DeepSeek V4.1 Flash: la nuova rivoluzione cinese dell’IA nel rapporto potenza-prezzo
Scritto da Gab
Indice
DeepSeek V4.1 Flash viene presentato da @kimmonismus come un’evoluzione particolarmente rapida, arrivata sei settimane dopo l’aggiornamento V4-Flash di luglio. Il suo messaggio riprende i dati principali: un’architettura Causal Encoder Decoder, 552 miliardi di parametri MoE, di cui 8 miliardi attivi durante l’elaborazione dell’input e 16 miliardi durante la generazione, oltre a una KV cache ridotta a un quarto della HBM e a un ottavo dello spazio di archiviazione SSD rispetto alla generazione precedente. Aggiunge che DeepSeek sarebbe ormai superiore a DeepSeek V4 Pro in termini di capacità, costo e velocità e che, a partire dal 14 settembre, il traffico di V4 Pro dovrà essere temporaneamente instradato verso V4.1 Flash.
Questa interpretazione è nel complesso fedele all’annuncio, ma insiste soprattutto sulla cadenza dei rilasci e sul salto di qualità del prodotto. Il thread ufficiale offre un quadro più completo: i miglioramenti non vengono attribuiti esclusivamente all’architettura, ma anche a nuovi metodi di pre-addestramento e a un post-addestramento RL condotto su scala più ampia. Soprattutto, dietro il messaggio promozionale di un modello Flash «più intelligente, più veloce, più efficiente», il cambiamento più rilevante sul piano operativo riguarda la memoria necessaria per l’inferenza su contesti lunghi, un tema decisivo per gli agenti IA.
Il grafico condiviso da @kimmonismus mostra peraltro una realtà meno uniforme rispetto alla narrazione di marketing: DeepSeek V4.1 Flash è competitivo in diverse valutazioni, ma non domina sistematicamente i modelli all’avanguardia su Terminal-Bench.
Il post di @kimmonismus, pubblicato il 10 settembre, si basa esplicitamente sul thread dell’account ufficiale di DeepSeek. Questo punto è importante: i dati, la migrazione degli endpoint e le promesse in termini di prestazioni provengono innanzitutto dallo sviluppatore del modello, non dall’analista che li ha sintetizzati.
Ecco il post originale, pubblicato da DeepSeek alcune ore prima:
Il thread ufficiale: una nuova famiglia, non un semplice aggiornamento Flash
Nel suo primo messaggio, @deepseek_ai presenta V4.1 Flash come «il modello più piccolo della nostra nuova famiglia di architetture», dotato di comprensione visiva nativa. Il posizionamento è chiaro: Flash non è più soltanto una variante leggera, ma il primo modello di una famiglia progettata per la velocità, il throughput e la scalabilità.
La seconda parte del thread descrive in dettaglio l’architettura. DeepSeek V4.1 Flash si basa su un MoE da 552 miliardi di parametri, ma non utilizza l’intera rete a ogni passaggio. Secondo DeepSeek, durante l’elaborazione dell’input sono attivi soltanto 8 miliardi di parametri, che diventano 16 miliardi durante la generazione.
Questa asimmetria costituisce il cuore dell’architettura Causal Encoder Decoder. L’elaborazione del contesto e la produzione di nuovi token non hanno più lo stesso costo e non richiedono esattamente le stesse risorse. Per i casi d’uso che richiedono la lettura di un contesto molto ampio prima di generare una risposta relativamente breve, questa separazione può migliorare il rapporto tra costi e prestazioni.
La tabella ufficiale confronta V4.1 Flash con V4 Pro 0813, V4 Flash 0731 e diversi concorrenti. Indica in particolare 30,0 su Terminal-Bench 3.0, 31,2 su Terminal-Bench 4.0 e 74,2 su DeepSWE v1.1 per V4.1 Flash.
Benchmark principali di DeepSeek V4.1 Flash
| Benchmark | Punteggio dichiarato per V4.1 Flash | Interpretazione |
|---|---|---|
| Terminal-Bench 3.0 | 30,0 | Nella tabella ufficiale, V4.1 Flash supera GLM 5.3. |
| Terminal-Bench 4.0 | 31,2 | Il modello rimane dietro a GLM 5.3, che registra 37,9. |
| DeepSWE v1.1 | 74,2 | Risultato messo in evidenza da DeepSeek per le attività di ingegneria del software. |
DeepSeek afferma che i suoi nuovi metodi di pre-addestramento, combinati con un post-addestramento RL più ambizioso, collocano il modello davanti a sistemi di punta, tra cui DeepSeek V4 Pro. Questa precisazione è importante rispetto al riepilogo di @kimmonismus: l’architettura è centrale, ma da sola non spiega i punteggi dichiarati.
