DeepSeek V4.1 Flash Meluncur, AI Baru Lebih Hemat Memori dan Makin Cepat DeepSeek kembali memperbarui lini kecerdasan buatannya dengan merilis DeepSeek V4.1 Flash pada 10 September 2026. Model terbaru dari perusahaan teknologi asal China tersebut membawa perubahan besar pada arsitektur, penggunaan memori, kecepatan pemrosesan, kemampuan agen, hingga pemahaman visual.
DeepSeek menyebut V4.1 Flash sebagai model terkecil dalam keluarga arsitektur barunya. Meski mempunyai total 552 miliar parameter, hanya sebagian kecil parameter yang aktif ketika memproses permintaan. Sistem baru tersebut membuat kebutuhan komputasi dapat ditekan tanpa harus mengurangi kapasitas keseluruhan model.
Peningkatan yang paling menarik berada pada penggunaan KV cache. Dibandingkan generasi sebelumnya, DeepSeek mengklaim V4.1 Flash hanya membutuhkan seperempat kapasitas HBM dan seperdelapan penyimpanan SSD untuk cache. Penghematan tersebut ditujukan terutama bagi penggunaan AI dalam skala besar, termasuk agen pemrograman yang memproses percakapan panjang dan menjalankan banyak alat secara berulang.
DeepSeek V4.1 Flash Resmi Dirilis pada September 2026
Peluncuran DeepSeek V4.1 Flash dilakukan hanya beberapa bulan setelah keluarga DeepSeek V4 diperkenalkan pada April 2026. Saat itu perusahaan membawa V4 Pro dan V4 Flash dengan dukungan panjang masukan hingga satu juta token.
DeepSeek kemudian memperbarui V4 Flash pada Juli dan menghadirkan kemampuan visual eksperimental pada Agustus. V4.1 Flash menjadi langkah berikutnya dengan menggabungkan kemampuan teks, penalaran, agen, pemrograman, dan pemahaman gambar dalam satu model resmi.
Model baru tersebut langsung tersedia melalui DeepSeek API. Pengembang hanya perlu memilih nama model deepseek-flash untuk menggunakan V4.1 Flash.
DeepSeek juga menghentikan V4 Flash dan V4 Flash Vision Exp sebagai model terpisah. Nama API lama untuk sementara diarahkan menuju V4.1 Flash agar aplikasi yang sudah dibangun tidak langsung mengalami gangguan.
Langkah tersebut menunjukkan DeepSeek ingin menyatukan fungsi yang sebelumnya tersebar. Pengembang tidak lagi harus memilih model teks dan model visual eksperimental untuk sejumlah pekerjaan yang berbeda.
Arsitektur Baru Mengaktifkan Parameter Secara Tidak Simetris
DeepSeek V4.1 Flash merupakan model Mixture of Experts atau MoE dengan total 552 miliar parameter. Angka tersebut memang besar, tetapi seluruh parameter tidak bekerja pada waktu bersamaan.
DeepSeek menggunakan arsitektur baru bernama Causal Encoder Decoder. Sistem ini menerapkan jumlah parameter aktif yang berbeda pada proses masukan dan keluaran. Ketika membaca masukan, sekitar 8 miliar parameter aktif. Ketika menghasilkan keluaran, jumlahnya meningkat menjadi sekitar 16 miliar parameter.
Cara kerja tersebut berbeda dari model padat yang mengaktifkan sebagian besar parameternya setiap kali menghasilkan token. Model MoE memilih kelompok parameter tertentu berdasarkan pekerjaan yang sedang dilakukan.
Dengan demikian, model masih mempunyai kapasitas sangat besar untuk menyimpan pola dan kemampuan, tetapi kebutuhan komputasi setiap permintaan dapat ditekan.
Masukan dan Keluaran Memiliki Beban Berbeda
DeepSeek sengaja membuat pemrosesan masukan lebih ringan dibandingkan keluaran. Membaca dokumen panjang mempunyai karakter komputasi berbeda dibandingkan menghasilkan jawaban yang membutuhkan penalaran, pemilihan kata, atau pemanggilan alat.
