DeepSeek V4.1-Flash: 552B params con KV cache a la cuarta parte
DeepSeek-V4.1-Flash: 552B parámetros con la cuarta parte de la KV cache El laboratorio chino DeepSeek publicó el 10 de septiembre de 2026 el código abierto y los pesos de DeepSeek-V4.1-Flash, un modelo multimodal MoE de 552.000 millones de parámetros que activa solo 8.000 millones durante el prefill y 16.000 millones durante el decode, con una …