La formula ufficiale è volutamente semplice:
"KV cache più piccola. Risparmi maggiori." @deepseek_ai
La promessa più concreta di V4.1 Flash non è quindi necessariamente un punteggio grezzo superiore, bensì un costo in termini di memoria sensibilmente inferiore per i carichi di lavoro lunghi e ripetitivi.
La KV cache di DeepSeek, la vera leva per gli agenti
La KV cache memorizza le rappresentazioni necessarie per evitare di ricalcolare l’intero contesto a ogni token generato. Questa memoria è essenziale per le conversazioni lunghe, gli agenti che chiamano strumenti, i workflow di codice, le ricerche iterative e i sistemi che conservano una cronologia estesa.
DeepSeek annuncia che la cache di V4.1 Flash richiede ormai soltanto:
- Un quarto della HBM richiesta dalla generazione precedente.
- Un ottavo dello spazio di archiviazione SSD necessario in precedenza.
- Circa 890 byte per token di cache complessiva, contro i 3.514 byte di V4 Flash secondo il grafico pubblicato dall’azienda.
Il grafico ufficiale mostra una riduzione spettacolare a partire da DeepSeek-V1: 389.120 byte per token per V1, 48.068 per V3.2, 3.514 per V4 Flash e infine 890 per V4.1 Flash.
Per un operatore di agenti, questo miglioramento può essere più determinante di uno scarto marginale in un benchmark. Le cache hit rappresentano spesso una parte significativa dei costi quando un agente riutilizza frequentemente un contesto voluminoso. Comprimere questa cache riduce sia la pressione sulla memoria GPU sia la capacità di archiviazione necessaria su larga scala.
È esattamente ciò che sottolinea @datachad nelle risposte al post di @kimmonismus:
"the kv-cache cut to a quarter of hbm is the one that matters for local inference" @datachad
L’osservazione è corretta, ma va contestualizzata. Una KV cache DeepSeek più compatta rende l’auto-hosting dell’IA più accessibile per le infrastrutture già attrezzate. Tuttavia, non trasforma un modello MoE da 552 miliardi di parametri in un software facile da eseguire su un personal computer.
DeepSeek lo riconosce indirettamente quando parla di implementazioni su una scala completamente diversa:
"Planning a large-scale deployment with 2,000 GPUs + a storage cluster? Let’s talk." @deepseek_ai
Il miglioramento della cache rende molto più sostenibili i costi del servizio, ma non elimina la barriera hardware legata alle dimensioni del modello.
Il modello e il relativo rapporto tecnico sono disponibili sulla pagina Hugging Face di DeepSeek-V4.1-Flash e nel rapporto tecnico di DeepSeek V4.1. Il materiale disponibile nel thread, tuttavia, non consente di confermare i dettagli riportati da @UnslothAI in una risposta riguardo a «196B engram». Questo dato non deve quindi essere considerato una specifica verificata senza una lettura diretta del rapporto tecnico.
Una transizione API che rende Flash il prodotto predefinito
L’annuncio non si limita a promuovere un nuovo modello. Riorganizza anche la gamma DeepSeek.
Il thread ufficiale indica che:
- V4 Flash e V4 Flash Vision Exp vengono ritirati.
- I vecchi identificatori
deepseek-v4-flashedeepseek-v4-flash-vision-expvengono temporaneamente reindirizzati a V4.1 Flash per preservare la compatibilità. - A partire dal 14 settembre 2026 alle 04:00 UTC, anche le richieste destinate a DeepSeek V4 Pro verranno instradate verso V4.1 Flash.
- Questa situazione durerà fino al lancio di V4.1 Pro.
- Le richieste migrate da V4 Pro verranno fatturate secondo le tariffe di V4.1 Flash.
Questa decisione va ben oltre un confronto promozionale. DeepSeek rende V4.1 Flash il proprio prodotto API di riferimento ancora prima dell’arrivo di V4.1 Pro. Per i team che utilizzano già l’API, la migrazione riduce il rischio di un’interruzione immediata. Tuttavia, non elimina la necessità di convalidare nuovamente gli output, la latenza, le chiamate agli strumenti, la visione nativa e il comportamento del modello in produzione.
@bygregorr riassume il problema dal punto di vista di chi sviluppa applicazioni:
"Six weeks between architecture families is a short runway for API builders." @bygregorr
DeepSeek risponde con una compatibilità transitoria e con l’instradamento dei vecchi identificatori. Si tratta di una risposta pragmatica in termini di continuità del servizio, ma non di una garanzia di perfetta equivalenza funzionale. Un’applicazione agentica sensibile ai formati di output, alle chiamate agli strumenti o alle politiche di ragionamento dovrà comunque essere sottoposta a nuovi test.