V4.1 Flash mengaktifkan sekitar 8 miliar parameter ketika membaca masukan. Pada proses pembuatan jawaban, jumlahnya menjadi 16 miliar.
Susunan tersebut memberi perusahaan ruang untuk mengurangi penggunaan perangkat keras ketika menangani dokumen panjang. Hal ini penting pada layanan AI yang menerima percakapan besar, basis kode, dokumen perusahaan, atau riwayat pekerjaan agen.
Menurut penulis, pendekatan tidak simetris menjadi bagian paling menarik dari V4.1 Flash karena DeepSeek tidak hanya mengejar jumlah parameter lebih besar. Perusahaan mencoba menentukan kapan sumber daya komputasi benar benar dibutuhkan.
KV Cache Menjadi Kunci Penghematan Memori
Salah satu persoalan terbesar pada model bahasa modern adalah kebutuhan menyimpan informasi mengenai token yang telah diproses. Sistem tersebut dikenal sebagai Key Value cache atau KV cache.
Ketika model menerima percakapan panjang, model perlu menyimpan representasi tertentu agar tidak menghitung seluruh bagian sebelumnya dari awal setiap kali menghasilkan token berikutnya.
Semakin panjang percakapan, semakin besar cache yang harus disimpan. Pada layanan dengan ribuan atau jutaan pengguna, kebutuhan tersebut dapat menghabiskan memori GPU dalam jumlah sangat besar.
DeepSeek menyatakan V4.1 Flash hanya membutuhkan seperempat HBM untuk KV cache dibandingkan generasi sebelumnya. Kebutuhan SSD juga turun menjadi seperdelapan.
HBM merupakan memori berkecepatan sangat tinggi yang digunakan pada akselerator AI. Kapasitasnya mahal dan menjadi salah satu sumber daya penting dalam pusat data kecerdasan buatan.
SSD digunakan untuk menyimpan cache atau data yang tidak harus selalu berada di HBM. Mengurangi kebutuhan keduanya memungkinkan penyedia layanan menjalankan lebih banyak permintaan pada perangkat keras yang sama.
Cache DeepSeek Disebut Menyusut Ratusan Kali dari Generasi Awal
DeepSeek menyatakan pengembangan sistem cache telah dilakukan selama beberapa generasi model. Dibandingkan model awal perusahaan, ukuran KV cache pada teknologi terbaru telah berkurang sekitar 437 kali.
Angka tersebut tidak berarti seluruh kebutuhan memori model berkurang 437 kali. Klaim itu secara khusus membahas penyimpanan KV cache.
Perbedaan ini penting karena bobot model tetap membutuhkan kapasitas besar. V4.1 Flash mempunyai total 552 miliar parameter sehingga penerapan mandiri tetap membutuhkan infrastruktur kelas pusat data.
DeepSeek bahkan menyebut pengguna yang ingin melakukan pemasangan skala sangat besar dapat menghubungi perusahaan apabila mempunyai sekitar 2.000 GPU beserta klaster penyimpanan. Pernyataan itu memperlihatkan bahwa istilah hemat memori tidak berarti model dapat dengan mudah dijalankan pada komputer rumah.
Penghematan lebih terasa pada biaya operasional per permintaan dan kemampuan pusat data menangani lebih banyak pekerjaan secara bersamaan.
Agen AI Menjadi Sasaran Utama Penghematan
KV cache semakin penting ketika model digunakan sebagai agen. Agen AI tidak hanya menjawab satu pertanyaan, tetapi dapat membaca dokumen, menjalankan perintah, memeriksa hasil, membuka alat, memperbaiki kesalahan, kemudian melakukan pekerjaan lanjutan.
Proses tersebut dapat menghasilkan riwayat masukan yang sangat panjang. Setiap langkah menambah token baru sementara informasi sebelumnya tetap diperlukan.
DeepSeek mengatakan biaya cache hit dapat mengambil porsi cukup besar dari pengeluaran agen. Karena itu, pemangkasan ukuran cache langsung berkaitan dengan biaya layanan.
