Lancio ufficiale di DeepSeek-V4.1-Flash: API deepseek-flash da $0.15/$0.60 per 1M, contesto da 1M, pesi aperti MIT

Cosa è confermato (entrambe le fonti verificate il 10 set, UTC+8)

• Il rilascio: la voce del changelog di DeepSeek datata 2026-09-10 annuncia il rilascio ufficiale. V4.1-Flash è "il modello più piccolo della nostra nuova famiglia di architetture, con comprensione visiva multimodale nativa"; l'architettura punta a un limite di capacità più elevato, un'inferenza più rapida, un throughput superiore e la scalabilità verso modelli più grandi.
• La model card: il README di Hugging Face ("Pushing the Limits of KV Cache Compression") specifica un MoE multimodale con backbone da 552B — 1 esperto condiviso + 384 instradati, 6 attivati per token — attivando 8B parametri/token in fase di prefill e 16B in decodifica, con un contesto di 1M di token addestrato su 45T di token (sparse attention a 64K, estesa a 1M a 34T).
• Punto chiave dell'architettura: un Causal Encoder-Decoder (CED) — encoder causale a 20 layer + decoder a 20 layer — proietta la cache KV globale del decoder dagli stati finali dell'encoder; il caching KV principale in FP4 porta la cache globale a ~890 byte/token, ≈1/4 di DeepSeek-V4-Flash (≈437× in meno rispetto a V1), mentre lo SWA Bounded Replay riduce la cache persistente a ≈1/8.
• Benchmark principali (ufficiali, massimo sforzo di ragionamento): GPQA Diamond 90.9, Codeforces rating 3471, Terminal-Bench 2.1 90.6, DeepSWE v1.1 74.2, HLE w/ tools 63.9, Agents' Last Exam 31.8. Il livello di ragionamento è regolabile con continuità (1–100). Dati forniti dal vendor — da considerare come tali fino alle verifiche indipendenti di terze parti.
• Nome API e alias: le nuove richieste devono utilizzare deepseek-flash. deepseek-v4-flash e deepseek-v4-flash-vision-exp sono "ancora accettati", ma temporaneamente reindirizzati a V4.1 Flash — i modelli di generazione V4 a cui facevano riferimento sono stati ritirati.
• V4 Pro: annunciato per il routing del 14 set, poi mantenuto. L'annuncio originale del 10 set recitava: "A partire dalle 04:00 UTC del 14 settembre 2026, tutte le richieste a deepseek-v4-pro saranno reindirizzate a V4.1-Flash alle tariffe di V4.1-Flash. Questo proseguirà fino al lancio di V4.1-Pro." Tale transizione è stata ritirata: in base al changelog e alla pagina dei prezzi del 16 set, "In risposta alle richieste degli utenti, abbiamo deciso di continuare a fornire i servizi API per DeepSeek V4 Pro dopo il 14 settembre 2026, con le modalità di fatturazione invariate." V4 Pro mantiene il proprio listino — fuori picco $0.022 cache-hit / $0.66 input con cache-miss / $1.98 output per 1M, picco 2×, concorrenza 500. La pagina ufficiale delle notizie riporta ancora la vecchia frase sul routing; considera il changelog e la pagina dei prezzi come le fonti di riferimento operative.
• I tagli di prezzo sono ufficiali: "Con il rilascio di DeepSeek-V4.1-Flash, i prezzi delle API sono stati ridotti di conseguenza." Il listino verificato: fuori picco $0.15/$0.60 per 1M (input cache-miss / output), $0.003 input con cache-hit, picco = 2× durante le fasce 01:00–04:00 & 06:00–10:00 UTC lun–ven (09:00–12:00 & 14:00–18:00 Pechino). Concorrenza 2,500 contro i 500 di V4 Pro. Chi ama gli sconti fuori picco conosce già lo schema da la variazione dei prezzi fuori picco nel fine settimana — questo rende di nuovo il fuori picco la scelta predefinita.
• Pesi aperti, MIT: il repository HF distribuisce i pesi con licenza MIT, un report tecnico in PDF, un riferimento autonomo per la codifica dei prompt (senza template di chat Jinja) e istruzioni per l'inferenza locale — la stessa impostazione a pesi aperti del rilascio MIT senza vincoli di Vision-Exp, ora sul modello multimodale principale.