Il tariffario di DeepSeek presenta prezzi diversi a seconda delle fasce orarie, per milione di token. Fuori dagli orari di punta, indica 0,003 dollari per l’input con cache, 0,15 dollari per l’input senza cache e 0,6 dollari per l’output. Negli orari di punta, questi importi passano rispettivamente a 0,006, 0,3 e 1,2 dollari.
DeepSeek precisa che le tariffe nelle ore non di punta rappresentano il 50% delle tariffe di punta. Questo schema rafforza la convenienza economica dei carichi flessibili, in particolare per le elaborazioni batch, le valutazioni automatizzate o le attività agentiche asincrone.
Un post di terze parti di @ns123abc, menzionato nella discussione più ampia, parla di un'esecuzione circa 86 volte meno costosa per milione di token e di un throughput compreso tra 420 e 507 token al secondo. Questi dati possono contribuire al dibattito, ma non compaiono nel thread ufficiale fornito. Devono quindi essere considerati affermazioni di terze parti, dipendenti dall'hardware, dalla lunghezza del contesto, dal livello di quantizzazione e dal carico testato, e non dati confermati da DeepSeek.
Terminal-Bench: un dominio annunciato, ma non un verdetto universale
DeepSeek afferma che «test condotti da più soggetti» collocano V4.1 Flash davanti a V4 Pro in termini di prestazioni, costi, velocità e tempo totale di esecuzione. Questa affermazione può sostenere il suo posizionamento comparativo, ma il thread non documenta in modo sufficientemente dettagliato i protocolli, i fornitori, le configurazioni di inferenza o l'esatta composizione di questi test.
Il principale punto di attrito riguarda Terminal-Bench, un benchmark particolarmente seguito per valutare le capacità agentiche nell'uso del computer e nella programmazione.
@Greg_GL_87 evidenzia un'apparente incoerenza tra due versioni della valutazione:
"la tabella mostra che perde su Terminal-Bench 4.0 contro GLM 5.3, 31,2 contro 37,9, ma vince sulla 3.0. una strana discrepanza tra due versioni della stessa valutazione" @Greg_GL_87
Questa critica non ha ricevuto risposta nel thread. È precisa e importante. La tabella ufficiale mostra effettivamente 31,2 per V4.1 Flash su Terminal-Bench 4.0, mentre @Greg_GL_87 confronta questo punteggio con il 37,9 di GLM 5.3. Allo stesso tempo, V4.1 Flash ottiene 30,0 su Terminal-Bench 3.0, superando GLM 5.3.
Un modello può superare V4 Pro in diversi indicatori senza essere la scelta migliore per tutte le attività di programmazione agentica. In assenza di un protocollo dettagliato, resta impossibile determinare se il divario tra Terminal-Bench 3.0 e 4.0 dipenda dalle attività, dagli ambienti, dai parametri di test o da un altro fattore metodologico.
@kryptosopus formula un'obiezione più ampia confrontando V4.1 Flash con Claude Opus 5:
"Visione nativa integrata nel modello più piccolo, ma perde comunque contro Opus 5 su Terminal-Bench di 13 punti. Flash punta chiaramente su «economico e veloce», non sulla frontiera tecnologica. La curva di scaling in fondo è il vero indizio" @kryptosopus
Questa interpretazione non contraddice del tutto quella di DeepSeek. V4.1 Flash può essere migliore di DeepSeek V4 Pro secondo diverse metriche selezionate dall'azienda, pur restando dietro a Opus 5 in uno specifico benchmark agentico. Il problema emerge quando un miglioramento relativo all'interno di una gamma viene trasformato in un'affermazione di supremazia globale.
Reazioni: entusiasmo per l'open source, prudenza sul prodotto e domande sulla futura versione Pro
Le risposte al thread ufficiale sono in gran parte entusiaste riguardo all'apertura del modello e alla sua rapida integrazione. @MrAhmadAwais segnala, per esempio, che V4.1 Flash è già disponibile nella sua offerta CommandCodeAI. @Presidentlin elogia soprattutto il contributo di DeepSeek all'ecosistema open source:
"Grazie ancora per aver fatto progredire l'open source" "Come sempre, doveroso" "Quanto in alto arriverà il vostro limite?!!" @Presidentlin
La risposta era accompagnata da una tavola manga che rende tangibile questa combinazione di fascinazione e sfida di fronte al ritmo di DeepSeek.
