DeepSeek zegt dat nieuwe Flash sneller werkt en korter antwoordt

Wat kan DeepSeek V4.1 Flash nu beter?

DeepSeek noemt de update een kleine aanpassing, maar zegt dat het model op bijna alle proeven beter scoort. Zo haalt het op DeepSWE, een test voor het oplossen van programmeerproblemen, 77,0 punten. Het vorige Flash-model kwam op 74,2.

Het verschil is groter bij Terminal-Bench 4.0, een test waarbij het model opdrachten in een commandovenster uitvoert. Daar steeg de score volgens DeepSeek van 31,2 naar 42,3. Het gaat om cijfers van het bedrijf zelf, niemand anders heeft ze hier nagekeken.

Een onafhankelijke meting op OpenRouter, een dienst waar je verschillende AI-modellen via één koppeling kunt gebruiken, ligt lager. Het testbureau Artificial Analysis gaf het model 26,8 procent op diezelfde Terminal-Bench. Dat is een andere instelling dan die van DeepSeek, dus de getallen zijn niet een-op-een te vergelijken.

Sneller

Waarom werkt DeepSeek Flash sneller en goedkoper?

Het model schrijft kortere antwoorden en heeft minder tijd nodig voor een taak. Bloomberg meldt dat DeepSeek belooft: "stronger benchmark performance, faster task completion, and shorter outputs". Dat betekent sterkere scores, snellere taken en kortere uitvoer dan de vorige versie.

Een token is een stukje tekst waarmee AI-bedrijven rekenen, ongeveer een woord of woorddeel. Minder tokens in het antwoord betekent dus een lagere rekening. Volgens OpenRouter kost het model 0,05 dollar per miljoen tokens aan invoer en 0,60 dollar per miljoen aan uitvoer.

Ook de techniek helpt, volgens OpenRouter. Het model onthoudt tijdens lange taken veel in een soort kladblok, de cache. Die neemt ongeveer een kwart van het geheugen in dat de vorige Flash-generatie nodig had. Dat drukt de kosten vooral bij agents, AI die een taak in veel stappen zelfstandig uitvoert.

Kun je DeepSeek V4.1 Flash zelf gebruiken?

DeepSeek zet het model onder de MIT-licentie online, een van de meest vrije licenties. Je mag de bestanden dus downloaden en zelf gebruiken. Het model telt 763 miljard parameters, de instellingen die een model heeft geleerd. Dat is te groot voor een gewone pc.

Daarom zullen de meeste mensen het via een bedrijf gebruiken dat het model host. De API, de koppeling waarmee programma's het model aanroepen, heet bij DeepSeek deepseek-flash. Het contextvenster, de hoeveelheid tekst die het model tegelijk overziet, is 1 miljoen tokens.

Let op bij de cijfers. De scores komen van DeepSeek en nog niet van een onafhankelijke test met jouw eigen werk. Wie het model wil proberen, kan dezelfde taak aan het oude en het nieuwe Flash-model geven en vergelijken hoe lang het duurt en wat het kost.