DeepSeek V4.1-Flash : exécutez le dernier DeepSeek en local

DeepSeek V4.1-Flash est la version phare actuelle de DeepSeek. Il remplace V4-Flash-0731 avec une vision multimodale native, une architecture MoE asymétrique de 552B (8B actifs pour l’entrée, 16B actifs pour la sortie), un contexte de 1M tokens avec jusqu’à 384K tokens en sortie, et un cache KV considérablement compressé — 890 octets par token globalement, environ 3.9× plus petit que V4 Flash. DeepSeek l’a publié du 8 au 10 septembre 2026 (bêta limitée le 8 septembre, production le 10 septembre) sous licence MIT. Utilisez un R1 distill plutôt lorsque vous avez besoin d’un raisonnement de type DeepSeek sur un ordinateur portable ou 1 GPU grand public. Les modèles complets R1 et V3 restent des options multi-GPU de classe 671B.

Dernière vérification : 2026-10-14

La gamme DeepSeek

Modèle	Description	Paramètres	Contexte	Matériel local adapté
DeepSeek-V4.1-Flash	Version phare actuelle : vision native, MoE asymétrique, cache KV 3.9× plus petit	552B total / 8B entrée actifs, 16B sortie actifs	1M (384K en sortie)	2 systèmes à mémoire élevée ; voir les exigences matérielles ci-dessous
DeepSeek-V4-Flash-0731	Version V4 Flash précédente avec tête DSpark	284B cible / 13B actif	1M	2 systèmes à mémoire élevée ; voir le guide matériel
R1 distills	Modèles basés sur Qwen et Llama entraînés sur les traces de raisonnement R1	1.5B–70B dense	128K	Ordinateur portable ou 1 GPU avec 24 à 48 Go de mémoire
DeepSeek-R1 / R1-0528	Le MoE de raisonnement complet	671B / 37B actif	160K	Serveur multi-GPU ; environ 404 Go de poids `Q4_K_M` au total
DeepSeek-V3 / V3.1 / V3.2	La gamme de modèles de base derrière R1	671B MoE	160K	Serveur multi-GPU

Le nombre de paramètres actifs influence le calcul par token généré. Il ne réduit pas la mémoire nécessaire pour maintenir tous les experts en mémoire. C’est pourquoi un modèle de 552B paramètres comme V4.1-Flash nécessite tous les poids en mémoire même si seulement 8B ou 16B sont activés par token.

Quel DeepSeek exécuter ?

Vous voulez la version phare DeepSeek actuelle : Utilisez deepseek-ai/DeepSeek-V4.1-Flash. Il ajoute la vision native, des paramètres actifs asymétriques 8B/16B, et un cache KV 3.9× plus petit que V4-Flash-0731. L’auto-hébergement est possible, mais la capacité matérielle seule ne suffit pas — consultez les exigences ci-dessous.
Vous avez un ordinateur portable ou 1 GPU grand public : Commencez avec un R1 distill. deepseek-r1:14b est un point de départ pratique avec Ollama sur un GPU de 24 Go. Voir DeepSeek-R1.
Vous avez besoin du modèle de raisonnement R1 original : Prévoyez un vrai serveur multi-GPU. Le modèle complet 671b ne tient pas sur un seul poste de travail.
Vous avez besoin d’un modèle de base DeepSeek général : La gamme V3 reste de classe 671B et multi-GPU. Utilisez les tags V3.1 dans Ollama selon votre plan de déploiement ; vérifiez les tags disponibles avant de standardiser.
Vous avez besoin spécifiquement de V4-Flash-0731 : Il est maintenant remplacé par V4.1-Flash. L’API DeepSeek redirige les anciennes routes deepseek-v4-flash vers V4.1-Flash. Si vous devez rester sur 0731, consultez la section remplacée ci-dessous.

DeepSeek V4.1-Flash

DeepSeek a publié V4.1-Flash du 8 au 10 septembre 2026 (bêta limitée le 8 septembre, production le 10 septembre). La fiche du modèle officielle le désigne comme la version phare actuelle qui remplace V4-Flash-0731. Elle décrit un modèle mixture-of-experts de 552B paramètres avec une architecture Causal-Encoder-Decoder novatrice, une activation asymétrique (8B actifs pour les tokens d’entrée, 16B actifs pour les tokens de sortie), une vision multimodale native (texte + image en entrée), un contexte de 1M tokens avec jusqu’à 384K tokens en sortie, et une licence MIT.

