‏DeepSeek V4.1 Flash: مدلی که قیمتش با ساعت روز عوض می‌شه

به گزارش این مقاله، DeepSeek برای مدل جدیدش یعنی V4.1 Flash یه روش قیمت‌گذاری غیرمعمول در پیش گرفته: قیمت هر میلیون توکن ورودی بدون کش، تو ساعت‌های کم‌ترافیک ۱۵ سنته و تو ساعت‌های پرترافیک می‌ره رو ۳۰ سنت. توکن‌های خروجی هم از ۶۰ سنت تو ساعت‌های خلوت به ۱ دلار و ۲۰ سنت تو ساعت‌های شلوغ می‌رسه. اگه یه کوئری کش (یعنی حافظه‌ی موقتی که جواب‌های تکراری رو ذخیره می‌کنه) هیت بخوره، قیمت ورودی به کسری از یک سنت می‌رسه.

نویسنده می‌گه این تقسیم‌بندی صرفاً یه تصمیم بازاریابی نیست، بلکه راهیه برای مدیریت ظرفیت GPUها. چون تقاضا معمولاً تو ساعت‌های اداری بازارهای بزرگ متمرکز می‌شه، DeepSeek با ارزون کردن قیمت تو ساعت‌های خلوت، کاربرایی که کار دسته‌ای (batch) دارن رو تشویق می‌کنه اون موقع کارشونو انجام بدن، بدون اینکه مجبور باشه سخت‌افزار اضافه برای ساعت‌های پرتقاضا بخره.

طبق بنچمارک هزینه-به-ازای-هر-تسک شرکت Artificial Analysis، DeepSeek V4.1 Flash هر تسک رو حدود ۲۷ سنت تموم می‌کنه؛ در مقابل، مدل‌های هم‌رده یعنی Gemini 3 Flash و GPT-5.6 به ترتیب حدود ۸ دلار و ۷۵ سنت و ۳ دلار و ۲۶ سنت هزینه دارن. البته این عدد وابسته به اینه که مدل برای رسیدن به جواب خوب چند تا توکن مصرف می‌کنه؛ یه مدل ارزون‌تر ممکنه با تلاش و توکن بیشتر، در عمل گرون‌تر از قیمت اسمیش تموم بشه.

دلیل اصلی این ارزونی به معماریش برمی‌گرده. V4.1 Flash یه مدل mixture-of-experts با ۵۵۲ میلیارد پارامتره، ولی برای هر درخواست فقط بخش کوچیکی ازش (حدود ۸ میلیارد پارامتر برای پردازش ورودی و ۱۶ میلیارد برای تولید خروجی) فعال می‌شه. یعنی به‌جای اجرای کل مدل، فقط زیرمجموعه‌ای از وزن‌ها که برای اون درخواست خاص مناسبه روشن می‌شه. این روش باعث شده حافظه مصرفی مدل (KV cache) به یک‌چهارم نسخه‌های قبلی DeepSeek برسه، که با گرون شدن حافظه‌های سخت‌افزاری تو کل صنعت، خیلی به‌صرفه‌ست.

با این‌حال، نتایج تو دنیای واقعی یکم دوپهلوئه. تو بنچمارک‌های کدنویسی مثل Deep SWE، مدل نمره ۷۴.۲ گرفته که هم‌رده GPT و Claude Opus هست؛ ولی تو تست دستی شبیه‌سازی مکعب روبیک، مدل خراب کار کرد و تابع «حل کردن»‌ش فقط حرکت‌ها رو برعکس پخش می‌کرد، نه اینکه واقعاً مکعب رو حل کنه. تو کارای خلاقانه‌ی دیگه مثل نقاشی هم نتیجه ضعیف‌تر از مدل‌های گرون‌تر بوده.

نکات کلیدی:

• قیمت آف‌پیک: ورودی ۱۵ سنت و خروجی ۶۰ سنت به ازای هر میلیون توکن؛ تو ساعت‌های پیک هر دو رقم دو برابر می‌شه.
• با کش هیت، قیمت ورودی به کسری از یک سنت به ازای هر میلیون توکن می‌رسه.
• تو بنچمارک هزینه-به-ازای-تسک، حدود ۲۷ سنت در مقابل ۸.۷۵ دلار Gemini 3 Flash و ۳.۲۶ دلار GPT-5.6.
• معماری mixture-of-experts با ۵۵۲ میلیارد پارامتر کل، ولی فقط ۸ تا ۱۶ میلیارد پارامتر فعال در هر درخواست.
• تو تست‌های واقعی مثل شبیه‌سازی مکعب روبیک، نتیجه ضعیف‌تر از نمره‌ی بنچمارک‌هاش بوده.