DeepSeek V4.1 Flash (Non-Reasoning) está entre los modelos líderes en inteligencia y tiene un precio razonable en comparación con otros modelos sin razonamiento, de pesos abiertos y tamaño similar. También es notablemente rápido; sin embargo, es muy verboso. El modelo admite entrada de texto e imágenes, genera texto y tiene una ventana de contexto de 1M tokens.

DeepSeek V4.1 Flash (Non-Reasoning) obtiene 25 puntos en el Índice de Inteligencia de Artificial Analysis, lo que lo sitúa muy por encima del promedio entre modelos comparables (con una mediana de 12). Al evaluar el Índice de Inteligencia, generó 45M tokens, lo que es muy verboso frente a la mediana de 6.8M.

El precio de DeepSeek V4.1 Flash (Non-Reasoning) es de $0.30 por 1 M de tokens de entrada (moderado; mediana: $0.30) y $1.20 por 1 M de tokens de salida (algo elevado; mediana: $0.92). En promedio, evaluar DeepSeek V4.1 Flash (Non-Reasoning) en el Índice de Inteligencia cuesta $0.15 por tarea.

Con 296 tokens por segundo, DeepSeek V4.1 Flash (Non-Reasoning) es notablemente rápido (58).

Razonamiento	No Esta página muestra la versión sin razonamiento de este modelo. También puede existir una variante con razonamiento.
Modalidad de entrada	Admite: texto e imágenes
Modalidad de salida	Admite: texto
Ventana de contexto	1M ~1500 páginas A4 con fuente Arial de 12 puntos
Parámetros totales	552B
Parámetros activos	16B Número de parámetros activos por token durante la inferencia
Licencia	MIT
Pesos del modelo	Hugging Face

Las métricas se comparan con modelos de la misma clase:

Modelos sin razonamiento → se comparan solo con otros modelos sin razonamiento
Modelos de razonamiento → se comparan tanto con modelos de razonamiento como sin razonamiento
Modelos de pesos abiertos → se comparan solo con otros modelos de pesos abiertos de la misma categoría de tamaño:

Muy pequeño: ≤4B parámetros
Pequeño: 4B–40B parámetros
Mediano: 40B–150B parámetros
Grande: >150B parámetros

Modelos propietarios → se comparan con modelos propietarios y de pesos abiertos del mismo rango de precio mediante una proporción combinada de precios de entrada/salida de 3:1:

<$0.15 por 1 M de tokens
$0.15–$1 por 1 M de tokens
>$1 por 1 M de tokens

Aspectos destacados

Updated

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

Velocidad

Output tokens per second · Higher is better

Costo por tarea

Weighted average cost (USD) per Intelligence Index task · Lower is better

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Índices de capacidades

Miden el rendimiento de modelos en capacidades e industrias específicas

Artificial Analysis Finance & Accounting Index

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better

Benchmarks

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

AutomationBench-AAUpdated

Agentic SaaS workflows

Terminal-Bench 4.0New

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdfNew

Professional document reasoning, All-pass

CritPtUnder review

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

𝜏³-Banking

Agentic tool use

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

MLCR-AANew

Medical long context reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Briefcase v1.1Updated

AA-Briefcase Elo

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better

AA-Briefcase Elo is a combined metric that aggregates analytical quality Elo, presentation Elo, and rubric pass rate, with rubric performance converted into Elo via synthetic head-to-head matches. Elo and 95% confidence interval bounds are clamped at 0.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

Índice de apertura

Artificial Analysis Openness Index: Score

Openness Index assesses model openness on a 0 to 100 normalized scale (higher is more open)

Comparaciones del Índice de Inteligencia

Intelligence Index vs. Cost per Intelligence Index Task

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Uso de tokens

Output Tokens per Intelligence Index Task

Weighted average number of output tokens used to run one task in the Artificial Analysis Intelligence Index

The number of tokens required per Intelligence Index task. This is calculated by multiplying the output tokens per eval by the relative weights of each benchmark in the Intelligence Index, then dividing by task count (excluding repeats).