Nouveautés par rapport à V4-Flash-0731

V4.1-Flash apporte 6 améliorations majeures par rapport à la version du 31 juillet :

Capacité de vision native — le premier modèle DeepSeek Flash avec une compréhension d’images multimodale intégrée, pas seulement du texte
Architecture asymétrique — 8B paramètres actifs pour le traitement d’entrée, 16B pour la génération de sortie, optimisant le compromis calcul/qualité
Cache KV considérablement compressé — 890 octets de KV global par token, environ 3.9× plus petit que V4 Flash
Empreinte matérielle réduite — 1/4 de HBM, 1/8 de SSD par rapport à la génération précédente
Meilleurs benchmarks — surpasse V4 Flash 0731 sur les 8 tests sélectionnés
Coût d’exploitation réduit — environ 75.5% moins cher à exécuter

Variante NVIDIA NVFP4

NVIDIA a publié une quantification NVFP4 optimisée sur nvidia/DeepSeek-V4.1-Flash-NVFP4. Cette variante cible les GPU NVIDIA Blackwell et Hopper avec une précision FP4, réduisant les exigences mémoire tout en préservant la qualité.

Support des runtimes

Le support vLLM et SGLang est attendu mais pas encore confirmé au moment de la rédaction. Le support Ollama n’est pas encore disponible — consultez la bibliothèque Ollama pour les disponibilités actuelles. L’architecture est nouvelle (Causal-Encoder-Decoder), donc les implémentations runtime peuvent prendre plus de temps à se stabiliser que pour les versions précédentes de DeepSeek.

Identifiants pour V4.1-Flash

Utilisez ces identifiants de manière appropriée :

Identifiant	Utilisation
`deepseek-ai/DeepSeek-V4.1-Flash`	L’ID de modèle amont pour le téléchargement ou le service du checkpoint officiel
`nvidia/DeepSeek-V4.1-Flash-NVFP4`	La variante NVIDIA NVFP4 pour les GPU Blackwell/Hopper
`deepseek-flash`	L’ID de modèle API officiel DeepSeek (remplace `deepseek-v4-flash`)
`deepseek-flash`	Un exemple de nom de déploiement Tokios ; vous pouvez choisir un autre nom public

L’API DeepSeek redirige maintenant les anciennes requêtes deepseek-v4-flash vers V4.1-Flash. Si vous avez enregistré un déploiement Tokios nommé deepseek-v4-flash, mettez-le à jour vers deepseek-flash pour correspondre au nouvel ID API.

Un déploiement Tokios est votre nom public. Il est distinct de l’ID de modèle amont. Si vous enregistrez deepseek-flash, les clients envoient ce nom dans le champ model tandis que votre runtime sert deepseek-ai/DeepSeek-V4.1-Flash.

Capacités

Vision native. Compréhension d’images multimodale intégrée — texte et image en entrée, pas seulement du texte.
Calcul asymétrique. 8B paramètres actifs pour le traitement d’entrée, 16B pour la génération de sortie, optimisant le compromis calcul/qualité.
Contexte long. Fenêtre de contexte de 1M tokens avec jusqu’à 384K tokens en sortie.
Codage et travail agentique. Surpasse V4-Flash-0731 sur les 8 benchmarks sélectionnés, y compris les tâches de codage et agentiques.
Multilingue. Supporte plusieurs langues pour l’entrée et la sortie.
Cache KV compressé. 890 octets par token globalement, environ 3.9× plus petit que V4 Flash — réduit la surcharge mémoire par token à contextes longs.

Matériel adapté

V4.1-Flash est un modèle de 552B paramètres. Les tailles de quantification spécifiques ne sont pas encore publiées — les estimations ci-dessous utilisent le calcul standard (paramètres × octets par poids + surcharge). Consultez la fiche du modèle pour les builds GGUF actuels.

Précision	Taille estimée	Matériel
BF16	~1 To	8× H200 ou équivalent
4-bit	~275 Go	4× RTX Pro 6000 ou 2× Mac Studio M5 Ultra
2-bit	~150 Go	Mac Studio M5 Ultra 256 Go

La variante NVFP4 NVIDIA cible les GPU Blackwell et Hopper avec une précision FP4 et devrait réduire davantage les exigences mémoire. L’architecture asymétrique (8B/16B actifs) ne réduit pas la mémoire nécessaire pour maintenir tous les experts chargés — les 552B paramètres doivent rester chargés.