Pada agen pemrograman, misalnya, model mungkin membaca ribuan baris kode, menjalankan pengujian, melihat pesan kesalahan, memperbaiki beberapa berkas, kemudian menjalankan pengujian kembali.
Tanpa sistem cache yang efisien, seluruh riwayat tersebut membutuhkan memori besar. Efisiensi V4.1 Flash ditujukan agar pekerjaan semacam itu dapat berlangsung dengan biaya lebih rendah.
Kemampuan Pemrograman Naik Cukup Besar
DeepSeek tidak hanya memperbaiki penggunaan memori. Hasil pengujian yang dipublikasikan perusahaan memperlihatkan peningkatan pada sejumlah pengujian pemrograman dan agen.
Pada Terminal Bench 2.1, V4.1 Flash memperoleh skor 90,6. Versi V4 Flash yang diperbarui pada Juli sebelumnya mencatat skor 82,7 pada pengujian yang sama.
Dalam DeepSWE versi 1.1, V4.1 Flash mencatat nilai 74,2. Pada NL2Repo Bench, model memperoleh 65,4, sedangkan CyberGym berada di angka 88,1.
DeepSeek juga mencatat rating Codeforces 3471. Codeforces digunakan sebagai salah satu ukuran kemampuan menyelesaikan persoalan pemrograman kompetitif.
Hasil benchmark sebaiknya tidak diperlakukan sebagai gambaran sempurna terhadap seluruh pekerjaan pengguna. Skor dapat dipengaruhi konfigurasi pengujian, alat yang tersedia, jumlah percobaan, serta cara model diarahkan.
Namun, peningkatan dari model sebelumnya menunjukkan fokus DeepSeek pada pekerjaan agen dan pemrograman belum berubah.
V4.1 Flash Kini Bisa Memahami Gambar Secara Langsung
Kemampuan visual sebelumnya tersedia melalui V4 Flash Vision Exp yang dirilis pada Agustus. Pada V4.1 Flash, kemampuan tersebut menjadi bagian bawaan model.
DeepSeek menyebutnya sebagai native multimodal visual understanding. Model dapat menerima informasi visual bersama teks tanpa harus menggunakan model terpisah.
Fungsi ini memungkinkan model menganalisis tangkapan layar, grafik, diagram, dokumen, antarmuka aplikasi, atau gambar lain yang diberikan pengguna.
Dalam pengujian Chartography menggunakan alat, V4.1 Flash mencatat skor 78,9. Pada BabyVision dengan alat, skornya mencapai 89,6.
Bagi pengembang agen komputer, kemampuan visual mempunyai nilai besar. Model dapat membaca tampilan aplikasi, memahami tombol atau tabel, kemudian menggabungkan pengamatan tersebut dengan tindakan melalui alat.
Model Teks dan Visual Tidak Lagi Dipisahkan
Sebelumnya pengembang dapat menggunakan DeepSeek V4 Flash untuk teks dan V4 Flash Vision Exp untuk pekerjaan gambar. Pembagian seperti ini menambah kerumitan karena aplikasi harus menentukan model mana yang digunakan.
V4.1 Flash menyederhanakan proses tersebut. Satu model dapat menerima teks sekaligus visual.
Model lama V4 Flash Vision Exp sudah dihentikan dan nama API lama sementara diarahkan ke V4.1 Flash.
Penyatuan ini juga memungkinkan percakapan multimodal berlangsung lebih konsisten karena informasi visual dan teks diproses di dalam sistem yang sama.
DeepSeek Klaim V4.1 Flash Mengungguli V4 Pro
Hal yang cukup mengejutkan adalah posisi V4.1 Flash terhadap DeepSeek V4 Pro. Secara penamaan, versi Pro biasanya diasumsikan mempunyai kemampuan lebih tinggi.
Namun, DeepSeek menyatakan pengujian dari sejumlah pihak menunjukkan V4.1 Flash telah mengungguli V4 Pro dalam performa, biaya, kecepatan, serta total waktu pengerjaan.
Perusahaan karena itu mulai menghentikan V4 Pro secara bertahap.
