien

De sterkste prestaties van DeepSeek’s V4.1 Flash komen vooral tot uiting in benchmarks op het gebied van codering en agenten. De leverancier heeft het instructiemodel geëvalueerd met een experimentele inspanningsgraad van 100, die openbaar is gemaakt als de maximale redeneringsinspanning, met behulp van temperatuur=1,0 en top_p=0,95. Bij de tests met de code-agent werd gebruikgemaakt van benoemde testomgevingen en een context van één miljoen tokens; bij de tests met de visuele agent werd gebruikgemaakt van Claude Code met een context van 512K tokens.

Het patroon is nuttig, maar minder algemeen dan de algemene bewering dat het om een “beter model” gaat. V4.1 Flash presteert beter dan V4 Pro op de vijf hierboven weergegeven rijen: coderen, terminals, beveiliging en automatisering. V4 Pro blijft voorop lopen op GPQA Diamond en de tekst-only-subset van Humanity’s Last Exam. Ontwikkelaars die een bredere shortlist van coderingsmodellen vergelijken, kunnen gebruikmaken van onze Gids voor het beste AI-model voor programmeren, maar een evaluatie op applicatieniveau is nog steeds belangrijker dan één tabel.

De mate van redeneringsinspanning beïnvloedt ook de kosten en het resultaat. In het rapport van DeepSeek leidde een verhoging van de experimentele inspanning van 25 naar 100 tot een stijging van DeepSWE v1.1 van 66,0 naar 74,2 en van Terminal-Bench 2.1 van 82,4 naar 90,6, terwijl er ongeveer 2,5 keer zoveel output-tokens werden verbruikt. De acht agentconfiguraties in het rapport leverden ook wezenlijk verschillende resultaten op vanuit hetzelfde checkpoint, dus de keuze van het framework maakt deel uit van het gemeten systeem.

DeepSeek stelt dat de robuustheid bij extreme invoer nog niet volledig in kaart is gebracht. In het rapport wordt opgemerkt dat selectiefouten bij CSA2 en de benaderende reconstructie van de ‘sliding-window-attention’-toestand de prestaties kunnen verminderen in grensgevallen die buiten de testsuite vallen. Ook wordt erkend dat er nog een achterstand bestaat bij de moeilijkste taken op het gebied van grensverkenning en randgevallen. Deze kanttekeningen moeten bij de hoofdscores worden vermeld.

Twee reproduceerbare opdrachten voor het evalueren van V4.1 Flash

De volgende opdrachten testen concreet gedrag zonder een niet-uitgevoerde prompt als bewijs te presenteren. Gebruik de exacte prompt, noteer de instellingen voor het model en de inspanningsgraad in je verslag, en beoordeel het antwoord aan de hand van de vermelde criteria. De resultaten van één run moeten worden gerapporteerd als een gedateerde waarneming, niet als een algemene benchmark.

Lees de bijgevoegde benchmarktabel uit het technische rapport van DeepSeek. Geef uitsluitend JSON terug, met precies deze structuur op het hoogste niveau:
{
  "Codeforces": {"DeepSeek V4.1 Flash": ..., "DeepSeek V4 Pro": ..., "DeepSeek V4 Flash": ..., "leader": "..."},
  "Terminal-Bench 2.1": {"DeepSeek V4.1 Flash": ..., "DeepSeek V4 Pro": ..., "DeepSeek V4 Flash": ..., "leader": "..."},
  "DeepSWE v1.1": {"DeepSeek V4.1 Flash": ..., "DeepSeek V4 Pro": ..., "DeepSeek V4 Flash": ..., "leader": "..."},
  "GPQA Diamond": {"DeepSeek V4.1 Flash": ..., "DeepSeek V4 Pro": ..., "DeepSeek V4 Flash": ..., "leader": "..."}
}

Extraheer alleen deze vier rijen. Behoud elk getal precies zoals het is weergegeven. Leid geen onleesbare of ontbrekende waarden af; gebruik in plaats daarvan `null`. Kies `leader` op basis van de hoogste numerieke waarde in elke rij.

