DeepSeek-V4.1-Flash: otvorený obor za pár centov, architektúra, výkon, cena a vlastný hosting

01DeepSeek v roku 2026: odkiaľ V4.1-Flash prichádza

DeepSeek je súkromná firma z čínskeho mesta Chang-čou a dcérska spoločnosť investičného fondu High-Flyer Capital Management. Svoj prvý model, DeepSeek-Coder, vydala 2. novembra 2023 a V4.1-Flash je jej 23. verziou. (Mungomash)

Posledné mesiace radu V4

Prečo DeepSeek rieši práve KV cache

Agenti pracujú čoraz dlhšie a s obrovskými vstupmi, takže úlohy sú stále viac „náročné na vstup“. Podľa technickej správy DeepSeeku je dnes hlavnou prekážkou lacnejšej prevádzky výpočtovo drahé spracovanie vstupu (prefill) a veľké KV cache, ktoré zaťažujú pamäť HBM, SSD disky aj prenosovú kapacitu. V4.1-Flash je navrhnutý presne proti tomuto úzkemu hrdlu. (Hugging Face Papers)

DeepSeek model opisuje ako nový východiskový bod pre ďalšie škálovanie architektúry, predtréningu aj dotrénovania. (arXiv)

02Architektúra do hĺbky

V4.1-Flash spája MoE s novým kauzálnym enkodérom-dekodérom a piatimi trikmi na zmenšenie KV cache. Výsledkom je 890 bajtov KV cache na token, približne štvrtina oproti V4-Flash a 437-krát menej ako pri pôvodnom DeepSeek V1. (Hugging Face: DeepSeek)

1. Mixture-of-Experts: 552 miliárd, no pracuje len zlomok

Každá vrstva MoE má 1 zdieľaného a 384 smerovaných expertov; na každý token sa aktivuje 6 smerovaných expertov. Router tak pre každý token vyberie len malú, relevantnú časť siete. (Hugging Face: DeepSeek) Pri plánovaní výkonu je preto dôležitejší počet aktívnych parametrov ako celkový počet. (MindStudio)

2. Kauzálny enkodér-dekodér (CED)

Sieť má 40 vrstiev: 20-vrstvový kauzálny enkodér a za ním 20-vrstvový dekodér. Globálna KV cache dekodéra sa nepočíta v každej jeho vrstve zvlášť, ale premieta sa z výsledných stavov enkodéra. Vďaka tomu model pri spracovaní vstupu aktivuje len 8 miliárd parametrov a pri generovaní 16 miliárd, čo zlacňuje najmä agentné úlohy s dlhým vstupom. (Hugging Face: DeepSeek)

3. Compressed Sparse Attention 2 (CSA2)

Každá vrstva pozornosti má pevne priradený jeden z troch režimov: Full, Reindex alebo Reuse. Vrstvy tak zdieľajú hlavnú KV aj kľúče indexera a opakovane využívajú indexy riedkej pozornosti. V dekodéri navyše hierarchický riedky indexer obmedzuje hlbšie vrstvy na kandidátov, ktorých vybrala prvá vrstva v režime Full, takže cena indexovania nerastie s dĺžkou kontextu. Prvé dve vrstvy enkodéra používajú pozornosť s posuvným oknom (SWA). (Hugging Face: DeepSeek, arXiv)

4. KV cache vo formáte FP4

Hlavná KV cache sa ukladá vo 4-bitovom formáte E2M1 s jedným škálovacím faktorom E4M3 na 16 kanálov. Spolu s CSA2 to dáva spomínaných 890 bajtov na token. (Hugging Face: DeepSeek)

5. SWA Bounded Replay

Chýbajúce stavy posuvného okna sa neobnovujú z disku, ale prehratím len posledných tokenov. Trvalá KV cache (na SSD alebo v pamäti hostiteľa) tak klesá približne na osminu oproti V4-Flash. (Hugging Face Papers)

Ďalšie súčasti

• Single-Pass mHC: upravené miešanie reziduálneho prúdu s rýchlym jadrom Mega-mHC.
• Engram: podmienená pamäť so 196 miliardami parametrov, ku ktorej model pristupuje riedko podľa tokenov.
• DSpark: špekulatívne dekódovanie s poloautoregresívnym návrhom a overovaním podľa miery istoty.

Zdroj: Hugging Face: DeepSeek

Tréning

Model je predtrénovaný na multimodálnom korpuse so 45 biliónmi tokenov a prešiel rozsiahlym dotrénovaním na textové aj multimodálne agentné scenáre. (Hugging Face Papers)

03Špecifikácia

04Benchmarky a nezávislé merania

V4.1-Flash exceluje v úlohách v termináli, dlhom programovaní a hľadaní zraniteľností, vo všeobecnom agentnom teste Terminal-Bench 4.0 však výrazne zaostáva za špičkou.

