DeepSeek v4.1 Flash लॉन्च कर रहा है, v4 Pro से सस्ता और अधिक सक्षम

Hacker News चर्चा ↗

DeepSeek अपना V4.1 Flash large language model रोल आउट कर रहा है, और शुरुआती users के अनुसार यह तेज़, सस्ता, और मौजूदा V4 Pro से अक्सर अधिक सक्षम है, खासकर coding और agent-style automation tasks के लिए। कंपनी per-token prices भी घटा रही है और अस्थायी रूप से सभी V4 Pro API calls को V4.1 Flash पर Flash rates में route कर रही है; कुछ लोग इसे user-friendly मानते हैं, जबकि अन्य इसे उन production workloads के लिए जोखिमपूर्ण मानते हैं जो stable model behavior पर निर्भर हैं। Commenters पश्चिमी providers की तुलना में मजबूत value पर ज़ोर देते हैं, language-mixing और अत्यधिक लंबे “reasoning” traces जैसी समस्याओं को नोट करते हैं, और यह भी रेखांकित करते हैं कि open weights और self-hosting data privacy तथा model changes से जुड़ी चिंताओं को आंशिक रूप से कम करते हैं.

मॉडल क्षमताएँ और स्थिति

  • V4.1 Flash को मौजूदा V4 Pro से सस्ता और अधिक सक्षम बताया गया है; कुछ लोग इस “Flash, Pro को पीछे छोड़ देता है” पैटर्न को नया सामान्य मान रहे हैं।
  • शुरुआती परीक्षकों का कहना है कि यह GLM 5.3 Flash के बराबर या बेहतर है और कई coding/agent कार्यों के लिए frontier models के करीब है, हालांकि pure reasoning में यह अनिवार्य रूप से शीर्ष-स्तर का नहीं है।
  • Vision support एक preview API model में मौजूद है, और लोग इसे पहले ही kernels refactor करने, code port करने, और अन्य भारी coding tasks के लिए इस्तेमाल कर रहे हैं।

मूल्य निर्धारण और अर्थशास्त्र

  • Flash के लिए official pricing (off-peak) cache hits, cache misses, और output tokens across कम की जा रही है; कुछ भ्रम अलग-अलग providers और पुराने prices की तुलना से पैदा हुआ।
  • Peak hours off-peak के 2× हैं, लेकिन यह पहले से ही सच था; users का कहना है कि यह US labs की तुलना में अभी भी बेहद सस्ता है, जिससे नए automation use cases संभव हो रहे हैं।
  • कई लोगों का तर्क है कि मुख्य बदलाव “Flash, Pro की जगह लेता है” नहीं, बल्कि “Flash कई छोटे, दोहराव वाले कार्यों को automate करने लायक बनाता है।”

Performance, tooling, और local deployment

  • Preview tests में 300–400 tok/s रिपोर्ट किए गए हैं, कभी-कभी उन tools से भी तेज़ जिन्हें यह call कर रहा होता है।
  • Open weights और GGUF quantizations बड़े Flash/vision models को 128 GB RAM पर llama.cpp, dwarfstar, और अन्य runtimes के साथ locally चलाने की अनुमति देते हैं।
  • Flash को व्यापक रूप से अधिक सक्षम planners (जैसे Opus, Sol, GLM Max) के साथ एक “worker” के रूप में इस्तेमाल किया जाता है, खासकर code implementation के लिए।

विश्वसनीयता, reasoning, और ergonomics

  • अनुभव अलग-अलग हैं: कुछ लोगों को V4 Flash coding और agents के लिए बेहद reliable लगता है; दूसरों को infinite loops, hallucinations, invalid tool calls, और pathological “but wait” chains दिखती हैं, खासकर third-party providers या भारी quantization के माध्यम से।
  • Tool-calling robustness अलग-अलग होती है; harness design (retries, forgiving schemas, structured outputs) को critical माना गया है।
  • Reasoning levels (low/high/max) की आलोचना की जाती है: low लगभग off के बराबर है, high ≈ max, जिससे runs धीमे, verbose, और महंगे हो जाते हैं; लोग एक सच्चे “medium” की इच्छा रखते हैं।

भाषा व्यवहार और web UI समस्याएँ

  • Web chat अक्सर अंग्रेज़ी prompt देने पर भी चीनी में जवाब देता है या “सोचता” है, खासकर web search के बाद; “in English” जोड़ने से केवल आंशिक मदद मिलती है।
  • API usage में यह समस्या उतनी अक्सर नहीं दिखती; अटकलों में Chinese system prompts और search results द्वारा language instructions को दबा देना शामिल है।

Production उपयोग, model stability, और routing बदलाव

  • DeepSeek अस्थायी रूप से सभी Pro requests को Flash prices पर V4.1 Flash की ओर route करेगा।
    • समर्थक इसे user-friendly और compute-efficient कहते हैं।
    • आलोचक tuned workflows के टूटने की चिंता करते हैं और explicit, version-pinned models या “Auto” बनाम “exact model” विकल्प चाहते हैं।
  • व्यापक बहस:
    • एक पक्ष: cloud LLMs स्वभावतः non-deterministic हैं, इसलिए exact models pin करना अवास्तविक है; गंभीर users को self-host करना चाहिए।
    • दूसरा पक्ष: nondeterminism के बावजूद models के characteristic “flavors” होते हैं, और बिना घोषणा swaps evals, safety reviews, और monitoring को कमजोर करते हैं।

गोपनीयता, jurisdiction, और data use

  • कुछ लोग Chinese providers को लेकर अब भी सतर्क हैं; अन्य लोग नोट करते हैं कि US/Meta/OpenAI भी data की निगरानी या पुन: उपयोग करते हैं, इसलिए jurisdiction जोखिम को शायद महत्वपूर्ण रूप से न बदले।
  • Open weights users को Chinese servers से बचने देते हैं, हालांकि “zero data retention” नीतियों को उद्योग-भर में संदेह की नज़र से देखा जाता है।
  • एक commenter ने बताया कि official DeepSeek API user data पर train करता है, जिससे sensitive workloads के लिए self-hosting या non-Chinese proxies आकर्षक बनते हैं।