@ParthM1001, dal canto suo, riassume l'atmosfera con una metafora culinaria:
"La balena ha cucinato di nuovo qualcosa di meraviglioso." @ParthM1001
Le risposte al post di @kimmonismus sono maggiormente incentrate sul posizionamento della gamma. @elshayib_ ritiene che la precedente versione Pro perda di significato:
"V4 Pro è ormai piuttosto irrilevante" @elshayib_
@kimmonismus gli risponde:
"sì, sto solo aspettando un'altra versione della Pro" @kimmonismus
Questa risposta è coerente con l'annuncio ufficiale: V4 Pro è effettivamente in fase di ritiro temporaneo, ma DeepSeek annuncia esplicitamente una futura V4.1 Pro. Concludere che l'intera gamma Pro sia definitivamente inutile va quindi oltre i fatti accertati.
Lo stesso interrogativo emerge da @RimasXYZ:
"se flash ora supera v4-pro in capacità, costo e velocità, su cosa potrà ancora prevalere v4.1-pro?" @RimasXYZ
Il thread non risponde a questa domanda. Lascia del tutto aperta la definizione del futuro prodotto Pro: qualità superiore nei compiti difficili, capacità di ragionamento potenziate, contesto più lungo, affidabilità agentica o un altro compromesso prestazionale.
Architettura Causal Encoder Decoder: cosa cambia tecnicamente
La reazione di @austinyuhao, « bentornato, encoder-decoder », è breve ma pertinente. DeepSeek non propone soltanto una compressione della cache, ma reintroduce una separazione architetturale tra il percorso di codifica causale e il decoder.
"bentornato, encoder-decoder" @austinyuhao
Lo schema condiviso nella risposta mostra un Causal Encoder e un Decoder di venti layer ciascuno, per una rete composta complessivamente da quaranta layer. Mostra inoltre i componenti MoE, CSA2, SWA, Vision Encoder, Text Embedding, Engram, DSpark e Candidate Pool.
Questa organizzazione spiega perché i temi dell’inferenza multimodale e della KV cache siano collegati. DeepSeek punta a supportare nativamente la visione, mantenendo al contempo un costo ragionevole sulle sequenze lunghe. La promessa è particolarmente interessante per gli agenti che devono leggere documenti, analizzare interfacce, gestire codice e conservare una memoria di lavoro persistente.
FAQ su DeepSeek V4.1 Flash
Quanti parametri sono attivi in DeepSeek V4.1 Flash?
DeepSeek annuncia un modello MoE da 552 miliardi di parametri. Solo 8 miliardi di parametri sarebbero attivi durante l’elaborazione dell’input, per poi passare a 16 miliardi durante la generazione.
Perché la KV cache di DeepSeek è importante per gli agenti IA?
La KV cache consente di conservare le rappresentazioni del contesto già elaborato. Una cache più compatta riduce i requisiti di memoria GPU e di archiviazione, il che può diminuire il costo delle conversazioni lunghe, degli agenti con chiamate a strumenti e dei workflow che riutilizzano frequentemente lo stesso contesto.
Cosa succede agli utenti di DeepSeek V4 Pro?
A partire dal 14 settembre 2026 alle 04:00 UTC, le richieste destinate a DeepSeek V4 Pro dovranno essere temporaneamente instradate verso V4.1 Flash, fino al lancio di V4.1 Pro. I team interessati dovranno convalidare nuovamente i propri casi d’uso in produzione, anche se durante la transizione verrà mantenuta la compatibilità delle API.
Cosa bisogna ricordare
DeepSeek V4.1 Flash non è soltanto un ulteriore aggiornamento rapido. L’annuncio combina una nuova architettura asimmetrica, un’attivazione MoE differenziata tra input e generazione, una forte compressione della KV cache, tariffe API aggressive e una migrazione concreta del traffico da V4 Pro.
Per i professionisti, le implicazioni sono chiare:
- La KV cache ridotta può migliorare sensibilmente i costi degli agenti con contesti lunghi.
- Il self-hosting dell’IA diventa più realistico per gli operatori che dispongono già di un’infrastruttura significativa.
- Il reindirizzamento da V4 Pro a Flash impone una fase di validazione applicativa.
- Le prestazioni dichiarate rispetto a V4 Pro non sono sufficienti a dimostrare una superiorità in tutti i benchmark agentici.
- Terminal-Bench resta un aspetto da monitorare, in particolare a causa della divergenza tra le versioni 3.0 e 4.0 rilevata da @Greg_GL_87.
Il thread lascia quindi aperte diverse domande: quali protocolli giustificano i « test condotti da più soggetti », perché i risultati divergono a seconda della versione di Terminal-Bench, quale sarà il ruolo distintivo di V4.1 Pro e quale configurazione hardware rende davvero pratico il self-hosting?
La conclusione più ragionevole è anche la più utile: V4.1 Flash sembra rappresentare un importante passo avanti in termini di efficienza e distribuzione, ma non dimostra ancora che un modello Flash abbia eliminato i compromessi tipici dei modelli di frontiera.