Exécution

vLLM (GPU serving)
SGLang

vllm serve "deepseek-ai/DeepSeek-V4.1-Flash"

Consultez la fiche du modèle pour les flags actuels et les paramètres tensor-parallel pour votre matériel. L’architecture Causal-Encoder-Decoder est nouvelle — confirmez que votre version de vLLM la supporte avant de standardiser.

python -m sglang.launch_server --model-path "deepseek-ai/DeepSeek-V4.1-Flash"

Consultez la fiche du modèle pour les flags actuels et les paramètres tensor-parallel. Le support SGLang est attendu mais pas encore confirmé au moment de la rédaction.

Le support Ollama et LM Studio est en attente pour V4.1-Flash. L’architecture Causal-Encoder-Decoder est nouvelle, et les implémentations runtime prennent du temps à se stabiliser. Consultez la bibliothèque Ollama et LM Studio pour les disponibilités actuelles.

DeepSeek-V4-Flash-0731 (remplacé)

V4-Flash-0731 est la version précédente de DeepSeek Flash, remplacée par V4.1-Flash en septembre 2026. Utilisez V4.1-Flash pour les nouveaux déploiements sauf si vous avez une raison spécifique de rester sur 0731.

DeepSeek a publié DeepSeek-V4-Flash-0731 le 31 juillet 2026. La fiche du modèle officielle le désigne comme la version V4 Flash officielle succédant à la préversion. Elle décrit un modèle mixture-of-experts de 284B cible et 13B actif avec une tête DSpark intégrée, un contexte de 1M tokens, des efforts de raisonnement low, high et max, et l’appel d’outils. SGLang indique environ 304B paramètres lors du comptage de la tête de brouillon attachée. Les poids sont sous licence MIT.

V4-Flash-0731 est maintenant remplacé par V4.1-Flash. L’API DeepSeek redirige les anciennes routes deepseek-v4-flash vers V4.1-Flash. Utilisez V4.1-Flash pour les nouveaux déploiements sauf si vous avez une raison spécifique de rester sur 0731.

Le dépôt 0731 ne fournit pas de template chat Jinja. Il inclut un paquet encoding dédié pour convertir les messages compatibles OpenAI en entrées modèle et analyser les complétions. Utilisez une recette runtime qui supporte cet encodage, puis testez les échanges multi-tours, le contenu de raisonnement et les appels d’outils avant d’exposer le déploiement.

Utilisez ces identifiants de manière appropriée :

Identifiant	Utilisation
`deepseek-ai/DeepSeek-V4-Flash-0731`	L’ID de modèle amont pour le téléchargement ou le service du checkpoint 0731
`deepseek-v4-flash`	L’ancien ID de modèle API DeepSeek (redirige maintenant vers `deepseek-flash`)

Un déploiement Tokios est votre nom public. Il est distinct de l’ID de modèle amont. Si vous enregistrez deepseek-v4-flash, les clients envoient ce nom dans le champ model tandis que votre runtime sert deepseek-ai/DeepSeek-V4-Flash-0731.

V4-Flash-0731 est-il au niveau de GPT-5.6 ?

Considérez les comparaisons comme spécifiques à la configuration, pas comme une affirmation de parité générale. Artificial Analysis rapporte Flash Max à 50 et GPT-5.6 Sol Low à 49 dans sa comparaison nommée. Ce résultat compare Flash Max avec Sol à son niveau d’effort Low. Cela n’établit pas une parité avec GPT-5.6 Sol à un effort supérieur, ni sur toutes les charges de travail.

