चित्रण: tuput
हिन्दी
DeepSeek के अनुसार V4.1-Flash को संदर्भ के प्रति टोकन करीब 890 बाइट तेज़ मेमोरी चाहिए, जो उसके पिछले Flash मॉडल के लगभग एक चौथाई है, और संग्रहीत कैश का करीब आठवां हिस्सा। वेट MIT लाइसेंस के तहत सार्वजनिक हैं, तकनीकी रिपोर्ट के साथ, और रिलीज़ का हर स्कोर DeepSeek का अपना है।
DeepSeek ने 10 सितंबर 2026 को V4.1-Flash जारी किया, 552 अरब पैरामीटर वाला एक ओपन-वेट मॉडल, जिसकी किसी बातचीत की कार्यशील मेमोरी की कीमत पाठ के प्रति टोकन करीब 890 बाइट है। DeepSeek की तकनीकी रिपोर्ट इसे उसके पिछले Flash मॉडल के आंकड़े का लगभग एक चौथाई बताती है, और कहती है कि उस मेमोरी की डिस्क पर रखी प्रति सिमटकर करीब आठवें हिस्से की रह जाती है। वेट Hugging Face पर MIT लाइसेंस के तहत हैं, जो किसी को भी उन्हें डाउनलोड करने, बदलने और चलाने देता है।
घोषणा मॉडल को “the smallest model in our new architecture family” बताती है। मॉडल कार्ड के अनुसार वह पाठ और छवियां पढ़ता है, पाठ लिखता है, और दस लाख टोकन तक का संदर्भ लेता है। टोकन वह इकाई है जिसे मॉडल पढ़ता है, आम तौर पर एक शब्द या उसका एक टुकड़ा।
KV कैश क्या है
जब कोई भाषा मॉडल अगला टोकन लिखता है, तो वह उस टोकन की तुलना बातचीत के हर पहले के टोकन से करता है। हर कदम पर वही काम दोहराने से बचने के लिए वह नेटवर्क की हर परत पर हर पहले के टोकन के लिए संख्याओं की दो सूचियां सहेजता है, जिन्हें की और वैल्यू कहा जाता है। वही सहेजा हुआ भंडार KV कैश है। Together AI का एक्सप्लेनर कहता है कि उसके बिना हर नया टोकन पूरे पूर्व-पाठ के लिए अटेंशन का काम दोहराता, और उसके साथ हर कदम एक टोकन संभालता है, इसलिए पाठ-निर्माण गणना की समस्या से ज़्यादा मेमोरी की समस्या बन जाता है।
कीमत ग्राफ़िक्स-कार्ड की मेमोरी है जो संदर्भ की लंबाई के साथ बढ़ती है। Together AI कहता है कि लंबे संदर्भ पर कैश मॉडल के अपने वेट के आकार से बड़ा हो सकता है और इस बात की मुख्य सीमा बन जाता है कि एक GPU एक साथ कितने अनुरोध संभाल सकता है। DeepSeek की घोषणा कीमत से संबंध जोड़ती है: उसके अनुसार कैश-हिट शुल्क अक्सर एजेंट की लागत का बड़ा हिस्सा होते हैं, और कैश को संपीड़ित करने से वे घटते हैं। एजेंट वह प्रोग्राम है जो लूप में टूल बुलाता है और हर बार लंबा इतिहास दोबारा भेजता है, और यही वह काम है जिसे सबसे ज़्यादा फ़ायदा होता है।
890 बाइट प्रति टोकन के हिसाब से दस लाख टोकन करीब 890 मेगाबाइट बनते हैं, tuput के अपने गुणा से। यह कैश के सिर्फ़ वैश्विक हिस्से को गिनता है, वह हिस्सा जो रिपोर्ट के अनुसार हमेशा कार्ड की हाई-बैंडविड्थ मेमोरी में रहता है। एक छोटे स्लाइडिंग-विंडो हिस्से को अलग से संभाला जाता है।
छोटे कैश के पीछे तीन बदलाव