Je bekijkt hier een TypeScript-hulpprogramma voor gelijktijdige verwerking. Het is bedoeld om maximaal `limit` taken tegelijk uit te voeren, de volgorde van de resultaten te behouden en af te breken als een taak wordt afgewezen.

```ts
export async function mapLimit(
  items: T[],
  limit: number,
  fn: (item: T, index: number) => Promise,
): Promise {
  const results = new Array(items.length);
  let next = 0;

  async function worker() {
    while (next < items.length) {
 const index = next;
 await Promise.resolve();
 next++;
      results[index] = await fn(items[index], index);
    }
  }

  await Promise.all(
    Array.from({ length: Math.min(limit, items.length) }, worker),
  );
  return results;
}
```

Geef precies drie onderdelen terug:
1. De hoofdoorzaak
2. Een minimale unified diff
3. Eén Vitest-regressietest die de piekconcurrency en de volgorde van de resultaten meet

Herontwerp de API niet. Wijs ook `limit <= 0` af met een `RangeError`.

DeepSeek V4.1 Flash-prijzen

De prijsstelling van de DeepSeek API is gebaseerd op twee tariefschema’s, en alle onderstaande bedragen zijn uitgedrukt in Amerikaanse dollars per miljoen tokens. De piekperiodes zijn 01:00-04:00 UTC en 06:00-10:00 UTC, van maandag tot en met vrijdag. Alle andere momenten vallen buiten de piekuren. Voor in de cache opgeslagen invoer, niet in de cache opgeslagen invoer en uitvoer gelden verschillende tarieven.

Om een eenvoudig rekenvoorbeeld te geven: een verzoek buiten de piekuren met 800.000 niet-gecachete invoertokens en 20.000 uitvoertokens zou ongeveer $0.132: $0,12 voor invoer plus $0,012 voor uitvoer. Hetzelfde aantal tellingen bij piektarieven zou ongeveer $0.264 kosten. Deze berekening is ter illustratie en geen daadwerkelijk gemeten factuur voor de werklast; cache-hits, herpogingen, tool-omwentelingen en de lengte van de redenering beïnvloeden het totaal.

In beide tariefschema’s is ingevoerde data uit de cache vijftig keer goedkoper dan ingevoerde data zonder cache, waardoor stabiele promptprefixen en herbruikbare context economisch gezien van groot belang zijn. Het openbare DeepSeek API-tarief staat los van de toegang tot en facturering van GlobalGPT. Beschouw deze tokenprijzen niet als abonnements- of kredietprijzen voor GlobalGPT.

DeepSeek V4.1: API, visie en beperkingen

De directe DeepSeek-API maakt gebruik van deepseek-flash. Ontwikkelaars kunnen het standaard-eindpunt aanroepen op https://api.deepseek.com, de Responses API op dezelfde basis, of de Anthropic-compatibele basis op https://api.deepseek.com/anthropic. Functiegereedschappen worden ondersteund in Responses. DeepSeek beschrijft ook de patch toepassen aangepast hulpprogramma; andere ingebouwde hulpprogrammatypen worden genegeerd in plaats van uitgevoerd.

Beeldformaten en plaatsingsregels

DeepSeek ondersteunt afbeeldingen in de formaten JPEG, PNG, GIF en WebP. Een inline afbeelding mag maximaal 32 MiB groot zijn, terwijl een afbeelding in een bestand maximaal 64 MiB mag zijn. De gedocumenteerde gedeelde limiet staat maximaal 600 afbeeldingen per verzoek toe. Dat maximum is geen aanbeveling: grote batches vergroten de promptgrootte, de latentie en de moeilijkheid om na te gaan welke afbeelding bij een antwoord hoorde.

Bij de Responses API hoort afbeeldingsinhoud thuis in gebruikersberichten. Afbeeldingen die zijn geplaatst in systeem of assistent berichten retourneren een HTTP 400-foutcode. De compatibiliteitslaag accepteert geen algemene bestandsinvoer als invoeritems, dus moeten applicaties de gedocumenteerde ‘image-input’-formaten volgen in plaats van ervan uit te gaan dat er volledige functionaliteitsovereenstemming is met OpenAI-responsen.

Context-, uitvoer- en gelijktijdigheidslimieten

De maximale contextomvang bedraagt één miljoen tokens en de maximale uitvoer is 384.000 tokens. De invoer en uitvoer moeten samen binnen het contextvenster passen. Flash staat 2.500 gelijktijdige verbindingen per account toe; verzoeken die deze accountlimiet overschrijden, krijgen een HTTP 429-foutmelding. Bij capaciteitsplanning moet daarom rekening worden gehouden met het aantal actieve verbindingen en het herhalingsgedrag.