Chemins locaux pour V4-Flash-0731

Configuration	Conclusion sur la capacité	Maturité	À savoir
1× DGX Spark ou Strix Halo	128 Go peuvent accueillir le build de 103 Go en 3-bit avec une marge de cache, mais pas les builds de 155 à 162 Go	Testé par la communauté	Le guide d’Unsloth cible `UD-IQ3_XXS` précisément pour ce cas. Le moyen le moins cher d’exécuter Flash ; attendez-vous à une perte de qualité par rapport aux builds quasi sans perte.
2× RTX PRO 6000 Blackwell	192 Go de VRAM peuvent contenir 162 à 167 Go de poids avec une marge de cache initiale limitée	Validation communautaire requise	SGLang documente TP=2 pour le checkpoint Flash précédent, mais ne liste pas 0731 comme officiellement vérifié à TP=2. Commencez prudemment et validez votre build exact.
2× DGX Spark	256 Go de mémoire unifiée agrégée offrent plus de place pour les poids et le cache	Testé par la communauté	NVIDIA documente le clustering sur ConnectX-7. Les recettes DeepSeek Dual-Spark ciblent le checkpoint préversion ; relancez la validation pour 0731.
2× Strix Halo	256 Go de mémoire unifiée agrégée peuvent contenir le GGUF de 162 Go	Expérimental	La route distribuée utilise llama.cpp RPC, que ses mainteneurs décrivent comme proof-of-concept, fragile et non sécurisé. Ne l’utilisez pas comme conception de service en production.
4× GB300	Configuration de référence officielle	Vérifié	La configuration de référence de la fiche du modèle 0731.

Chaque chemin nécessite de l’espace disque pour le checkpoint, de la place pour les téléchargements temporaires et les allocations runtime, et une marge de cache KV mesurée. Commencez à 32K–128K de contexte. Considérez 384K et 1M comme des cibles d’ajustement séparées, pas des paramètres par défaut.

Si vous utilisez déjà V4-Flash-0731, conservez le point de terminaison de service sur l’interface loopback du nœud principal. Exécutez 1 connecteur Tokios sur ce nœud principal et pointez-le uniquement vers le point de terminaison /v1 du runtime. Le guide matériel montre la topologie et le mapping de déploiement.

Tailles de quantification pour V4-Flash-0731

Unsloth publie des builds GGUF sur unsloth/DeepSeek-V4-Flash-0731-GGUF. Les tailles importent plus que d’habitude, car ce sont elles qui déterminent si une seule machine suffit.

Build	Taille du fichier	Mémoire pour l’exécuter
`UD-Q8_K_XL`, sans perte	162 Go	~169 Go
`UD-Q4_K_XL`, quasi sans perte	155 Go	~162 Go
`UD-IQ3_XXS`, 3-bit	103 Go	110 à 135 Go
2-bit	102 Go	Convient à la même catégorie de machine, avec plus de perte de qualité
1-bit	92 Go	Plus petit build publié ; attendez-vous à une dégradation réelle

Un DGX Spark peut-il exécuter DeepSeek-V4-Flash-0731 ?

Oui en 3-bit, sur une seule unité. Le guide d’Unsloth choisit UD-IQ3_XXS précisément parce qu’il tient dans une machine de 128 Go, et rapporte sur le forum développeurs NVIDIA qu’il fonctionne sur un seul Spark via llama-server, y compris à 262K de contexte avec des builds 2-bit plus petits. Ce qu’un seul Spark ne peut pas contenir, ce sont les builds quasi sans perte : UD-Q4_K_XL à 155 Go et UD-Q8_K_XL à 162 Go dépassent tous deux 128 Go. Ceux-ci nécessitent deux Sparks et la mémoire combinée du tableau ci-dessus.

Strix Halo peut-il exécuter DeepSeek-V4-Flash-0731 ?

Oui, avec la même condition de 3-bit. Un Strix Halo de 128 Go contient le build de 103 Go ; tout build quasi sans perte nécessite une seconde machine, et cette route distribuée utilise llama.cpp RPC, que ses propres mainteneurs décrivent comme proof-of-concept. Le débit est limité par la bande passante mémoire plutôt que par la capacité. Le nombre de 13B paramètres actifs joue en votre faveur : le calcul par token reste faible même si tous les 284B paramètres doivent rester en mémoire.

Un GPU de 24 Go peut-il exécuter DeepSeek-V4-Flash-0731 ?

Non. Le plus petit build publié est de 92 Go, donc aucune carte grand public n’est à portée à aucune quantification, et le délestage de autant de poids vers la RAM système sacrifie la vitesse qui rend Flash intéressant. Utilisez un DeepSeek-R1 distill à la place — ceux-ci sont dimensionnés pour un seul GPU.

La famille R1 et V3

V4.1-Flash ne remplace pas toutes les options DeepSeek précédentes. Les R1 distills restent le choix pratique pour le petit matériel. Les gammes complètes R1 et V3 restent utiles lorsque vous exploitez déjà un cluster de service de classe 671B.