Costo

Cost per Intelligence Index Task

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Cost to Run Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Ventana de contexto

Context Window

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Velocidad

Medida por la velocidad de salida (tokens por segundo)

Output Speed

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Time per Intelligence Index Task

Weighted average decode time (minutes) per task; excludes TTFT and overhead time · Lower is better

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

Latencia

Medida por el tiempo (segundos) hasta el primer token

Latency: Time To First Answer Token

Seconds to first answer token received · Accounts for reasoning model 'thinking' time

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Tiempo de respuesta de extremo a extremo

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

End-to-End Response Time

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better

Seconds to receive a 500 token response. Key components:

Input time: Time to receive the first response token
Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
Answer time: Time to generate 500 output tokens, based on output speed

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Tamaño del modelo (solo modelos de pesos abiertos)

Model Size: Total and Active Parameters

Comparison between total model parameters and parameters active during inference

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Preguntas frecuentes

Preguntas comunes sobre DeepSeek V4.1 Flash (Non-Reasoning)

DeepSeek V4.1 Flash (Non-Reasoning) se lanzó el 10 de septiembre de 2026.

DeepSeek V4.1 Flash (Non-Reasoning) fue creado por DeepSeek.

DeepSeek V4.1 Flash (Non-Reasoning) obtiene 25 puntos en el Índice de Inteligencia de Artificial Analysis, lo que lo sitúa muy por encima del promedio entre otros modelos sin razonamiento, de pesos abiertos y tamaño similar (mediana: 12).

DeepSeek V4.1 Flash (Non-Reasoning) genera 296.1 tokens de salida por segundo (según la API de DeepSeek), un valor muy por encima del promedio frente a otros modelos sin razonamiento, de pesos abiertos y tamaño similar (mediana: 58.2 t/s).

DeepSeek V4.1 Flash (Non-Reasoning) tiene un tiempo hasta el primer token (TTFT) de 1.16 s (según la API de DeepSeek), un valor muy competitivo frente a otros modelos sin razonamiento, de pesos abiertos y tamaño similar (mediana: 1.87 s).

DeepSeek V4.1 Flash (Non-Reasoning) cuesta $0.30 por 1 M de tokens de entrada (mejor que el promedio; mediana: $0.57) y $1.20 por 1 M de tokens de salida (mejor que el promedio; mediana: $1.68), según la API de DeepSeek.

DeepSeek V4.1 Flash (Non-Reasoning) cuesta $0.30 por 1 M de tokens de entrada y $1.20 por 1 M de tokens de salida (según la API de DeepSeek). Con una tarifa combinada (proporción 7:2:1 entre aciertos de caché, entrada y salida), equivale a $0.18 por 1 M de tokens. El precio puede variar según el proveedor. Comparar precios de proveedores

Al evaluarlo en el Índice de Inteligencia, DeepSeek V4.1 Flash (Non-Reasoning) generó 45M tokens de salida, un valor algo mayor que el promedio frente a otros modelos sin razonamiento, de pesos abiertos y tamaño similar (mediana: 6.8M).

No, DeepSeek V4.1 Flash (Non-Reasoning) no es un modelo de razonamiento. Responde directamente sin razonamiento extendido en cadena.

DeepSeek V4.1 Flash (Non-Reasoning) admite entrada de texto e imágenes.

DeepSeek V4.1 Flash (Non-Reasoning) admite salida de texto.

Sí, DeepSeek V4.1 Flash (Non-Reasoning) admite imágenes como entrada y puede analizarlas, describirlas y responder preguntas sobre ellas.

Sí, DeepSeek V4.1 Flash (Non-Reasoning) es multimodal. Puede procesar entradas de texto e imágenes y generar salidas de texto.

DeepSeek V4.1 Flash (Non-Reasoning) tiene una ventana de contexto de 1.0M tokens. Esto determina cuánto texto e historial de conversación puede procesar el modelo en una sola solicitud.

Sí, DeepSeek V4.1 Flash (Non-Reasoning) es un modelo de pesos abiertos. Los pesos del modelo están disponibles públicamente y pueden descargarse para alojarlo por cuenta propia.

DeepSeek V4.1 Flash (Non-Reasoning) tiene 552 mil millones de parámetros (16 mil millones activos).