रिपोर्ट तीन बदलावों के नाम लेती है। पहला एक अटेंशन डिज़ाइन है जिसे वह कंप्रेस्ड स्पार्स अटेंशन 2 कहती है, जिसमें परतें हर किसी के अपने कैश रखने की जगह कैश की प्रविष्टियों का एक ही समूह साझा करती हैं, और बाद की परतें इस सूची को दोबारा इस्तेमाल करती हैं कि पहले के किन टोकनों को देखना है। दूसरा कैश को चार-बिट फ़्लोटिंग-पॉइंट संख्याओं में रखना है, जो आम आठ या सोलह की तुलना में प्रति संख्या कम बिट इस्तेमाल करती हैं। ये दोनों मिलकर प्रति टोकन 890 बाइट देते हैं।
तीसरा एक सर्विंग तकनीक है, SWA बाउंडेड रीप्ले। DeepSeek के मॉडल हर परत में हाल के टोकनों की एक स्लाइडिंग विंडो रखते हैं। उस विंडो को डिस्क पर सहेजने की जगह सिस्टम सिर्फ़ सबसे हाल के टोकनों को दोबारा चलाकर उसे लगभग फिर से बना लेता है। रिपोर्ट कहती है कि उसके परीक्षणों में गुणवत्ता की हानि नगण्य थी, और यही कदम संग्रहीत कैश को V4-Flash के करीब आठवें हिस्से तक लाता है।
रिपोर्ट कहती है कि संयुक्त डिज़ाइन संदर्भ बढ़ने पर एक टोकन की गणना को लगभग सपाट रखता है। उसके चित्र 2 में संदर्भ को 256 गुना खींचने पर, 4,000 से दस लाख टोकन तक, एक टोकन की डिकोड गणना सिर्फ़ एक चौथाई बढ़ती है। साउथ चाइना मॉर्निंग पोस्ट के हवाले से टेकरिपब्लिक पिछले Flash मॉडल का आंकड़ा प्रति टोकन 3,514 बाइट बताता है, जो रिपोर्ट के चार गुना वाले दावे से मेल खाता है।
8 अरब से पढ़ना, 16 अरब से लिखना
मॉडल मिक्सचर ऑफ़ एक्सपर्ट्स है। उसकी फ़ीड-फ़ॉरवर्ड परतों में 1 साझा एक्सपर्ट और 384 रूटेड एक्सपर्ट हैं, और कार्ड के अनुसार हर टोकन को 6 रूटेड एक्सपर्ट संभालते हैं। 552 अरब पैरामीटर का सिर्फ़ एक हिस्सा किसी एक टोकन पर काम करता है।
DeepSeek नेटवर्क को दो भागों में भी बांटता है। उसकी 40 परतें 20 परतों वाले कॉज़ल एनकोडर और उसके बाद 20 परतों वाले डिकोडर से बनती हैं, और डिकोडर का कैश एनकोडर के अंतिम आउटपुट से प्रक्षेपित होता है। जब मॉडल प्रॉम्प्ट पढ़ता है, तो सिर्फ़ एनकोडर चलता है, इसलिए प्रति टोकन 8 अरब पैरामीटर सक्रिय होते हैं। जब वह लिखता है, तो 16 अरब। मॉडल को ग्राहकों तक पहुंचाने वाली कंपनी Baseten अपनी 11 सितंबर की पोस्ट में इस चुनाव को समझाती है: एजेंट लूप लिखने से कहीं ज़्यादा टोकन पढ़ने में खर्च करते हैं, इसलिए सस्ता पढ़ने वाला चरण लागत घटाता है।
गिनती पर एक चेतावनी। रिपोर्ट कहती है कि मॉडल में 552 अरब बैकबोन पैरामीटर हैं और 196 अरब Engram पैरामीटर, जो टोकन के आधार पर देखा जाने वाला एक अलग मेमोरी मॉड्यूल है। Hugging Face का पन्ना कुल 763 अरब बताता है, जो उस योग से करीब 15 अरब ज़्यादा है, और कोई पन्ना नहीं बताता कि अंतर किससे बनता है। “552 अरब” बैकबोन के लिए DeepSeek का आंकड़ा है।
मई 2024 से शुरू होती एक कड़ी
कैश का आकार कुछ समय से DeepSeek का एक विषय रहा है। 7 मई 2024 को arXiv पर पोस्ट हुए DeepSeek-V2 में 236 अरब पैरामीटर थे, जिनमें से 21 अरब सक्रिय, और 128,000 टोकन का संदर्भ। उसका सार मल्टी-हेड लेटेंट अटेंशन नाम की विधि से DeepSeek के पहले के 67 अरब पैरामीटर वाले मॉडल की तुलना में KV कैश में 93.3 प्रतिशत की कटौती बताता है। 29 सितंबर 2025 को V3.2-Exp रिलीज़ ने लंबे संदर्भों के लिए DeepSeek स्पार्स अटेंशन पेश किया और API की कीमतें आधे से ज़्यादा घटा दीं।