Modèle	Disponibilité et chemin local	Licence
R1 distills	Ollama, LM Studio, vLLM, ou SGLang ; choisissez une taille qui tient sur 1 machine	MIT pour les distills basés sur Qwen ; conditions Llama pour les tags basés sur Llama
Full DeepSeek-R1 / R1-0528	Serveur multi-GPU	MIT
DeepSeek-V3 / V3.1	Serveur multi-GPU ; V3.1 a des tags Ollama	MIT
DeepSeek-V3.2	Checkpoint Hugging Face officiel ; serveur multi-GPU	MIT

Voir DeepSeek-R1 pour les tailles de distill, le contexte et les conseils de configuration. Voir quel modèle convient à votre GPU ? pour le calcul de mémoire derrière les modèles plus grands.

Connecter un déploiement DeepSeek avec Tokios

Une fois votre runtime choisi opérationnel, installez le connecteur sur la même machine que le point de terminaison du runtime. Le connecteur communique vers Tokios ; il n’expose aucun port entrant. Pour un cluster V4, exécutez le connecteur uniquement sur le nœud principal, où il peut atteindre le point de terminaison /v1 compatible OpenAI du cluster.

Keep your local runtime running

Démarrez DeepSeek V4.1-Flash dans vLLM ou SGLang et laissez-le lié au loopback. Pour V4-Flash-0731, utilisez la recette de service du guide matériel.

Pair the Tokios connector

Connectez-vous sur tokios.com/console, ouvrez l’onglet Setup et cliquez sur Start pairing pour obtenir un code d’appairage unique (TKS-XXXX-XXXX). Exécutez l’installateur sur la machine qui exécute le modèle :

Windows

irm https://tokios.com/downloads/install/windows | iex; tokios-install -Code 'TKS-XXXX-XXXX'

macOS

curl -fsSL https://tokios.com/downloads/install/macos | sh -s -- --code TKS-XXXX-XXXX

Linux

curl -fsSL https://tokios.com/downloads/install/linux | sh -s -- --code TKS-XXXX-XXXX

Puis approve l’appareil dans l’onglet Setup ou Connectors.

Dans l’onglet Models, enregistrez l’ID de modèle amont sous un nom de déploiement public. Pour V4.1-Flash, enregistrez deepseek-flash et mappez-le à deepseek-ai/DeepSeek-V4.1-Flash. Pour V4-Flash-0731, enregistrez deepseek-v4-flash et mappez-le à deepseek-ai/DeepSeek-V4-Flash-0731. Les clients envoient le nom de déploiement dans le champ model, jamais l’ID local.

Create an API key

Dans l’onglet Keys, cliquez sur Create key. Copiez la clé sk-tok-… maintenant — elle n’est affichée qu’une seule fois.

Appelez-le depuis n’importe où

curl https://api.tokios.com/v1/chat/completions \
  -H "Authorization: Bearer sk-tok-YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-flash",
    "stream": true,
    "messages": [
      {"role": "system", "content": "You are a helpful coding assistant."},
      {"role": "user", "content": "Audit this repository and propose a phased refactor."}
    ]
  }'

export ANTHROPIC_BASE_URL=https://api.tokios.com
export ANTHROPIC_API_KEY=sk-tok-YOUR_KEY
claude --model deepseek-flash

Mises en garde

Les benchmarks sont déclarés par le fournisseur. DeepSeek a publié les comparaisons V4.1-Flash le jour de la sortie. Attendez les évaluations indépendantes avant de considérer les scores comme définitifs.
Les exigences matérielles sont des estimations. Les tailles de quantification spécifiques pour V4.1-Flash ne sont pas encore publiées. Le tableau de matériel adapté utilise le calcul standard (paramètres × octets par poids). Consultez la fiche du modèle pour les builds GGUF actuels avant de vous engager sur du matériel.
Le support runtime V4.1-Flash est nouveau. L’architecture Causal-Encoder-Decoder est différente des versions précédentes de DeepSeek. Le support vLLM et SGLang est attendu mais non confirmé. Ollama et LM Studio sont en attente.
Tous les 552B paramètres restent en mémoire. L’architecture asymétrique (8B/16B actifs) réduit le calcul par token, pas la mémoire. Chaque poids d’expert doit rester chargé indépendamment du nombre actif.
La licence MIT est permissive. Les poids permettent l’utilisation commerciale sans politique d’utilisation acceptable ni seuil de nombre d’utilisateurs, mais lisez la licence vous-même avant de construire dessus.