DeepSeek V4.1 Flash (Non-Reasoning) es un modelo de mezcla de expertos (MoE) con 552 mil millones de parámetros totales, pero durante la inferencia solo usa 16 mil millones de parámetros activos.

DeepSeek V4.1 Flash (Non-Reasoning) se publica bajo la licencia MIT, que permite el uso comercial. Ver licencia

DeepSeek V4.1 Flash (Non-Reasoning) obtiene 25 puntos en el Índice de Inteligencia de Artificial Analysis. Este benchmark compuesto evalúa los modelos en razonamiento, conocimiento, matemáticas y programación.

Sí, DeepSeek V4.1 Flash (Non-Reasoning) está disponible mediante API a través de 4 proveedores. Comparar proveedores de API

DeepSeek V4.1 Flash (Non-Reasoning) está disponible a través de 4 proveedores de API. Comparar proveedores

Análisis de inteligencia, rendimiento y precio de DeepSeek V4.1 Flash (Non-Reasoning)

Resumen del modelo

InteligenciaUpdated

Resumen comparativo

Especificaciones técnicas

45 modelos en esta clase

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Artificial Analysis Intelligence Index

Open Weights

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase v1.1Updated

AA-Briefcase Elo

AA-Briefcase Elo

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Índice de apertura

Artificial Analysis Openness Index: Score

Comparaciones del Índice de Inteligencia

Intelligence Index vs. Cost per Intelligence Index Task

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Uso de tokens

Output Tokens per Intelligence Index Task

Output Tokens per Intelligence Index Task

Costo

Cost per Intelligence Index Task

Cost per Intelligence Index Task

Cost to Run Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Pricing: Cache Hit, Input, and Output

Cache Hit

Ventana de contexto

Context Window

Context Window for RAG

Context Window

Velocidad

Output Speed

Output Speed

Model Performance Representation

Time per Intelligence Index Task

Time per Intelligence Index Task

Latencia

Latency: Time To First Answer Token

Time to First Answer Token

Tiempo de respuesta de extremo a extremo

End-to-End Response Time

End-to-End Response Time

Model Performance Representation

Tamaño del modelo (solo modelos de pesos abiertos)

Model Size: Total and Active Parameters

Total Parameters

Active Parameters at Inference Time

Preguntas frecuentes

¿Cuándo se lanzó DeepSeek V4.1 Flash (Non-Reasoning)?

¿Quién creó DeepSeek V4.1 Flash (Non-Reasoning)?

¿Qué tan inteligente es DeepSeek V4.1 Flash (Non-Reasoning)?

¿Qué tan rápido es DeepSeek V4.1 Flash (Non-Reasoning)?

¿Cuál es la latencia de DeepSeek V4.1 Flash (Non-Reasoning)?

¿Cuánto cuesta DeepSeek V4.1 Flash (Non-Reasoning)?

¿Cuál es el precio de la API de DeepSeek V4.1 Flash (Non-Reasoning)?

¿Qué tan verboso es DeepSeek V4.1 Flash (Non-Reasoning)?

¿DeepSeek V4.1 Flash (Non-Reasoning) es un modelo de razonamiento?

¿Qué modalidades de entrada admite DeepSeek V4.1 Flash (Non-Reasoning)?

¿Qué modalidades de salida admite DeepSeek V4.1 Flash (Non-Reasoning)?

¿DeepSeek V4.1 Flash (Non-Reasoning) puede procesar imágenes?

¿DeepSeek V4.1 Flash (Non-Reasoning) es multimodal?

¿Cuál es la ventana de contexto de DeepSeek V4.1 Flash (Non-Reasoning)?

¿DeepSeek V4.1 Flash (Non-Reasoning) es de código abierto?

¿Cuántos parámetros tiene DeepSeek V4.1 Flash (Non-Reasoning)?

¿Cuáles son los parámetros activos de DeepSeek V4.1 Flash (Non-Reasoning)?

¿Qué licencia tiene DeepSeek V4.1 Flash (Non-Reasoning)?

¿Cómo rinde DeepSeek V4.1 Flash (Non-Reasoning) en los benchmarks?

¿DeepSeek V4.1 Flash (Non-Reasoning) está disponible mediante API?

¿Dónde puedo usar DeepSeek V4.1 Flash (Non-Reasoning)?