Výsledky podľa DeepSeeku

Kde vedie a kde stráca

V CyberGym (88,1 %) prekonal všetky modely, ktoré majú v tabuľke DeepSeeku výsledok; Claude Opus 5 tam číslo nemá. (Hugging Face: DeepSeek) Pre porovnanie: špecializovaný Gemini 3.8 Flash Cyber má v rovnakom teste 86,2 %.

Praktické testy

Nezávislí testeri narazili na nedostatky mimo benchmarkov. V simulácii Rubikovej kocky sa farby pri ťahoch menili nesprávne a pri napodobnení obrázka v štýle Skicára vznikol štylizovaný, no málo detailný výsledok. Medzi silnými číslami a kvalitou v kreatívnych a priestorových úlohách je teda rozdiel. (MindStudio)

05Porovnanie s modelmi septembra 2026

V4.1-Flash patrí medzi najlepšie v dlhom programovaní a cenou mu v tabuľke konkuruje len Xiaomi MiMo-V2.6-Pro, jediný ďalší model s otvorenými váhami. Vo všeobecných agentných úlohách je v dolnej polovici.

V Terminal-Bench 2.1 má V4.1-Flash 90,6 %, viac ako Gemini 3.8 Flash (89,4 %), Xiaomi MiMo-V2.6-Pro (89,9 %) aj Muse Spark 1.3 (88,8 %).

Podrobnosti o konkurentoch nájdete v sprievodcovi GPT-6 Astra, sprievodcovi Claude Fable 5.1, sprievodcovi Gemini 3.8 Flash, sprievodcovi Grok 4.7, rozbore Muse Spark 1.3 a článku o Xiaomi MiMo V2.6 Pro.

Všetkých sedem septembrových modelov vedľa seba, s grafmi cien a benchmarkov, porovnávame vo veľkom porovnaní AI modelov septembra 2026.

06Cena API: špička, mimo špičky a zlacnenie

V4.1-Flash stojí v špičke 0,30 USD za milión vstupných a 1,20 USD za milión výstupných tokenov; mimo špičky presne polovicu. Bol to jediný septembrový model, ktorý zlacnil vstup aj výstup; Claude Fable 5.1 zlacnil len čítanie z cache. (Capital and Compute)

Oproti V4-Flash ide o zľavu 32 % na vstupe, 9 % na výstupe a 57 % na čítaní z cache. (Capital and Compute) Pre predstavu: GPT-6 Astra a Claude Fable 5.1 stoja 10 USD za milión vstupných tokenov, teda 33-krát viac ako V4.1-Flash v špičke.

Príbeh s vyradením V4-Pro

Pri vydaní DeepSeek oznámil, že od 14. septembra o 4:00 UTC bude na každú požiadavku na deepseek-v4-pro odpovedať V4.1-Flash. Rozhodnutie potom vzal späť a V4-Pro naďalej beží za doterajšie ceny. (DeepSeek: changelog) Staršie V4-Flash a V4-Flash-Vision-Exp však v priamom API skončili a ich názvy sa presmerúvajú na V4.1-Flash; ID modelov a ceny u sprostredkovateľov je preto potrebné kontrolovať zvlášť.

Tip na úsporu

Dávkové a neurgentné úlohy (nočné analýzy, generovanie údajov) spúšťajte mimo špičky za polovičnú cenu a držte stabilný prefix promptu, aby ste využili cache za 0,006 USD.

07Otvorené váhy v praxi: vlastný hosting

V4.1-Flash si môžete stiahnuť z Hugging Face (deepseek-ai/DeepSeek-V4.1-Flash) a prevádzkovať komerčne pod licenciou MIT. „Otvorený“ však neznamená „zadarmo“: potrebujete buď vlastnú výpočtovú kapacitu, alebo platené API. (MindStudio)

Čo rozhoduje o hardvéri

• Úložisko váh musí pokryť celých 552 miliárd parametrov, hoci sa na token používa len zlomok. Experti musia byť uložení niekde dostatočne rýchlo dostupní: vo VRAM, v RAM s odľahčovaním alebo na NVMe.
• Aktívne parametre (8 a 16 mld.) určujú výpočet a priepustnosť na token; pri plánovaní rýchlosti sú dôležitejšie ako celkový počet.
• Kvantizácia je pre menší hardvér nevyhnutnosť. Oficiálne minimálne požiadavky na VRAM DeepSeek nezverejnil.

Zdroj: MindStudio

Komunitné varianty

Realistické cesty

1. Prenajaté GPU v cloude s oficiálnym inferenčným kódom DeepSeeku: najrýchlejší štart.
2. Pracovná stanica s dvoma profesionálnymi GPU a silno kvantizovanou verziou: pre tímy, ktoré chcú mať údaje doma.
3. Hostované API tretej strany: bez vlastného hardvéru a mimo serverov v Číne. Skúšobný endpoint NVIDIA na build.nvidia.com slúži len na testovanie: podmienky zakazujú dôverné a osobné údaje a používanie sa zaznamenáva.