FAQ

How much VRAM does DeepSeek V4.1-Flash need?

V4.1-Flash est un modèle de 552B paramètres. Les tailles de quantification spécifiques ne sont pas encore publiées au moment de la rédaction. L’architecture asymétrique (8B/16B actifs) et le cache KV 3.9× plus petit (890 octets par token) suggèrent qu’il pourrait tenir sur du matériel similaire à V4-Flash-0731 (110 à 169 Go selon le build), mais consultez la fiche du modèle pour les builds GGUF actuels et les exigences mémoire. La variante NVIDIA NVFP4 cible les GPU Blackwell/Hopper avec une précision FP4 pour une mémoire réduite.

How much VRAM does DeepSeek-V4-Flash-0731 need?

Entre environ 110 Go et 169 Go, selon le build choisi. Le UD-IQ3_XXS en 3-bit occupe 103 Go sur disque et nécessite 110 à 135 Go de mémoire, ce qui explique qu’il tienne sur une seule machine de 128 Go de mémoire unifiée. Le UD-Q4_K_XL quasi sans perte fait 155 Go et le UD-Q8_K_XL sans perte fait 162 Go, tous deux nécessitant plus d’une machine de ce type. Tous les 284B paramètres restent en mémoire indépendamment des 13B actifs.

Is DeepSeek V4.1-Flash free to use?

Les poids sont sous licence MIT, ce qui est exceptionnellement permissif pour un modèle de cette capacité et permet l’utilisation commerciale. Gratuit à utiliser n’est pas la même chose que gratuit à exécuter : le nombre de 552B paramètres signifie des exigences matérielles importantes. DeepSeek propose également une API hébergée payante si vous préférez ne pas auto-héberger.

Is DeepSeek-V4-Flash-0731 free to use?

Les poids sont sous licence MIT, ce qui est exceptionnellement permissif pour un modèle de cette capacité et permet l’utilisation commerciale. Gratuit à utiliser n’est pas la même chose que gratuit à exécuter : même le plus petit build à 92 Go, le matériel est le coût réel. DeepSeek propose également une API hébergée payante si vous préférez ne pas auto-héberger.

What is the difference between V4.1-Flash and V4-Flash-0731?

V4.1-Flash remplace V4-Flash-0731 avec 6 améliorations majeures : capacité de vision native (texte + image en entrée), architecture asymétrique (8B actifs pour l’entrée, 16B pour la sortie contre 13B actifs dans 0731), cache KV 3.9× plus petit (890 octets par token), empreinte HBM 1/4, empreinte SSD 1/8, et coût d’exploitation environ 75.5% inférieur. V4.1-Flash surpasse 0731 sur les 8 benchmarks sélectionnés. L’API DeepSeek redirige maintenant les anciennes routes deepseek-v4-flash vers V4.1-Flash.

Can I run DeepSeek V4.1-Flash with Ollama?

Pas encore au moment de la rédaction. L’architecture Causal-Encoder-Decoder est nouvelle, et le support runtime prend du temps à se stabiliser. Le support vLLM et SGLang est attendu mais non confirmé. Consultez la bibliothèque Ollama pour les disponibilités actuelles. Pour V4-Flash-0731, les R1 distills et DeepSeek-V3.1 ont des tags Ollama — voir DeepSeek-R1.

Can I run DeepSeek-V4-Flash-0731 with Ollama?

Pas comme chemin documenté. Le guide d’Unsloth pilote le checkpoint 0731 via llama.cpp en utilisant les fichiers GGUF séparés, et llama.cpp principal porte le support de l’architecture V4. Consultez la bibliothèque Ollama pour les disponibilités actuelles plutôt que de supposer qu’un tag local existe. Les R1 distills et DeepSeek-V3.1 ont des tags Ollama — voir DeepSeek-R1.

What is the difference between V4 Flash and an R1 distill?

L’échelle et l’objectif. V4.1-Flash est la version actuelle mixture-of-experts de 552B avec vision native, contexte de 1M tokens et paramètres actifs asymétriques 8B/16B, destiné au travail multimodal et agentique sur des systèmes multi-GPU. V4-Flash-0731 est la version remplacée de 284B. Les R1 distills sont de petits modèles denses qui tiennent sur un seul GPU grand public et échangent la capacité contre la portée. Si votre matériel est une seule carte de 24 Go, le distill n’est pas un compromis — c’est le seul des deux qui fonctionne.

