DeepSeek V4.1-Flash: क्या नया है, कीमतें और विकल्प (2026)
DeepSeek ने 10 सितंबर, 2026 को V4.1-Flash जारी किया। यह एक 552B-पैरामीटर वाला Mixture-of-Experts मॉडल है जो इमेज और टेक्स्ट को मूल रूप से पढ़ता है, एक मिलियन टोकन तक के संदर्भ (context) को संभालता है, और MIT लाइसेंस के तहत उपलब्ध है। सबसे मुख्य बदलाव इसकी लागत है: यह मॉडल इनपुट पर 8B पैरामीटर और आउटपुट पर 16B पैरामीटर सक्रिय करता है।
वह आखिरी वाक्य संक्षेप में पूरी कहानी बयां करता है। यह गाइड इसका विश्लेषण करती है और प्रकाशित API कीमतों की जानकारी देती है। यह यह भी बताती है कि यदि आपका काम किसी रिपोर्ट, डेक या टेबल के रूप में समाप्त होता है, तो इस रिलीज़ से क्या बदलता है और क्या नहीं।
नीचे दिए गए सभी तथ्य DeepSeek के अपने रिलीज़ नोट, इसके Hugging Face मॉडल कार्ड और इसके प्रकाशित मूल्य निर्धारण (pricing) पेज से लिए गए हैं, जिनकी जांच 14 सितंबर, 2026 को की गई थी।
DeepSeek V4.1-Flash में नया क्या है
DeepSeek का रिलीज़ नोट चार दावों के साथ शुरू होता है। मॉडल "अधिक स्मार्ट, तेज़ और अधिक कुशल" है। यह "मूल विज़ुअल समझ (native visual understanding) के साथ हमारे नए आर्किटेक्चर परिवार का सबसे छोटा मॉडल है।" इसे "अधिक क्षमता, तेज़ इन्फरेंस (inference) और उच्च थ्रूपुट (throughput)" के लिए डिज़ाइन किया गया है। और यह बाद में बड़े मॉडलों तक स्केल करता है।
मॉडल कार्ड अधिक विशिष्ट है। DeepSeek-V4.1-Flash को "552B बैकबोन पैरामीटर और एक मिलियन टोकन तक के संदर्भों (contexts) के समर्थन के साथ एक मल्टीमॉडल Mixture-of-Experts (MoE) मॉडल" के रूप में वर्णित किया गया है। यह "मूल रूप से इमेज और टेक्स्ट को प्रोसेस करता है, और ऑटोरिग्रेसिव रूप से (autoregressively) टेक्स्ट जेनरेट करता है।"
बेंचमार्किंग के बजाय रोज़मर्रा के काम के लिए तीन बदलाव मायने रखते हैं।
विज़न इसमें इन-बिल्ट है, अलग से जोड़ा नहीं गया है। एक विज़न एनकोडर और एक टू-लेयर प्रोजेक्टर इमेज को एम्बेडिंग में बदलते हैं। इन्हें "लैंग्वेज-मॉडल प्री-ट्रेनिंग की शुरुआत से ही टेक्स्ट एम्बेडिंग के साथ संयुक्त रूप से प्रोसेस किया जाता है।" मॉडल कार्ड के अनुसार DeepSeek-ViT एनकोडर को बिल्कुल शुरुआत (scratch) से ट्रेन किया गया है।
संदर्भ (Context) एक मिलियन टोकन तक पहुँचता है। प्री-ट्रेनिंग में 45T टोकन का उपयोग किया गया था, जिसमें स्पार्स अटेंशन (sparse attention) को 64K पर ट्रेन किया गया था और बाद में रन के दौरान संदर्भ को 1M तक बढ़ाया गया था।
रीज़निंग प्रयास (Reasoning effort) एक डायल की तरह है। यह मॉडल "एक निरंतर नियंत्रणीय रीज़निंग प्रयास सेटिंग (पूर्णांक 1-100) का समर्थन करता है जो सटीकता के लिए इन्फरेंस लागत (inference cost) का सौदा करती है।" आप केवल उन्हीं सवालों पर अधिक खर्च करते हैं जिन्हें इसकी आवश्यकता होती है।
DeepSeek ने पिछली पीढ़ी को भी रिटायर कर दिया है। रिलीज़ नोट में कहा गया है कि "V4-Flash & V4-Flash-Vision-Exp को रिटायर कर दिया गया है," और अनुकूलता (compatibility) के लिए पुराने मॉडल के नाम अस्थायी रूप से V4.1-Flash पर रीडायरेक्ट होते हैं।