Mulai 14 September 2026 pukul 04.00 UTC, permintaan yang menggunakan deepseek-v4-pro dijadwalkan diarahkan ke V4.1 Flash dan dikenai tarif V4.1 Flash. Pengalihan tersebut berlaku sampai V4.1 Pro diluncurkan.
Keputusan ini menunjukkan V4.1 Flash bukan sekadar versi ekonomis yang mengorbankan kemampuan. DeepSeek justru menggunakannya sebagai model utama sementara menunggu anggota V4.1 dengan kapasitas lebih tinggi.
Menurut penulis, keputusan mengalihkan pengguna V4 Pro ke V4.1 Flash menjadi sinyal kuat bahwa DeepSeek menilai efisiensi arsitektur lebih penting daripada mempertahankan hierarki produk lama.
Harga API Ikut Diturunkan
Penghematan perangkat keras kemudian diterjemahkan ke harga API yang lebih rendah. DeepSeek mengatakan arsitektur baru memungkinkan perusahaan melayani lebih banyak pengguna dengan biaya lebih kecil.
Perusahaan tetap memakai skema harga jam sibuk dan jam sepi. Tarif pada jam sepi ditetapkan 50 persen dari tarif pada jam sibuk. Harga baru mulai berlaku pada 10 September 2026 pukul 04.00 UTC.
Sistem harga berdasarkan waktu dapat menarik bagi perusahaan yang menjalankan pekerjaan tidak mendesak. Pemrosesan dokumen dalam jumlah besar, pembuatan indeks, atau pekerjaan agen yang tidak perlu selesai langsung dapat dijadwalkan ketika biaya lebih rendah.
Untuk aplikasi interaktif, pengguna biasanya tidak dapat memilih waktu karena respons harus diberikan segera. Namun, penghematan arsitektur tetap dapat menekan biaya penyedia layanan secara keseluruhan.
DeepSeek menyebut pengurangan cache menjadi salah satu alasan biaya agen dapat ditekan karena pekerjaan berulang sering menggunakan token yang telah tersimpan.
V4.1 Flash Berbeda Jauh dari V4 Flash Awal
Ketika DeepSeek V4 diperkenalkan pada April 2026, V4 Flash mempunyai total sekitar 284 miliar parameter dengan 13 miliar parameter aktif. Model tersebut diposisikan sebagai pilihan yang lebih cepat dan ekonomis dibandingkan V4 Pro yang mempunyai 1,6 triliun parameter total dan 49 miliar parameter aktif.
V4.1 Flash mempunyai total parameter lebih besar, yakni 552 miliar. Namun, arsitektur tidak simetris membuat parameter aktif saat membaca masukan turun menjadi sekitar 8 miliar.
Artinya, istilah Flash tidak lagi hanya berarti model dengan total parameter kecil. DeepSeek mencoba mengejar efisiensi melalui pemilihan parameter aktif dan cara informasi disimpan.
V4 generasi awal juga memperkenalkan DeepSeek Sparse Attention serta kompresi token untuk menekan kebutuhan komputasi pada masukan panjang. V4.1 Flash melanjutkan pencarian efisiensi tersebut melalui arsitektur berbeda dan cache yang lebih kecil.
Konteks Panjang Tetap Penting untuk DeepSeek
DeepSeek V4 sebelumnya membawa panjang konteks hingga satu juta token pada layanan resmi. Kapasitas tersebut memungkinkan model membaca kumpulan dokumen atau basis kode berukuran sangat besar dalam satu sesi.
Panjang masukan yang besar memiliki konsekuensi langsung terhadap memori. Semakin banyak token yang harus dipertahankan, semakin besar pula data yang perlu disimpan selama inferensi.
Karena itu, pengurangan KV cache pada V4.1 Flash menjadi sangat penting. Keuntungan arsitektur baru akan semakin terlihat ketika pengguna memberi riwayat panjang atau menjalankan agen dalam banyak langkah.