DeepSeek V4.1 Flash versus V4 Pro

V4.1 Flash is de praktischer standaardkeuze voor coderingsagenten die grote hoeveelheden verwerken, visuele invoer en toepassingen met een lange context. V4 Pro blijft relevant als referentiepunt voor redeneringen tijdens de korte overgangsperiode, maar biedt geen ondersteuning voor beeldverwerking en heeft een lagere gedocumenteerde gelijktijdigheidscapaciteit. Onze eerdere Recensie van de DeepSeek V4 Pro behandelt dat controlepunt op zijn eigen voorwaarden; de praktische resultaten ervan mogen niet worden geherclassificeerd als bewijs voor V4.1.

Bij daluren-tarieven is de niet-gecacheerde invoer van Flash ongeveer 77% goedkoper dan het vermelde Pro-tarief, en is de Flash-uitvoer ongeveer 70% goedkoper. Deze percentages zijn rekenkundige berekeningen op basis van het officiële tarief, geen gemeten besparingen. De daadwerkelijke besparingen zijn afhankelijk van het hergebruik van de cache, de lengte van de uitvoer, het aantal herhalingspogingen en of de workload de betere resultaten van Pro nodig heeft voor de geselecteerde redeneringsrijen.

Het belangrijkste onderscheid is van operationele aard. DeepSeek houdt de deepseek-v4-pro naam, terwijl het onderliggende model tijdelijk wordt aangepast. Een stabiele API-naam biedt geen garantie voor stabiel uitvoergedrag. Bewaar representatieve V4 Pro-antwoorden, tooltraces, latentie en foutgevallen van vóór 14 september, en voer vervolgens dezelfde acceptatietests uit na de routeringswijzigingen. Zie voor het oudere framework voor het vergelijken van checkpoints DeepSeek V4 Pro versus Flash.

Wat ontwikkelaars zeggen

De eerste reacties zijn positief wat betreft doorvoersnelheid, cache-efficiëntie en agent-scores, maar de bevindingen zijn wisselend. Sommige opmerkingen hebben betrekking op een preview-eindpunt in plaats van het definitieve productiecontrolepunt, en sommige rapporten geven een samenvatting van demonstraties in plaats van gecontroleerde tests. De meest nuttige openbare discussie gaat daarom over de vraag waar er getest moet worden, en niet of één cijfer op de lanceringsdag de beslissing definitief bepaalt.

Deze reacties wijzen op drie controles die bij elke daadwerkelijke implementatie de moeite waard zijn: vergelijk de uitvoerkwaliteit bij een vaste inspanningsinstelling, let erop of langdurige redeneringen de uitvoerkosten opdrijven, en voer regressietests opnieuw uit wanneer een alias het model achter een eindpunt wijzigt. Voorlopige resultaten op het gebied van doorvoer en beveiliging kunnen als leidraad dienen bij het ontwerpen van tests, maar ze mogen niet worden gecombineerd met tabel 3 van DeepSeek alsof ze afkomstig zijn uit één gecontroleerde benchmark.

Toegang krijgen tot de DeepSeek V4.1-flash

Er zijn drie verschillende toegangsopties. Maak een keuze op basis van of u directe API-controle nodig hebt, zelfgehoste gewichten wilt gebruiken of een browserwerkruimte nodig hebt die het wisselen van modellen vergemakkelijkt. De voorwaarden, prijzen en operationele verantwoordelijkheid verschillen per optie.

De directe API is de meest voor de hand liggende keuze wanneer je programmatische besturing, gebruiksregistratie en toegang tot de gedocumenteerde interfaces van DeepSeek nodig hebt. Open weights zijn bedoeld voor teams die de ondersteuning voor inferentie kunnen valideren en een zeer groot MoE-model kunnen beheren. GlobalGPT is de meest soepele manier voor interactief gebruik en vergelijkingen binnen een alles-in-één-workflow voor AI-modellen.

In het officiële aankondigingsbericht van DeepSeek staat dat het bedrijf samen met de open-sourcegemeenschap zal werken aan ondersteuning voor inferentie en meer implementatiemogelijkheden zal onderzoeken. Beschouw dit als een verklaring over de roadmap, niet als bewijs dat elke lokale serving-stack V4.1 Flash al efficiënt ondersteunt.

Voor wie is de DeepSeek V4.1-flash bedoeld?

Voor een bredere modelkeuze is de Vergelijking tussen GPT-5.5 en DeepSeek V4 zet de context van één miljoen tokens en de prijspositie naast een andere grensoptie. Teams die zich richten op de stijl van de code-output kunnen ook de DeepSeek versus ChatGPT: test van Python-code. Die artikelen geven antwoord op aanverwante vragen; geen van beide vormt echter een vervanging voor het testen van het exacte V4.1 Flash-eindpunt dat in de productieomgeving wordt gebruikt.