लागत में गिरावट के पीछे आर्किटेक्चर में बदलाव
DeepSeek V4.1-Flash रिलीज़ का दिलचस्प हिस्सा बेंचमार्क टेबल नहीं है। यह मेमोरी का गणित (memory arithmetic) है।
DeepSeek-V4.1-Flash उस आर्किटेक्चर का उपयोग करता है जिसे मॉडल कार्ड Causal Encoder-Decoder (CED) आर्किटेक्चर कहता है। यह एक 40-लेयर वाला Transformer है जो 20-लेयर वाले कॉज़ल एनकोडर और 20-लेयर वाले डिकोडर में विभाजित है। डिकोडर का ग्लोबल KV कैश (cache) प्रत्येक लेयर के आधार पर बनने के बजाय एनकोडर के अंतिम हिडन स्टेट्स (hidden states) से प्रोजेक्ट किया जाता है।
इसका व्यावहारिक परिणाम वह संख्या है जो हर जगह उद्धृत की जा रही है: प्रीफिल (prefill) के दौरान प्रति टोकन 8B पैरामीटर सक्रिय होते हैं, और डिकोड (decode) के दौरान 16B। मॉडल कार्ड इसे "इनपुट-भारी एजेंटिक वर्कलोड (agentic workloads) के लिए लागत दक्षता में काफी सुधार करने वाला" बताता है।
इनपुट-भारी (Input-heavy) वह वाक्यांश है जिस पर ध्यान दिया जाना चाहिए। लंबे दस्तावेज़ इनपुट-भारी होते हैं। ऐसा ही एक चैट भी है जहाँ आप चालीस पेज अटैच करते हैं और फिर उनके बारे में छह सवाल पूछते हैं।
दो अन्य तकनीकें कैश (cache) के आकार को और छोटा करती हैं। Compressed Sparse Attention 2 प्रत्येक अटेंशन लेयर को तीन मोड में से एक असाइन करता है और लेयर्स के बीच इंडेक्स साझा करता है। FP4 मुख्य KV कैशिंग कैश को चार-बिट प्रारूप (four-bit format) में स्टोर करती है। कुल मिलाकर, मॉडल कार्ड ग्लोबल KV कैश को 890 बाइट्स प्रति टोकन पर रखता है, जो पिछली पीढ़ी का लगभग एक चौथाई है।
रिलीज़ नोट इसे उस मीट्रिक में बदलता है जिसे एक खरीदार वास्तव में महसूस करता है। पिछली पीढ़ी की तुलना में, कैश को "1/4 HBM" और "1/8 SSD स्टोरेज" की आवश्यकता होती है। इसमें आगे कहा गया है कि "कैश-हिट (cache-hit) शुल्क अक्सर एजेंट लागतों का एक बड़ा हिस्सा होते हैं।"
DeepSeek V4.1-Flash की कीमतें
DeepSeek प्रति-मिलियन-टोकन कीमतें प्रकाशित करता है और उन्हें पीक (peak) और ऑफ-पीक (off-peak) घंटों में विभाजित करता है। नीचे दिए गए मूल्य 14 सितंबर, 2026 को आधिकारिक Models & Pricing पेज से अमेरिकी डॉलर में लिए गए हैं।
| मीटर (Meter) | ऑफ-पीक (Off-peak) | पीक (Peak) |
|---|---|---|
| 1M इनपुट टोकन (कैश हिट) | $0.003 | $0.006 |
| 1M इनपुट टोकन (कैश मिस) | $0.15 | $0.3 |
| 1M आउटपुट टोकन | $0.6 | $1.2 |
पेज पर कहा गया है कि "ऑफ-पीक दरें पीक दरों की आधी हैं" और पीक घंटों को सोमवार से शुक्रवार तक 01:00-04:00 और 06:00-10:00 UTC के रूप में परिभाषित किया गया है। बाकी सब कुछ ऑफ-पीक है।
तालिका के साथ दो परिचालन विवरण (operational details) भी दिए गए हैं। उपयोग किया जाने वाला मॉडल नाम deepseek-flash है। संदर्भ की लंबाई (Context length) 1M है जिसमें अधिकतम आउटपुट 384K है, और सूचीबद्ध समवर्ती सीमा (concurrency limit) 2,500 है।
इसी पेज पर यह भी उल्लेख है कि V4-Pro उपलब्ध रहेगा। DeepSeek लिखता है कि उसने "14 सितंबर, 2026 के बाद भी DeepSeek V4 Pro के लिए API सेवाएं प्रदान करना जारी रखने का निर्णय लिया है।" बिलिंग पद्धति के अपरिवर्तित रहने की बात कही गई है।
