Fireworks AI presenterade modellen DeepSeek‑V4.1‑Flash förra veckan. I företagets egna jämförelser når modellen samma kodningsprecision som GPT‑6 Astra, men kostar bara ungefär en femtondel per uppgift. Det uppgivna priset är 0,43 dollar för en typisk kodningsuppgift i DeepSWE. Företaget säger att den lägre kostnaden beror på en ny arkitektur som delar upp indata och utdata samt en förbättrad KV-cache som kräver mindre minne.
Så sänker modellen kostnaderna
DeepSeek‑V4.1‑Flash är en mixture-of-experts-modell (MoE) med 552 miljarder parametrar. Den aktiverar 8 miljarder parametrar för indata och 16 miljarder för utdata, vilket passar kodningsagenters tokenmönster: de läser mycket kod men skapar relativt korta kodändringar. I DeepSWE-testet använde modellen 36,9 miljoner indatatoken och 211 tusen utdatatoken – ett förhållande på 174:1. Den nya KV-cachen använder en fjärdedel så mycket minne med hög bandbredd (HBM) och en åttondel så mycket SSD-lagring som den föregående DeepSeek V4. Samtidigt ligger cacheträffarna kvar på 99,6 procent, och andelen av kostnaden som kommer från cacheträffar sjunker till 60 procent.
Styrkor och svagheter
På kodningsinriktade tester (DeepSWE) är modellen i nivå med Astra, Gemini 3.8 Flash och Claude Opus 5 när det gäller kvalitet – samtliga ligger inom 0,7 poäng från pass@1 – men den är betydligt billigare. Den kostar 5,5 gånger mindre än Gemini 3.8 Flash, 15 gånger mindre än Astra och 28 gånger mindre än Opus 5. För en annan typ av arbetsbelastning (Terminal-Bench 2.1) använder modellen fyra gånger fler utdatatoken än Astra, men blir ändå omkring 12 gånger billigare totalt. På ett test av multimodalt resonemang (Humanity’s Last Exam) får modellen däremot 34,52 procent, jämfört med Astras 50,40 procent, vilket tyder på sämre förmåga inom renodlat akademiskt resonemang. En ”oracle-router” som väljer det bästa svaret från båda modellerna skulle slå Astra med 4,4 procentenheter, vilket tyder på att det kan löna sig att kombinera modeller.
Så får du tillgång
Fireworks erbjuder DeepSeek‑V4.1‑Flash via ett serverlöst API och som ett alternativ med dedikerad kapacitet för produktionsarbetslaster. Företaget utlovar snart USA-baserade slutpunkter för reglerade branscher och planerar att erbjuda träningsstöd till tidiga användare.
Varför det spelar roll
För utvecklare som bygger AI-stöd för kodning gör den nya modellen det möjligt att köra kontinuerliga agentarbetsflöden med många iterationer till en låg kostnad. Dyra enstaka anrop kan därmed ersättas av billiga processer som körs i bakgrunden. Team som behöver starkt resonemang inom akademiska ämnen kan fortfarande behöva kombinera modeller, eftersom DeepSeek‑V4.1‑Flash presterar sämre på den typen av uppgifter.