How do I reach a DeepSeek deployment from another machine?

Servez-le localement, puis associez le connecteur Tokios sur la machine détenant le runtime — pour un cluster, sur le nœud principal uniquement. Le connecteur communique vers l’extérieur, donc la machine avec les GPU n’a jamais besoin d’un port entrant. Les clients appellent ensuite https://api.tokios.com/v1 avec une clé sk-tok-… et votre nom de déploiement dans le champ model.

V4 Flash local hardware

Comparez 2 RTX PRO 6000, 2 DGX Spark et 2 systèmes Strix Halo pour V4-Flash-0731.

DeepSeek-R1

Choisissez et exécutez un distill de raisonnement R1 sur du matériel plus petit.

Choose a model by task

Comparez les modèles locaux pour le raisonnement, le codage et le travail agentique.

Match a model to your GPU

Comprenez les exigences mémoire des poids, du cache et de la quantification.

Premiers pas

Modèles

Concepts

Référence

DeepSeek V4.1-Flash : exécutez le dernier DeepSeek en local

La gamme DeepSeek

Quel DeepSeek exécuter ?

DeepSeek V4.1-Flash

Nouveautés par rapport à V4-Flash-0731

Variante NVIDIA NVFP4

Support des runtimes

Identifiants pour V4.1-Flash

Capacités

Matériel adapté

Exécution

DeepSeek-V4-Flash-0731 (remplacé)

V4-Flash-0731 est-il au niveau de GPT-5.6 ?

Chemins locaux pour V4-Flash-0731

Tailles de quantification pour V4-Flash-0731

Un DGX Spark peut-il exécuter DeepSeek-V4-Flash-0731 ?

Strix Halo peut-il exécuter DeepSeek-V4-Flash-0731 ?

Un GPU de 24 Go peut-il exécuter DeepSeek-V4-Flash-0731 ?

La famille R1 et V3

Connecter un déploiement DeepSeek avec Tokios

Appelez-le depuis n’importe où

Mises en garde

FAQ

V4 Flash local hardware

DeepSeek-R1

Choose a model by task

Match a model to your GPU

​La gamme DeepSeek

​Quel DeepSeek exécuter ?

​DeepSeek V4.1-Flash

​Nouveautés par rapport à V4-Flash-0731

​Variante NVIDIA NVFP4

​Support des runtimes

​Identifiants pour V4.1-Flash

​Capacités

​Matériel adapté

​Exécution

​DeepSeek-V4-Flash-0731 (remplacé)

​V4-Flash-0731 est-il au niveau de GPT-5.6 ?

​Chemins locaux pour V4-Flash-0731

​Tailles de quantification pour V4-Flash-0731

​Un DGX Spark peut-il exécuter DeepSeek-V4-Flash-0731 ?

​Strix Halo peut-il exécuter DeepSeek-V4-Flash-0731 ?

​Un GPU de 24 Go peut-il exécuter DeepSeek-V4-Flash-0731 ?

​La famille R1 et V3

​Connecter un déploiement DeepSeek avec Tokios

​Appelez-le depuis n’importe où

​Mises en garde

​FAQ

V4 Flash local hardware

DeepSeek-R1

Choose a model by task

Match a model to your GPU

La gamme DeepSeek

Quel DeepSeek exécuter ?

DeepSeek V4.1-Flash

Nouveautés par rapport à V4-Flash-0731

Variante NVIDIA NVFP4

Support des runtimes

Identifiants pour V4.1-Flash

Capacités

Matériel adapté

Exécution

DeepSeek-V4-Flash-0731 (remplacé)

V4-Flash-0731 est-il au niveau de GPT-5.6 ?

Chemins locaux pour V4-Flash-0731

Tailles de quantification pour V4-Flash-0731

Un DGX Spark peut-il exécuter DeepSeek-V4-Flash-0731 ?

Strix Halo peut-il exécuter DeepSeek-V4-Flash-0731 ?

Un GPU de 24 Go peut-il exécuter DeepSeek-V4-Flash-0731 ?

La famille R1 et V3

Connecter un déploiement DeepSeek avec Tokios

Appelez-le depuis n’importe où

Mises en garde

FAQ