# DeepSeek-modeller finns nu i Amazon SageMaker JumpStart

> AWS lägger till tre DeepSeek-språkmodeller med öppna vikter i SageMaker, med alternativ för långa kontexter och låga kostnader för utvecklare.

Oossa · 2026-11-12 · https://oossa.com/sv/deepseek-models-now-on-amazon-sagemaker-jumpstart

Amazon Web Services meddelade att tre DeepSeek-språkmodeller nu finns i SageMaker JumpStart. Modellerna – DeepSeek‑V4‑Pro, DeepSeek‑V4‑Flash och DeepSeek‑V4.1‑Flash – har öppna vikter, vilket innebär att deras kod och vikter är fritt tillgängliga under en MIT-licens. Kunder kan lägga till dem i sina AWS-konton med några klick i konsolen eller via SageMaker Python SDK. Tillkännagivandet gjordes den 12 november 2026.

DeepSeek‑V4‑Pro är den största av de tre modellerna. Den har 1,6 biljoner parametrar i en Mixture‑of‑Experts-arkitektur (MoE), men bara 49 miljarder av dem är aktiva för varje token. Den stöder också ett kontextfönster på 1 miljon token, vilket gör att den kan läsa och resonera kring mycket långa dokument. Det gör den användbar för uppgifter som problemlösning i flera steg, detaljerad rapportgenerering eller andra tillämpningar som kräver maximal språkförmåga.

DeepSeek‑V4‑Flash är ett mindre och billigare alternativ. Med totalt 284 miljarder parametrar, varav 13 miljarder aktiva per token, har den samma kontextfönster på 1 miljon token men kräver betydligt mindre beräkningskraft. AWS riktar in sig på produktionslösningar med höga krav på svarstid och kostnadseffektivitet, till exempel chattbotar och sammanfattningar i realtid.

Den senaste modellen, DeepSeek‑V4.1‑Flash, tillför stöd för flera modaliteter och en ny Causal Encoder‑Decoder-arkitektur. Modellens stomme har 552 miljarder parametrar, men bara 8 miljarder används under den inledande förbearbetningen och 16 miljarder när text genereras. Den kan generera upp till 384 k token och använder Compressed Sparse Attention 2 (CSA2) samt FP4 KV-cachning för att minska minnesanvändningen till ungefär en fjärdedel av V4‑Flash. Tekniken är avsedd för agentbaserade arbetsflöden som kombinerar text och bild, till exempel kodassistenter som också kan läsa skärmbilder.

## Varför lägger AWS till modellerna nu?

AWS utökar sin katalog med grundmodeller för att ge utvecklare fler val mellan rå kapacitet och effektivitet. Genom att erbjuda både en modell i toppklass (V4‑Pro) och två kostnadsfokuserade varianter (V4‑Flash och V4.1‑Flash) kan kunderna välja den balans som passar deras budget och krav på svarstid, utan att lämna AWS-ekosystemet. Licensen med öppna vikter gör det också möjligt för mindre team att finjustera modellerna eller integrera dem i egna, proprietära arbetsflöden.

## Fakta

- DeepSeek‑V4‑Pro har 1,6 biljoner parametrar och aktiverar 49 miljarder per token.
- DeepSeek‑V4‑Flash har 284 miljarder parametrar och aktiverar 13 miljarder per token.
- DeepSeek‑V4.1‑Flash har en stomme med 552 miljarder parametrar; den aktiverar 8 miljarder under förbearbetningen och 16 miljarder under avkodningen.
- Alla tre modeller stöder ett kontextfönster på 1 miljon token; V4.1‑Flash kan generera upp till 384 k token.
- Modellerna ges ut under MIT-licensen och finns tillgängliga via SageMaker JumpStart från och med 2026‑11‑12.

## Varför det spelar roll

Utvecklare kan nu köra storskaliga språkmodeller på AWS utan att bygga egen infrastruktur och välja en version som passar deras kostnads- eller hastighetsbehov. Licensen med öppna vikter innebär också att mindre företag kan anpassa modellerna för nischade tillämpningar, även om de fortfarande behöver AWS-krediter eller ett betalkonto för att driftsätta dem.

## Källor och referenser

1. [DeepSeek-V4-Pro, DeepSeek-V4-Flash, and DeepSeek-V4.1-Flash models now available on Amazon SageMaker JumpStart](https://aws.amazon.com/about-aws/whats-new/2026/01/deepseek-v4-pro-v4-flash-v4.1-flash-on-sagemaker-jumpstart/) – AWS, 2026-11-11

Senast uppdaterad: 2026-11-12