Gewone gebruikers die tussen verschillende ecosystemen moeten kiezen, zullen wellicht merken dat de bredere Vergelijking tussen DeepSeek en ChatGPT nuttiger dan een evaluatie op architectuurniveau. V4.1 Flash komt het best tot zijn recht wanneer de specifieke voordelen ervan – lange invoer, beeldherkenning, tools en lage tokenkosten – aansluiten bij een daadwerkelijke workflow.

Uitspraak

Begin met een kleine acceptatietestsuite: één representatieve codeertaak, één op afbeeldingen gebaseerde extractietaak, één geval met een lange context en één toolworkflow. Leg de redeneringsinstellingen vast, registreer de modelrouting en vergelijk zowel de faalmodi als de gemiddelde kwaliteit. Dat levert een besluit op dat je kunt verdedigen, zonder de benchmarks van leveranciers of reacties op de lanceringsdag te beschouwen als een garantie voor de prestaties van de applicatie.

Veelgestelde vragen

Wat is DeepSeek V4.1 Flash?

DeepSeek V4.1 Flash is een multimodaal ‘mixture-of-experts’-model met open gewichten dat op 10 september 2026 is uitgebracht. Het ondersteunt tekst- en afbeeldingsinvoer, tekstuitvoer, een contextvenster van één miljoen tokens, denk- en niet-denkmodi, JSON-uitvoer en tool-aanroepen.

Hoeveel kost de DeepSeek V4.1 Flash API?

De API-tarieven voor DeepSeek buiten de piekuren bedragen $0,003 per 1 miljoen in de cache opgeslagen invoertokens, $0,15 per 1 miljoen niet in de cache opgeslagen invoertokens en $0,60 per 1 miljoen uitvoertokens. De tarieven tijdens piekuren bedragen respectievelijk $0,006, $0,30 en $1,20. Dit zijn DeepSeek API-tarieven, geen GlobalGPT-tarieven.

Welke API-modelnaam moet ik gebruiken voor de DeepSeek V4.1 Flash?

Gebruik deepseek-flash met de officiële DeepSeek-API. DeepSeek ondersteunt ook Responses API-aanroepen op https://api.deepseek.com en Anthropic-compatibele oproepen op https://api.deepseek.com/anthropic.

Wat zijn de beperkingen met betrekking tot de context, de uitvoer en de gelijktijdigheid?

DeepSeek V4.1 Flash heeft een contextvenster van één miljoen tokens en een maximale uitvoer van 384.000 tokens; de invoer en uitvoer samen moeten binnen de context passen. DeepSeek ondersteunt 2.500 gelijktijdige verbindingen per account; bij overschrijding van deze limiet wordt een HTTP 429-statuscode geretourneerd.

Is de DeepSeek V4.1 Flash beter dan de V4 Pro?

Dat hangt af van de taak. In de door de leverancier opgestelde tabel van DeepSeek scoort V4.1 Flash beter dan V4 Pro op het gebied van weergave, codering, beveiliging en automatisering, terwijl V4 Pro beter presteert dan GPQA Diamond en HLE (alleen tekst). Flash is bovendien goedkoper, ondersteunt beeldverwerking en biedt ruimte voor meer gelijktijdige verbindingen.

Ondersteunt DeepSeek V4.1 Flash afbeeldingen?

Ja. Het ondersteunt JPEG-, PNG-, GIF- en WebP-bestanden als invoer en genereert tekst. DeepSeek verwerkt documenten tot 32 MiB voor inline afbeeldingen, 64 MiB voor afbeeldingen in bestanden en 600 afbeeldingen per verzoek binnen de gedeelde limieten. Afbeeldingen uit de API-responsen moeten in gebruikersberichten worden geplaatst.

Zijn de Flash-gewichten voor DeepSeek V4.1 beschikbaar om te downloaden?

Ja. DeepSeek publiceert de modelgewichten van DeepSeek-V4.1-Flash op Hugging Face onder de MIT-licentie. Deze soepele licentie neemt de vereiste infrastructuur niet weg: teams hebben nog steeds compatibele serving-software en voldoende hardware nodig voor de 552B MoE-backbone.

Kan ik de DeepSeek V4.1-flash gebruiken op de GlobalGPT?

Ja. GlobalGPT beschikt over een speciale DeepSeek V4.1 Flash-toegang voor gebruik via de browser. De toegang en facturering hiervoor staan los van het directe API-tarief van DeepSeek, en de beschikbaarheid op het platform vormt geen onafhankelijke verificatie van de door DeepSeek gepubliceerde benchmarkresultaten.