बेंचमार्क क्या कवर करते हैं, और क्या नहीं
मॉडल कार्ड की इंस्ट्रक्ट-मॉडल (instruct-model) तालिकाएं कोड और एजेंट के काम की ओर झुकी हुई हैं। Terminal-Bench, DeepSWE, NL2Repo-Bench और Codeforces अधिकांश पंक्तियों (rows) को कवर करते हैं। यह दर्शाता है कि DeepSeek का लक्ष्य कहाँ है।
यदि आपका आउटपुट एक दस्तावेज़ है, तो चार पंक्तियाँ अधिक प्रासंगिक हैं।
| बेंचमार्क (Benchmark) | DeepSeek-V4.1-Flash-Base |
|---|---|
| DocVQA (LLM-Judge) | 95.6 |
| CVBench (EM) | 77.9 |
| RefCOCO-avg (Acc@0.5) | 86.0 |
| MMMU-Pro (EM) | 56.5 |
DocVQA दस्तावेज़ छवियों (document images) पर प्रश्नोत्तर को मापता है। यह स्कैन किए गए इनवॉइस, लीज या PDF रिपोर्ट को पढ़ने के लिए सबसे करीबी प्रकाशित प्रॉक्सी है। बेस मॉडल वहां 95.6 स्कोर करता है।
इंस्ट्रक्ट (instruct) पक्ष पर, टूल के साथ Chartography 78.9 पर और टूल के साथ BabyVision 89.6 पर आता है। दोनों बाहरी हार्नेस (external harness) के माध्यम से चलाए जाने वाले विज़ुअल एजेंट बेंचमार्क हैं।
इन्हें दिशात्मक (directional) के रूप में पढ़ें। मॉडल कार्ड में कहा गया है कि सभी एजेंटिक मूल्यांकन (agentic evaluations) temperature=1.0, top_p=0.95 का उपयोग करते हैं, और विज़ुअल एजेंट बेंचमार्क 512k-टोकन संदर्भ विंडो (context window) का उपयोग करते हैं। आपका सेटअप अलग होगा।
दस्तावेज़-से-डिलिवरेबल (document-to-deliverable) कार्य के लिए इससे क्या बदलता है
एक सस्ता इनपुट टोकन यह बदल देता है कि कौन से वर्कफ़्लो को स्वचालित (automate) करना भी फायदेमंद है।
PDF के रूप में आपूर्तिकर्ता (supplier) के एक महीने के इनवॉइस पर विचार करें। पुराने गणित के तहत आप एक बार डेटा निकालते, एक सारांश (summary) स्टोर करते, और सारांश से काम करते थे। डेटा निकालना एक महंगा कदम था, इसलिए आप इसे जितना हो सके कम से कम करते थे।
कैश मिस होने पर इनपुट की कीमत $0.15 प्रति मिलियन टोकन है। कैश हिट होने पर इसकी लागत एक सेंट का एक छोटा हिस्सा होती है। इन दरों पर, स्रोत (source) को दोबारा पढ़ना लागत बढ़ाने वाला मुख्य कारण नहीं रह जाता है। आप अपने खुद के नोट्स के बजाय मूल पेजों से दूसरा सवाल पूछ सकते हैं।
यह केवल बजट के लिए ही नहीं, बल्कि सटीकता के लिए भी मायने रखता है। एक सारांश पेज नंबर खो देता है। मूल दस्तावेज़ नहीं खोता।
1M संदर्भ (context) का भी ऐसा ही प्रभाव पड़ता है। एक तिमाही के वर्क ऑर्डर, एक पूरी लीज फ़ाइल, या एक साल के शिफ्ट लॉग एक ही विंडो में आ सकते हैं। अब आपको यह चुनने की ज़रूरत नहीं है कि किन दस दस्तावेज़ों को शामिल किया जाए।
मूल विज़न (Native vision) आखिरी अंतर को पाटता है। स्लाइड में पेस्ट किया गया चार्ट, फोटो खींची गई मीटर रीडिंग, और स्कैन किया गया डिलीवरी नोट, ये सभी दोबारा टाइप करने वाली चीज़ के बजाय पढ़ने योग्य इनपुट बन जाते हैं।
जहाँ एक सस्ता मॉडल मदद करना बंद कर देता है
DeepSeek V4.1-Flash एक लेयर है। डिलिवरेबल (deliverable) दूसरी लेयर है।