Cosa non è stato rilasciato — e cosa monitorare

• Ancora nessun V4.1 Pro. Al 10 set (UTC+8), il changelog menziona V4.1 Pro solo come release futura a conclusione della transizione di routing di V4 Pro. Nessuna data, nessun benchmark. È atteso un evento a parte — la nuova famiglia è concepita per "scalare verso modelli più grandi".
• I nomi alias sono temporanei. Se utilizzi ancora deepseek-v4-flash o deepseek-v4-flash-vision-exp, stai già ottenendo V4.1 Flash alle tariffe di Flash — ma i documenti indicano che il routing è temporaneo. Passa subito a deepseek-flash per evitare future interruzioni.
• Passaggio forzato di V4 Pro ritirato. deepseek-v4-pro continua a essere servito e fatturato come V4 Pro — nessun cambio forzato di comportamento; la frase sul routing ancora visibile sulla pagina ufficiale delle notizie è obsoleta. Monitora l'annuncio del lancio di V4.1 Pro e la promessa di DeepSeek di un ulteriore preavviso in caso di modifiche.
• In attesa di analisi di terze parti. In base alla policy di lancio di questo sito citiamo solo fonti ufficiali di prima parte per i dati del rilascio; le verifiche indipendenti dei benchmark e le analisi estere/su X arrivano in genere 24–48 ore dopo un lancio di DeepSeek e non sono ancora riflesse qui.

Perché il dato sulla cache KV è fondamentale per gli sviluppatori

• Gli agent a contesto lungo costano meno dove fa più male: l'input. 890 byte/token di KV globale (rispetto a ~3.5KB su V4-Flash) significa che i contesti da milioni di token non sono più una bomba per la memoria. Con 8B parametri attivi al prefill, i carichi di lavoro ad alto volume di input — RAG su interi repository, traiettorie lunghe di agent, pipeline di documenti — rappresentano esattamente il profilo ottimizzato da questo modello.
• Il listino premia la disciplina nella gestione della cache. L'input con cache-hit a $0.003 (fuori picco) costa 50 volte meno rispetto a una chiamata di input con cache-miss. Con il caching implicito dell'API di DeepSeek, i prefissi stabili (prompt di sistema, schemi di tool, documenti lunghi) diventano quasi gratuiti da riutilizzare.
• Concorrenza 2,500. Quattro volte il limite di 500 di V4 Pro — un segnale chiaro sul margine di throughput della nuova architettura. I dettagli sui rate limit si trovano nella pagina ufficiale Rate Limit & Isolation.
• Self-hosting vs API: i pesi MIT offrono una reale garanzia di tutela, ma un modello con backbone da 552B (anche a 8B/16B attivi) richiede cluster GPU multi-nodo. La maggior parte degli sviluppatori dovrebbe utilizzare l'API e conservare i pesi come riserva — il calcolo DeepSeek-V4-Pro per sviluppatori resta valido: V4 Pro rimane servito e tariffato in modo indipendente dopo il ritiro del piano di routing del 14 set.

Accesso dall'esterno della Cina — e il consueto disclaimer

L'endpoint ufficiale (https://api.deepseek.com) fornisce endpoint compatibili con i formati OpenAI e Anthropic, con Responses API, chiamate a tool, output JSON e visione su deepseek-flash. Gli sviluppatori internazionali dovrebbero verificare autonomamente i canali di pagamento e la fatturazione — le opzioni ufficiali di ricarica rimangono orientate alla Cina per alcuni metodi di pagamento.

Dichiarazione di indipendenza: ChinaModelAPI è un sito informativo indipendente, non affiliato a DeepSeek. Tutti i dati e i prezzi contenuti in questo articolo sono stati trascritti dal changelog ufficiale di DeepSeek e dalla model card ufficiale su Hugging Face il 10 set 2026 (UTC+8); questo articolo non costituisce una raccomandazione all'acquisto. Verifica i prezzi sul listino ufficiale prima di sviluppare.

Fonti primarie

• DeepSeek API Docs — Changelog, voce datata 2026-09-10: "DeepSeek-V4.1-Flash Release" (modifiche alle API, routing di V4 Pro, nota sui prezzi)
• Hugging Face — model card deepseek-ai/DeepSeek-V4.1-Flash: architettura, pre-training su 45T di token, valutazioni, licenza MIT (README raw, verificato il 10 set 2026)
• DeepSeek API Docs — Modelli e prezzi: listino di deepseek-flash, definizione delle ore di punta, note su alias e routing (verificato il 10 set 2026)

FAQ (2026)