Çinli yapay zeka girişimi DeepSeek, 10 Eylül’de yeni modeli V4.1 Flash’ı kullanıma açtı. Multimodal bir Uzman Karışımı (Mixture-of-Experts) mimarisine sahip model, 552 milyar parametre taşımasına karşın çıkarım sırasında bunun yalnızca küçük bir bölümünü etkinleştiriyor. Veri platformu Gelonghui’nin aktardığına göre model, lansmanından üç gün sonra OpenRouter’daki token tüketiminde küresel sıralamada altıncı sıraya yerleşti.

Mimari ve Verimlilik

V4.1 Flash, 552 milyar toplam parametreye sahip bir Nedensel Kodlayıcı-Çözücü mimarisi üzerine kuruldu. Ancak Uzman Karışımı tasarımı sayesinde giriş işleme sırasında yalnızca 8 milyar, çıktı üretimi sırasında ise yalnızca 16 milyar parametre devreye giriyor. Bu oran, 284 milyar parametreli önceki V4 Flash modelinin token başına etkinleştirdiği 13 milyar parametrenin oldukça altında kalıyor. Model, bir milyon tokene kadar genişleyen bağlam penceresini destekliyor ve token başına yaklaşık 890 bayt kullanan yeniden tasarlanmış bir KV önbelleği barındırıyor; bu da bellek kullanımını önceki sürüme kıyasla dörtte bire indiriyor. Model ağırlıkları MIT lisansıyla Hugging Face üzerinden herkese açık olarak sunuluyor.

Erken Benimseme ve Pazar Konumu

OpenRouter verilerini aktaran Gelonghui’ye göre, 7-13 Eylül haftasında küresel yapay zeka token tüketimi haftalık bazda yüzde 10’dan fazla artışla 127 trilyona ulaştı. Çinli modeller bu tüketimin 61,17 trilyon tokenlik bölümünü oluşturarak Amerikan modellerinin önünde geçirdiği yirminci haftayı tamamladı. V4.1 Flash, ilk üç gününde 4,94 trilyon token tüketimiyle altıncı sıradan girdi; Xiaomi’nin MiMo-V2.5 modeli ise haftalık yüzde 230 artışla beşinci sıraya yükseldi. Alibaba Cloud da 13 Eylül’de modeli kendi bulutunda barındırmaya başlayarak Qoder ve Codex gibi geliştirici araçlarıyla entegre bir Token Planı ve API erişimi sundu.

Kıyaslama Performansı ve Sınırlamalar

DeepSeek’in kendi testlerine göre V4.1 Flash, maksimum akıl yürütme modunda DeepSWE v1.1’de 74,2, Terminal-Bench 2.1’de 90,6 ve CyberGym’de 88,1 puan aldı; DocVQA’da 95,6 ve MMMU-Pro’da 56,5 puanla çok modlu görevlerde de güçlü sonuçlar gösterdi. Ancak model, bazı bilgi ve akıl yürütme testlerinde kendi üst modeli V4 Pro’nun gerisinde kalıyor; uzun bağlam testi LongBench-V2’de 45,2 puan alırken bu değer V4 Pro’da 51,5’e çıkıyor. DeepSeek şirketi ayrıca VRAM gereksinimleri, çıkarım hızı kıyaslamaları ya da toplu işlem boyutu önerileri gibi teknik detayları paylaşmadı; yerel kurulum planlaması geliştiricilerin kendi testlerine bırakılmış durumda.