DeepSeek के पेज एक API और एक चैट उत्पाद का वर्णन करते हैं। वे कीमतें, संदर्भ सीमाएं, बेंचमार्क और एक मॉडल नाम निर्धारित करते हैं। वे जिस चीज़ का वर्णन नहीं करते हैं वह एक ऐसा वर्कस्पेस है जो सत्रों (sessions) के बीच आपकी फ़ाइलों, आपकी पिछली विश्लेषण और आपके आउटपुट स्वरूपों (formats) को एक साथ रखता है।
यह श्रम का सामान्य विभाजन (division of labour) है, कोई कमी नहीं। एक API को एक घटक (component) माना जाता है।
इसका व्यावहारिक परिणाम यह है कि आखिरी मील (last mile) का काम आपका ही रहता है। किसी को अभी भी उत्तर को एक फॉर्मेटेड टेबल, स्लाइड या दस्तावेज़ में डालना होगा जिसे कोई सहकर्मी खोल सके। किसी को अभी भी किसी आंकड़े की ओर इशारा करने और यह बताने में सक्षम होना होगा कि यह किस पेज से आया है।
Powerdrill Bloom उसी लेयर पर काम करता है। इसका होमपेज "AI डेटा विश्लेषक जो अपना काम दिखाता है" के रूप में इसका वर्णन करता है। इसमें आगे कहा गया है कि "हर संख्या अपने पीछे के पेज, रो (row) और आंकड़े के साथ वापस आती है।" आप फ़ाइलें अपलोड करते हैं, प्राकृतिक भाषा (natural language) में पूछते हैं, और परिणाम (artifact) प्राप्त करते हैं।
दोनों लेयर्स प्रतिस्पर्धा करने के बजाय एक-दूसरे की पूरक हैं। एक सस्ता, लंबे संदर्भ वाला, विज़न-सक्षम मॉडल पढ़ने के चरण को सस्ता बनाता है। एक वर्कस्पेस यह तय करता है कि जो पढ़ा गया है उसका क्या करना है।
जानने योग्य विकल्प
यदि आप अन्य विकल्पों के मुकाबले V4.1-Flash का मूल्यांकन कर रहे हैं, तो तीन तुलनाएं सबसे अधिक सामने आती हैं।
DeepSeek V4-Pro के खिलाफ। रिलीज़ नोट में कहा गया है कि "कई पक्षों द्वारा किए गए परीक्षणों में V4.1-Flash को प्रदर्शन, लागत, गति और कुल रनटाइम पर V4-Pro से आगे रखा गया है।" इसमें आगे कहा गया है कि DeepSeek "V4-Pro को चरणबद्ध तरीके से समाप्त (phasing out) कर रहा है।" मूल्य निर्धारण पेज अभी भी ऑफ-पीक पर कैश मिस होने पर V4-Pro को $0.66 प्रति मिलियन इनपुट टोकन पर सूचीबद्ध करता है, जबकि Flash के लिए यह $0.15 है। V4-Pro उस पेज पर विज़न सपोर्ट को सूचीबद्ध नहीं करता है।
बंद फ्रंटियर मॉडलों (closed frontier models) के खिलाफ। मॉडल कार्ड की तुलना तालिका में Opus-5.0 और GPT-5.6 Sol शामिल हैं। Flash कई एजेंटिक पंक्तियों में आगे है, जिसमें 90.6 पर Terminal-Bench 2.1 और 54.8 पर AutomationBench शामिल हैं। इट Terminal-Bench 3.0 और 4.0 पर पीछे है। वेंडर द्वारा संचालित तालिकाओं को वेंडर द्वारा संचालित तालिकाओं के रूप में ही देखें।
मॉडल के बजाय वर्कस्पेस के खिलाफ। यदि आपको वास्तव में अपनी मौजूदा फ़ाइलों से एक तैयार रिपोर्ट की आवश्यकता है, तो तुलना मॉडल-टू-मॉडल नहीं है। हमारा DeepSeek alternatives roundup उस रूपरेखा को कवर करता है, और AI data agent explainer इस श्रेणी को परिभाषित करता है।
DeepSeek V4.1-Flash तक कैसे पहुँचें
DeepSeek के अपने पेजों पर तीन रास्ते प्रलेखित (documented) हैं।
पहला रास्ता API है। OpenAI-संगत प्रारूप के लिए अपने क्लाइंट को https://api.deepseek.com पर, या Anthropic प्रारूप के लिए https://api.deepseek.com/anthropic पर निर्देशित करें, और मॉडल को deepseek-flash पर सेट करें। मूल्य निर्धारण पेज JSON आउटपुट, टूल कॉल, Responses API और विज़न को समर्थित के रूप में सूचीबद्ध करता है।
