DeepSeek、V4.1-Flash を MIT ライセンスで公開——552Bのうち推論で動くのは8B〜16B、KVキャッシュは4分の1に

DeepSeekが2026年9月10日、DeepSeek-V4.1-Flash を公開しました。重みは Hugging Face に置かれ、ライセンスはMITです。

大きいのに、動くのは一部だけ

このモデルの要点は規模ではなく、そのうち実際に動く量です。

混合エキスパート（MoE）という作りで、層ごとに384の専門家を持ち、1トークンにつき6つだけを選んで使います。全部を毎回動かさないので、規模の割に費用が抑えられます。

構成を変えた：エンコーダとデコーダを分ける

前の版から変わったのはCausal Encoder-Decoder（CED）という構成です。40層のうち前半20層をエンコーダ、後半20層をデコーダとし、デコーダが使うKVキャッシュを、エンコーダの最終層から一度だけ作ります。

従来はデコーダの各層が自前でKVキャッシュを持っていました。それをやめたことで、入力が長い使い方——資料を大量に読ませてから作業させる、いわゆるエージェント的な用途——で効きます。

あわせて Compressed Sparse Attention 2（CSA2） により、KVキャッシュの容量を前版 V4-Flash の約4分の1に減らしています。KVキャッシュはメモリを最も食う部分なので、ここが4分の1になる意味は大きいです。KVキャッシュは FP4（E2M1）で持ちます。

画像を直に読む

視覚エンコーダ（DeepSeek-ViT）と2層のMLPを内蔵し、画像とテキストを同じモデルで扱います。後付けではなく最初から組み込まれている、という位置づけです。

視覚まわりの数字は次のとおりです。

得意なところと、そうでないところ

⚠️ 公開されている比較表は広く、勝っている項目と負けている項目がはっきり分かれます。都合のよい数字だけを並べると実像を見誤るので、両方を挙げます。

上位に立っている項目

離されている項目

⚠️ Terminal-Bench は 2.1 で首位、3.0 と 4.0 では大きく離されています。同じ名前でも版によって難度が違い、版を書かずに「Terminal-Bench で首位」と言うと誤解を生みます。

実務で気をつける点

• 推論の努力を1〜100の整数で連続的に指定でき、費用と精度を調整できます
• 推奨は temperature 1.0、top_p 0.95 または 1.0、max_tokens は 256K 以上
• ⚠️ このリリースには Jinja 形式のチャットテンプレートが含まれません。encoding フォルダに Python の参照実装があり、そちらを使います
• vLLM・SGLang・Transformers・Docker Model Runner で動かせます

どう見るか

費用のかかり方を作りで変えにきたモデルです。552B という数字は目を引きますが、実際に動くのは8B〜16Bで、KVキャッシュも4分の1です。資料を大量に読ませる使い方ほど差が出ます。

一方で、道具を使わない純粋な難問（HLE 36.8 対 56.3）や、新しい版の Terminal-Bench では差があります。用途を選べば有力、というのが数字の読み方だと思います。MITライセンスで重みが公開されているため、手元で確かめられる点も実務では効きます。