Pri vydaní prebiehala väčšina lokálnych behov na serveroch s viacerými kartami alebo v cloude, nie na herných zostavách. (MindStudio)

08Rýchly štart cez API

Priame API DeepSeeku používa ID deepseek-flash a kontext 1 milión tokenov. (Mungomash) API DeepSeeku je kompatibilné s formátom OpenAI, takže stačí zmeniť základnú URL a model:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.deepseek.com",  # overte v dokumentácii DeepSeeku
    api_key=os.environ["DEEPSEEK_API_KEY"],
)

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[
        {"role": "user", "content": "Prejdi tento log a nájdi príčinu chyby."}
    ],
)

print(response.choices[0].message.content)

Základnú URL a parametre uvažovania si pred nasadením overte v dokumentácii DeepSeek API. Pri vlastnom hostingu použite endpoint svojho servera (vLLM aj podobné nástroje ponúkajú rozhranie kompatibilné s OpenAI) a model deepseek-ai/DeepSeek-V4.1-Flash.

09Údaje, jurisdikcia a bezpečnosť

Pri DeepSeeku je rozhodnutie o údajoch jednoduchšie ako pri uzavretých modeloch: ak nechcete posielať údaje do Číny, model si môžete hostovať sami.

Tri spôsoby prevádzky z pohľadu údajov

DeepSeek sídli v čínskom meste Chang-čou. (Mungomash) Konkrétne podmienky spracovania údajov v priamom API si overte v zásadách DeepSeeku a pri citlivých údajoch sa poraďte s právnikom; tabuľka vyššie opisuje len to, kde údaje fyzicky skončia.

Bezpečnosť modelu

• Silný v hľadaní zraniteľností: 88,1 % v CyberGym, viac ako GPT-5.6 Sol (84,5 %) aj špecializovaný Gemini 3.8 Flash Cyber (86,2 %).
• Slabší v tvorbe exploitov: 15,3 % v ExploitGym oproti 33,7 % pri GPT-5.6 Sol a 22,1 % pri Claude Opus 5.
• Otvorené váhy znamenajú žiadne poistky poskytovateľa. Na rozdiel od Claude Fable alebo GPT-6 Astra pri vlastnom hostingu neexistuje centrálny filter, ktorý by rizikové požiadavky presmeroval. Zodpovednosť za pravidlá používania nesie prevádzkovateľ.

Zdroje výsledkov: Hugging Face: DeepSeek, NVIDIA, sprievodca Gemini 3.8 Flash (Cyber)

10Rozhodovací sprievodca

V4.1-Flash je predvolená voľba, keď rozhoduje cena alebo kontrola nad údajmi; na najťažších všeobecných agentov siahnite inde.

11Často kladené otázky o DeepSeek-V4.1-Flash

12Verdikt

DeepSeek-V4.1-Flash prináša špičkové výsledky v programovaní za pár centov a k tomu otvorené váhy pod licenciou MIT. Pre lacné agentné programovanie, dlhé vstupy a firmy, ktoré chcú mať údaje doma, je to jeden z najsilnejších kandidátov. Najbližším otvoreným súperom je Xiaomi MiMo V2.6 Pro, ktorý má vyššie súhrnné hodnotenie Artificial Analysis (46 oproti 39 bodom), v DeepSWE však zaostáva (71,9 % oproti 74,2 %).

Na všeobecných agentov, ovládanie počítača a kreatívne úlohy však nestačí a priame API vedie do Číny. Chcete nasadiť AI vo firme a vybrať správny model? Pomôžeme v rámci AI implementácie.

13Zdroje

• Hugging Face: DeepSeek-V4.1-Flash (oficiálna model card)
• arXiv: DeepSeek-V4.1-Flash, technická správa
• Hugging Face Papers: abstrakt správy
• NVIDIA: model card DeepSeek-V4.1-Flash
• DeepSeek API: aktualizácie
• DeepSeek API: cenník
• DeepSeek: oznámenie V4.1-Flash
• MindStudio: ako prevádzkovať V4.1-Flash lokálne
• Capital and Compute: modely a ceny september 2026
• Mungomash: prehľad frontier modelov
• Local AI Zone: aktualizácie modelov september 2026
• TeamDay: najlepšie AI modely 2026
• Hugging Face: NVFP4 od NVIDIA
• Hugging Face: konverzia NVFP4 (s-zaizen)
• Hugging Face: GGUF (vcruz305)
• Hugging Face: EXL3 pre 2× RTX PRO 6000