La scorsa settimana Fireworks AI ha annunciato il modello DeepSeek‑V4.1‑Flash. Nei benchmark interni, il modello raggiunge la stessa accuratezza nel coding di GPT‑6 Astra, ma costa circa un quindicesimo per attività. Il prezzo indicato è di $0.43 per una tipica attività di coding nel test DeepSWE. Secondo l’azienda, il risparmio è dovuto a una nuova architettura che separa input e output e a una cache KV migliorata, che richiede meno memoria.
Come fa a costare meno
DeepSeek‑V4.1‑Flash è un modello mixture-of-experts (MoE) da 552 miliardi di parametri. Ne attiva 8 miliardi per l’input e 16 miliardi per l’output, in linea con il profilo dei token degli agenti di coding, che leggono molto codice ma generano patch relativamente brevi. Nel test DeepSWE il modello ha elaborato 36.9 milioni di token in input e 211 mila in output, con un rapporto di 174:1. Rispetto al precedente DeepSeek V4, la nuova cache KV usa un quarto della memoria ad alta larghezza di banda (HBM) e un ottavo dello spazio di archiviazione SSD; il tasso di cache hit resta al 99.6% e la quota della fattura dovuta ai cache hit scende al 60%.
Dove eccelle e dove è meno forte
Nei benchmark incentrati sul coding (DeepSWE), il modello è alla pari con Astra, Gemini 3.8 Flash e Claude Opus 5 per qualità: i risultati di pass@1 differiscono al massimo di 0.7 punti. Il costo, però, è molto inferiore: 5.5 volte meno di Gemini 3.8 Flash, 15 volte meno di Astra e 28 volte meno di Opus 5. In un altro tipo di test (Terminal‑Bench 2.1), il modello usa quattro volte più token in output di Astra, ma alla fine costa comunque circa 12 volte meno. Nel benchmark di ragionamento multimodale Humanity’s Last Exam, invece, ottiene 34.52% contro il 50.40% di Astra, segnalando prestazioni più deboli nel ragionamento accademico puro. Un “router oracolo” che seleziona la risposta migliore tra quelle dei due modelli supererebbe Astra da sola di 4.4 punti percentuali, suggerendo che potrebbe convenire combinarli.
Come accedervi
Fireworks offre DeepSeek‑V4.1‑Flash tramite un’API serverless e un’opzione con capacità dedicata per i carichi di lavoro in produzione. L’azienda promette a breve endpoint ospitati negli Stati Uniti per i settori regolamentati e sta pianificando il supporto alla formazione per i primi adottanti.
Perché conta
Per gli sviluppatori che creano strumenti di coding assistito dall’IA, il nuovo modello rende accessibili flussi di lavoro con agenti continui e molte iterazioni: chiamate occasionali costose possono diventare processi in background economici. I team che hanno bisogno di solide capacità di ragionamento in ambito accademico potrebbero comunque dover combinare più modelli, perché DeepSeek‑V4.1‑Flash è meno efficace in questo tipo di attività.
