DeepSeek-V4.1-Flash (EXL3) (Thinking)
Im Anlesen acht, im Schreiben sechzehn der 552 Milliarden Backbone-Parameter aktiv: DeepSeek-V4.1-Flash verschiebt Rechenlast dorthin, wo Agenten sie am häufigsten berühren. Diese Karte beschreibt ein Community-Quant als EXL3-Variante des offiziellen MIT-lizenzierten Modells vom 10. September 2026 — multimodal für Text und Bild, eine Million Tokens Kontext, dank Quantisierung auf geteiltem Serverspeicher betreibbar.
- Open Weights
- Server
- vLLM
- Text
- Vision
- Long Context
- Speculative Decoding
- Community-Quantisierung
- Batch
Sovereign Risk: MEDIUM Das Modell wurde von DeepSeek entwickelt, einem Unternehmen mit Sitz in China. Die chinesische Gerichtsbarkeit unterliegt Gesetzen, die staatlichen Zugriff auf Daten ermöglichen können, was bei Cloud-Diensten ein hohes Risiko darstellt. Da es sich hier jedoch um ein Open-Weight-Modell unter einer MIT-Lizenz handelt, das für den lokalen Betrieb vorgesehen ist, ist das Risiko für den Endanwender deutlich reduziert. Bei einer rein lokalen Ausführung werden keine Daten an den Hersteller oder Dritte übermittelt. Das ‘mittlere’ Risiko spiegelt den potenziellen Einfluss der Herkunftsjurisdiktion auf die Trainingsdaten und die Modellentwicklung wider, während das direkte Datenabflussrisiko bei lokaler Nutzung als gering eingeschätzt wird. Zusätzlich handelt es sich um einen Community-Quant (Re-Quantisierung durch Dritte), nicht um ein offizielles DeepSeek-Release; die Provenienz des Quants ist unabhängig von den MIT-lizenzierten Originalgewichten zu betrachten.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 74.51
- Routine
- 45.23
- Reasoning
- 29.28
- LLM Judge Avg
- 3.65 / 5
- 100 Coverage
- Avg Task Duration
- 98.95s
- Batch
- Token Rate
- 30.46tok/s
- Output Rate
- P95 Latency
- 225.57s
- Top 5 %
- Total Tokens
- 174700
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 174700 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze / Standard).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.