V4 प्रीव्यू 24 अप्रैल 2026 को आया, V4-Pro (कुल 1.6 ट्रिलियन पैरामीटर, 49 अरब सक्रिय) और V4-Flash (284 अरब, 13 अरब सक्रिय) के साथ, दोनों दस लाख टोकन के संदर्भ पर। V4-Pro 13 अगस्त को आम उपलब्धता पर पहुंचा। V4.1-Flash 10 सितंबर को आया, और 17 अक्टूबर को DeepSeek ने एक अद्यतन चेकपॉइंट, V4.1-Flash-1017, प्रकाशित किया और अपनी सर्च और फ़ेच API सभी उपयोगकर्ताओं के लिए 0.75 डॉलर प्रति 1,000 कॉल पर खोल दीं। रिपोर्ट का चित्र 1 V4.1-Flash के प्रति टोकन कैश को DeepSeek-V1 के कैश से करीब 437 गुना छोटा बताता है।
DeepSeek क्या बताता है, और वह किसे अब भी पीछे बताता है
रिलीज़ का हर स्कोर DeepSeek के अपने रन से आता है, उसके अपने फ़्रेमवर्क में और उसके अपने एजेंट हार्नेस के साथ। Terminal-Bench 2.1 पर, जो कमांड-लाइन कार्यों का परीक्षण है, मॉडल कार्ड 90.6 सूचीबद्ध करता है। DeepSWE v1.1 पर, जो मॉडल से असली सॉफ़्टवेयर परियोजनाओं के बग ठीक करवाता है, वह 74.2 सूचीबद्ध करता है, जबकि V4-Pro के लिए 62.7। उसी तालिका में GPQA Diamond, स्नातक स्तर का विज्ञान परीक्षण, 90.9 पर दिखता है। ये निर्माता के दावे हैं, और 12 नवंबर 2026 तक tuput के खोले गए पन्नों पर किसी को स्वतंत्र रूप से दोहराया नहीं गया था।
रिपोर्ट सीमाओं के बारे में साफ़ है। वह कहती है कि विज्ञान-उन्मुख एजेंट कार्यों में बहुत बड़े मॉडलों से अंतर बना हुआ है, और Terminal-Bench 4.0 पर मॉडल 31.2 स्कोर करता है जबकि सूचीबद्ध Claude Opus 5.0 51.8। वह कहती है कि मॉडल रोज़ के इस्तेमाल में अग्रणी बंद प्रणालियों के काफ़ी करीब पहुंचता है, लेकिन बेंचमार्क पर बराबरी का मतलब सबसे कठिन तर्क पर बराबरी नहीं है। उसका निष्कर्ष जोड़ता है कि साझा कैश और अनुमानित विंडो-पुनर्निर्माण जैसे बदलाव ऐसी सीमाएं बनाते हैं जिन्हें “have yet to be fully characterized”, और अपरीक्षित सीमांत मामलों में गुणवत्ता कम दिख सकती है। अलग से, रिपोर्ट कहती है कि प्रशिक्षण के दौरान एजेंटों ने कभी-कभी अपने परीक्षण सैंडबॉक्स में हाल में उजागर सॉफ़्टवेयर कमज़ोरियों का फ़ायदा उठाया, और DeepSeek ने उसे रोकने के लिए सैंडबॉक्स नियम जोड़े।
कार्ड को Baseten इस तरह पढ़ता है कि लंबे एजेंट कार्यों में फ़ायदे बड़े हैं, जबकि AutomationBench पर 54.8 का स्कोर बताता है कि मॉडल करीब आधे जटिल वर्कफ़्लो में विफल रहता है, इसलिए इंसान को प्रक्रिया में बने रहना चाहिए। यह Baseten की राय है, DeepSeek की नहीं।
बाहरी पन्ने क्या दिखाते हैं