दूसरा चैट उत्पाद है, chat.deepseek.com पर, जिसे मॉडल कार्ड सीधे लिंक करता है।
तीसरा रास्ता वेट्स (weights) का है। मॉडल को MIT लाइसेंस के तहत Hugging Face पर प्रकाशित किया गया है, जिसके साथ एक तकनीकी रिपोर्ट भी है। यदि आपको इसे अपने नेटवर्क के भीतर चाहिए, तो यह वही रास्ता है।
तीसरे रास्ते के लिए एक नोट। मॉडल कार्ड में कहा गया है कि "इस रिलीज़ में Jinja-प्रारूप चैट टेम्पलेट शामिल नहीं है," इसलिए यदि आप स्वयं होस्ट (self-host) करते हैं तो प्रॉम्प्ट एन्कोडिंग पर ध्यान देने की आवश्यकता है।
FAQs
DeepSeek V4.1-Flash क्या है? यह DeepSeek द्वारा 10 सितंबर, 2026 को जारी किया गया एक मल्टीमॉडल Mixture-of-Experts मॉडल है। मॉडल कार्ड में 552B बैकबोन पैरामीटर, मूल इमेज और टेक्स्ट प्रोसेसिंग, और एक मिलियन टोकन तक के संदर्भों के लिए समर्थन सूचीबद्ध है। इसे MIT लाइसेंस के तहत प्रकाशित किया गया है।
DeepSeek V4.1-Flash की लागत कितनी है? आधिकारिक मूल्य निर्धारण पेज ऑफ-पीक दरों पर कैश मिस होने पर $0.15 प्रति मिलियन इनपुट टोकन और पीक पर $0.3 सूचीबद्ध करता है। आउटपुट ऑफ-पीक पर $0.6 और पीक पर $1.2 है। कैश-हिट इनपुट ऑफ-पीक पर $0.003 है।
क्या DeepSeek V4.1-Flash इमेज का समर्थन करता है? हाँ। मॉडल कार्ड में बिल्कुल शुरुआत से प्रशिक्षित एक विज़न एनकोडर का वर्णन किया गया है, जिसमें विज़ुअल एम्बेडिंग्स को प्री-ट्रेनिंग की शुरुआत से ही टेक्स्ट के साथ संयुक्त रूप से प्रोसेस किया जाता है। मूल्य निर्धारण पेज deepseek-flash के लिए विज़न को समर्थित के रूप में चिह्नित करता है।
DeepSeek V4-Flash का क्या हुआ? रिलीज़ नोट में कहा गया है कि V4-Flash और V4-Flash-Vision-Exp को रिटायर कर दिया गया है। पुराने मॉडल के नाम अभी भी स्वीकार किए जाते हैं और V4.1-Flash पर रीडायरेक्ट होते हैं, जिसका बिल Flash की कीमत पर लिया जाता है।
क्या DeepSeek V4.1-Flash रिपोर्ट और स्लाइड बनाने के लिए अच्छा है? यह मॉडल पढ़ने के चरण को संभालता है, और 95.6 पर DocVQA मजबूत दस्तावेज़ समझ का सुझाव देता है। इसे एक फॉर्मेटेड डिलिवरेबल में बदलना एक अलग लेयर है, जो कि एक AI वर्कस्पेस प्रदान करता है।
Conclusion
DeepSeek V4.1-Flash एक दक्षता (efficiency) रिलीज़ है जो क्षमता (capability) रिलीज़ के रूप में सामने आई है। आर्किटेक्चर का काम KV कैश पर केंद्रित था, और इसका लाभ लंबे इनपुट पर मिलता है।
उन सभी के लिए जिनका डेटा दस्तावेज़ों के रूप में आता है, यह एक उपयोगी दिशा है। सौ पेजों को दो बार पढ़ना अब कोई बड़ा निर्णय लेने के बजाय एक मामूली बात (rounding error) है।
मॉडल अभी भी आपको टेक्स्ट ही सौंपता है। यदि आपका सप्ताह किसी ऐसी तालिका के साथ समाप्त होता है जिस पर कोई हस्ताक्षर करता है, तो मॉडल के बाद का चरण वह है जिसमें आपका समय खर्च होता है। Try Powerdrill Bloom free और उन दस्तावेज़ों को अपलोड करें जिन्हें आप हाथ से सारांशित करने जा रहे थे।
स्रोत (14-09-2026 तक): DeepSeek-V4.1-Flash रिलीज़ नोट · DeepSeek-V4.1-Flash मॉडल कार्ड · DeepSeek Models & Pricing। कीमतें और उपलब्धता बदलती रहती हैं; बजट बनाने से पहले आधिकारिक पेजों की जांच करें।