Pada percakapan pendek, perbedaan kebutuhan cache mungkin tidak terlalu terasa bagi pengguna akhir. Pada penggunaan pusat data dengan ribuan sesi panjang, selisih tersebut dapat menghasilkan penghematan perangkat keras yang besar.
Model Masih Membutuhkan Infrastruktur Kelas Berat
Klaim hemat memori tidak boleh disalahartikan sebagai model ringan untuk laptop biasa. Total 552 miliar parameter tetap menempatkan V4.1 Flash dalam kelompok model AI berukuran sangat besar.
Menjalankan bobot model membutuhkan beberapa GPU atau akselerator dengan kapasitas memori tinggi, bergantung pada format numerik, kuantisasi, serta perangkat lunak inferensi yang digunakan.
DeepSeek menyatakan akan bekerja sama dengan komunitas open source untuk memperluas dukungan inferensi dan pilihan penerapan V4.1 Flash.
Model juga disediakan melalui ekosistem open source, tetapi kesiapan perangkat lunak pihak ketiga dapat membutuhkan waktu setelah rilis.
Perusahaan yang tidak mempunyai klaster GPU dapat menggunakan API resmi. Cara tersebut menghilangkan kebutuhan membeli perangkat keras dan mengelola infrastruktur sendiri.
DeepSeek Mendorong Penggunaan pada Agen Pengembang
WorkBuddy, termasuk CodeBuddy, dan OpenCode disebut sebagai mitra resmi yang telah mendukung V4.1 Flash. Pemilihan mitra ini memperlihatkan perhatian besar DeepSeek terhadap agen pengembang perangkat lunak.
Agen pemrograman menjadi salah satu kelompok penggunaan AI yang paling berat karena model harus memahami banyak berkas sekaligus, mempertahankan riwayat pengerjaan, menjalankan perintah, serta memperbaiki kesalahan.
Model yang mampu mempertahankan kualitas dengan cache lebih kecil dapat mengurangi biaya setiap pekerjaan.
Namun, perusahaan tetap perlu melakukan pengujian sendiri sebelum mengganti model yang digunakan pada sistem produksi. Benchmark tinggi belum memastikan model akan unggul pada bahasa pemrograman, basis kode, aturan keamanan, dan jenis pekerjaan tertentu.
Keamanan juga perlu diperhatikan ketika agen mempunyai izin menjalankan perintah. Model yang mampu mengoperasikan terminal harus dibatasi melalui sistem izin agar kesalahan tidak menghapus data, membuka kredensial, atau mengubah layanan produksi tanpa persetujuan.
Persaingan AI Mulai Bergeser ke Efisiensi
Peluncuran V4.1 Flash menunjukkan persaingan model AI tidak lagi hanya membahas siapa mempunyai parameter terbesar. Biaya pemrosesan, kebutuhan memori, kecepatan, kemampuan menggunakan alat, serta efisiensi pada masukan panjang semakin mendapat perhatian.
Reuters melaporkan DeepSeek memperkenalkan V4.1 Flash sebagai anggota terkecil dalam arsitektur barunya dengan sasaran meningkatkan kemampuan, mempercepat inferensi, memperbesar throughput, dan menyediakan dasar yang dapat diperluas ke model lebih besar.
Bagi penyedia AI, setiap pengurangan kebutuhan HBM dapat mempunyai nilai ekonomi besar. GPU dengan memori besar merupakan perangkat mahal, sementara permintaan layanan kecerdasan buatan terus meningkat.
Jika model dapat menangani lebih banyak pengguna menggunakan jumlah perangkat keras yang sama, biaya per permintaan dapat turun. Kapasitas pusat data juga dapat dialokasikan kepada pekerjaan lain.
DeepSeek V4.1 Flash memperlihatkan pendekatan tersebut melalui parameter aktif yang relatif kecil, cache yang lebih ringkas, kemampuan multimodal bawaan, serta peningkatan agen. Setelah model ini resmi tersedia, perhatian berikutnya akan tertuju pada V4.1 Pro dan seberapa jauh arsitektur yang sama dapat diperbesar tanpa kehilangan keuntungan efisiensi yang menjadi kekuatan V4.1 Flash.