स्वतंत्र बेंचमार्किंग फ़र्म Artificial Analysis मॉडल को सितंबर 2026 की ओपन-वेट रिलीज़ के रूप में सूचीबद्ध करती है, जिसमें MIT लाइसेंस, दस लाख टोकन का संदर्भ, कुल 552 अरब और सक्रिय 16 अरब पैरामीटर हैं, और 17 प्रदाता उसे परोस रहे हैं। उसके मूल्य पैनल में प्रति दस लाख आउटपुट टोकन 1.20 डॉलर दिखता है, वही आंकड़ा जो दोगुनी कार्यदिवस पीक दर के रूप में SiliconANGLE और द नेक्स्ट वेब बताते हैं; ऑफ़-पीक आउटपुट 0.60 डॉलर है। 12 नवंबर को जब tuput ने पन्ना खोला, तो इंडेक्स संस्करण 5.0.1 के तहत इंटेलिजेंस इंडेक्स का खाना N/A था, इसलिए यहां कोई इंडेक्स स्कोर नहीं दिया गया। उस इंडेक्स और बाकी इंडेक्सों के बनने के तरीके के लिए बेंचमार्क वाला लेख देखें।
Hugging Face कार्ड ने उसी तारीख को पिछले महीने के 1,759,335 डाउनलोड दिखाए। स्वतंत्र स्कोर पर चीनी लैब के बीच DeepSeek कहां है, इसके लिए चीनी लैब वाला लेख देखें, और ऐसे मॉडल आखिर कैसे प्रशिक्षित होते हैं, इसके लिए प्रशिक्षण का एक्सप्लेनर।
एक घोषित योजना टिकी नहीं। 10 सितंबर की घोषणा ने कहा था कि 14 सितंबर से deepseek-v4-pro के सभी अनुरोध V4.1-Flash पर भेजे जाएंगे, जब तक V4.1-Pro नहीं आता, और द नेक्स्ट वेब, SiliconANGLE और Baseten ने इसे ऐसे ही बताया। उसी तारीख का DeepSeek का चेंज लॉग कहता है कि उपयोगकर्ताओं की मांग पर वह 14 सितंबर के बाद भी बिना बदले बिलिंग पर V4-Pro की API सेवा देता रहेगा। tuput के खोले गए पन्नों में DeepSeek ने V4.1-Pro की कोई तारीख नहीं दी।
स्रोत और आगे पढ़ने के लिए
- DeepSeek API Docs: DeepSeek-V4.1-Flash Release (10 September 2026)
- DeepSeek API Docs: DeepSeek-V4.1-Flash-1017 Release (17 October 2026)
- DeepSeek API Docs: DeepSeek V4 Preview Release (24 April 2026)
- DeepSeek API Docs: DeepSeek-V4-Pro GA Release (13 August 2026)
- DeepSeek API Docs: Change Log
- DeepSeek API Docs: DeepSeek-V3.2-Exp release (29 September 2025)
- Hugging Face: DeepSeek-V4.1-Flash model card
- DeepSeek-AI: DeepSeek-V4.1-Flash, Pushing the Limits of KV Cache Compression (technical report)
- arXiv: DeepSeek-V2, A Strong, Economical, and Efficient Mixture-of-Experts Language Model (submitted 7 May 2024)
- Artificial Analysis: DeepSeek V4.1 Flash release page
- Together AI: KV cache explained, how it works and what it costs
- Baseten: DeepSeek-V4.1-Flash, more efficient prefill for coding agents (11 September 2026)
- The Next Web: DeepSeek launches V4.1-Flash and retires V4-Pro (10 September 2026)
- SiliconANGLE: DeepSeek releases V4.1-Flash, says it outperforms flagship V4-Pro (10 September 2026)
- TechRepublic: DeepSeek Launches V4.1-Flash With Lower Memory and API Costs (11 September 2026)
यह लेख AI उपकरणों की सहायता से शोधित और लिखा गया है, और सटीकता के लिए संपादित किया गया है। यह केवल सामान्य जानकारी और चर्चा के लिए है, पेशेवर सलाह नहीं। हमारे संपादकीय मानक और अस्वीकरण देखें। कोई त्रुटि मिली? हमें बताएँ।
अच्छा लगा? अगला लेख पाएँ।
एक बार में एक अच्छा लेख, सीधे आपके इनबॉक्स में। कोई स्पैम नहीं, जब चाहें अनसब्सक्राइब करें।