‏DeepSeek V4.1 Flash: مدل ارزون که رو تست‌های واقعی می‌لنگه

DeepSeek V4.1 Flash یه مدل زبانی تازه از شرکت چینی DeepSeekه که با معماری mixture of experts (یعنی به‌جای فعال کردن کل مدل، هر بار فقط بخش کوچیکی از پارامترا رو به کار می‌گیره) ساخته شده. از بین 552 میلیارد پارامتر کل مدل، فقط 8 میلیارد برای ورودی و 16 میلیارد برای خروجی فعال می‌شه. همین معماری باعث شده هزینه اجرا خیلی پایین بیاد در حالی که نمره‌هاش نزدیک مدل‌های گرون‌تری مثل Opus 5 و GPT-5.6 هستن.

تو Deep SWE، یکی از بنچمارک‌های معتبر کدنویسی، نمره 74.2 گرفته که تقریباً با GPT-6 Astra و Gemini 3.8 Flash و Opus 5 برابره. تو Terminal Bench 3.0 هم نمره 30 گرفته، فقط از Opus 5 عقب‌تره و از GPT-5.6 و Kimi K3 و GLM 5.3 جلوتره. قیمتش هم خیلی پایینه: هر میلیون توکن ورودی حدود 15 تا 30 سنت و خروجی 60 سنت تا 1.2 دلار، بسته به ساعت درخواست.

ولی وقتی پای تست‌های عملی وسط میاد، ماجرا فرق می‌کنه. تو یه تست حل مکعب روبیک، ظاهر شبیه‌سازی درست بود ولی منطقش خراب از آب دراومد: رنگ خونه‌های مکعب موقع بهم‌ریختن به‌طور تصادفی عوض می‌شدن، نه به خاطر چرخوندن واقعی، و وقتی از مدل خواستن حلش کنه، در واقع فقط حرکات بهم‌ریختن رو برعکس تکرار کرد، نه اینکه واقعاً حل کنه. یه تست دیگه هم خواستن یه پرتره با ابزار شبیه Paint بکشه که نتیجه‌ش قابل تشخیص بود ولی خیلی ساده و بدون لایه‌بندی، برخلاف مدلای قوی‌تر.

نکته مثبتش اینه که کاملاً open weight هست، یعنی می‌شه دانلودش کرد و رو سرورهای خودتون اجراش کنید، و به خاطر معماریش فقط یک‌چهارم حافظه HBM و یک‌هشتم فضای SSD نسل قبلی DeepSeek رو لازم داره. سرعتشم بالاست، حدود 200 توکن در ثانیه، یعنی یه مقاله هزار کلمه‌ای رو تو حدود 6 ثانیه می‌نویسه. برای کارای حجم‌بالا و کم‌هزینه مثل تولید متن یا اتوماسیون گزینه خوبیه، ولی برای کارایی که به منطق دقیق و پایدار نیاز دارن، بنچمارک به‌تنهایی کافی نیست و باید رو کار واقعی خودتون تستش کنید.

نکات کلیدی:

• DeepSeek V4.1 Flash با معماری mixture of experts از 552 میلیارد پارامتر فقط 8 تا 16 میلیاردشو فعال می‌کنه
• تو Deep SWE نمره 74.2 گرفته، نزدیک به Opus 5 و GPT-5.6
• قیمتش خیلی پایینه: هر میلیون توکن ورودی حدود 15 تا 30 سنت
• تو تست حل مکعب روبیک منطقش خراب بود و واقعاً حل نمی‌کرد
• کاملاً open weight هست و قابل اجرا رو سرورهای شخصی