The Pulse

DeepSeek V4.1 Flash supera i 1000 miliardi di token su OpenRouter

DeepSeek V4.1 Flash ha elaborato oltre 1000 miliardi di token su OpenRouter poco dopo il lancio del 10 settembre. Il modello a pesi aperti combina un’architettura mixture-of-experts da 552 miliardi di parametri, capacità visive native e una

AI.info Team · Scritto con l’IA · verificato · 2026-09-12

«Sulla base dei risultati dei benchmark, DeepSeek V4 sembra destinato a essere molto competitivo rispetto ai suoi concorrenti statunitensi».

Lian Jye Su, analista capo della società di ricerca e consulenza tecnologica Omdia, aveva espresso questa valutazione ad aprile, dopo la presentazione della famiglia V4 da parte di DeepSeek. Cinque mesi dopo, il modello più recente dell’azienda offre una misura più concreta della domanda: DeepSeek V4.1 Flash ha superato i 1000 miliardi di token elaborati su OpenRouter, la piattaforma di instradamento dei modelli, poco dopo il rilascio del 10 settembre.

La pagina pubblica di OpenRouter dedicata ai modelli DeepSeek mostra che V4.1 Flash ha elaborato circa 1.050 miliardi di token. Il modello ha raggiunto i 1000 miliardi di token nelle prime 24 ore sulla piattaforma e procedeva verso circa 2.800 miliardi di token nelle prime 48 ore, secondo un post attribuito a OpenRouter. OpenRouter non ha detto che la cifra rappresentasse l’intero utilizzo globale e DeepSeek non ha pubblicato un conteggio dei token per l’intera azienda.

La distinzione è importante. OpenRouter misura il traffico instradato attraverso il proprio marketplace, non le richieste inviate direttamente a DeepSeek o tramite altri fornitori. Anche così, il volume iniziale colloca V4.1 Flash tra i nuovi modelli a pagamento più utilizzati sul servizio e offre un segnale visibile della rapidità con cui gli sviluppatori lo stanno testando in agenti in produzione, strumenti di programmazione e flussi di lavoro di lunga durata.

OpenRouter registra una partenza rapida per il nuovo modello Flash di DeepSeek

V4.1 Flash arriva su OpenRouter in un momento in cui l’utilizzo dei modelli è sempre più guidato dagli agenti software, anziché da singoli prompt di chat. Le richieste degli agenti consumano circa 15 volte più token per richiesta rispetto alle normali interazioni umane, ha dichiarato OpenRouter a giugno. L’azienda ha anche rilevato che V4 Flash di DeepSeek rappresentava il 70% del flusso di token degli agenti di DeepSeek entro la fine di maggio, circa un mese dopo il lancio originale di V4.

I nuovi dati suggeriscono che V4.1 Flash sta proseguendo questa tendenza. La scheda di OpenRouter identifica il modello come un sistema mixture-of-experts sparso con un’architettura da 552 miliardi di parametri. Il modello attiva 8 miliardi di parametri durante l’elaborazione dell’input e 16 miliardi durante la generazione dell’output, una configurazione progettata per ridurre la quantità di calcolo necessaria per compiti lunghi e ricchi di input.

La pagina pubblica di OpenRouter non fornisce una serie storica completa per la cifra di 1.050 miliardi di token, che non va quindi letta come un ritmo giornaliero. Una pagina di monitoraggio distinta pubblicata da TKX mostrava 679 miliardi di token instradati attraverso OpenRouter in un periodo di 24 ore l’11 settembre, mentre la scheda di OpenRouter indicava un volume cumulativo elaborato superiore a 1000 miliardi. Le due misurazioni utilizzano intervalli diversi e non devono essere considerate totali in contraddizione.

DeepSeek punta a ridurre il costo di lettura dei contesti lunghi

L’annuncio di DeepSeek del 10 settembre si concentra meno sul numero assoluto di parametri che sul costo della lettura ripetuta di grandi quantità di informazioni. V4.1 Flash utilizza un’architettura Causal Encoder-Decoder con un encoder causale a 20 livelli seguito da un decoder a 20 livelli. L’encoder elabora il contesto in ingresso, mentre il decoder genera la risposta a partire dalla rappresentazione codificata.

La struttura tecnica modifica la cache chiave-valore del modello, la struttura di memoria utilizzata per conservare le informazioni sull’attenzione durante l’inferenza. V4.1 Flash riduce l’occupazione complessiva della cache a circa 890 byte per token, all’incirca un quarto del valore del precedente V4 Flash, secondo DeepSeek. Per la cache, il nuovo modello richiede un quarto della memoria ad alta larghezza di banda e un ottavo dello spazio di archiviazione a stato solido rispetto alla generazione precedente, afferma inoltre l’azienda.

Queste riduzioni affrontano un problema specifico del software per agenti. Un agente può rileggere lo stesso repository, lo stato del browser, un insieme di documenti o la cronologia di un compito nell’arco di decine di passaggi. Se ogni passaggio richiede di memorizzare e recuperare un contesto ampio, la memoria cache e il traffico di archiviazione possono diventare un costo maggiore rispetto al prezzo dichiarato per l’output del modello. L’architettura di DeepSeek è progettata per questo schema di letture ripetute, non soltanto per brevi scambi di conversazione.

Il modello supporta contesti fino a 1 milione di token e accetta immagini in modo nativo insieme al testo. Il modello è stato addestrato da zero su un corpus multimodale contenente 45.000 miliardi di token, secondo la scheda del modello di DeepSeek; l’attenzione sparsa è stata addestrata su sequenze lunghe 64.000 token, prima che il contesto venisse esteso a 1 milione di token, quando l’addestramento aveva raggiunto i 34.000 miliardi di token.

I prezzi aiutano a spiegare l’impennata dei token

DeepSeek ha lanciato V4.1 Flash con un tariffario distinto per le ore di punta e quelle non di punta. Nelle ore non di punta, l’azienda indica prezzi di 0,003 dollari per milione di token di input in cache, 0,15 dollari per milione di token di input non in cache e 0,60 dollari per milione di token di output. Nelle ore di punta le tariffe raddoppiano, rispettivamente a 0,006, 0,30 e 1,20 dollari per milione di token.

Il 90% dei primi 1000 miliardi di token era costituito da letture della cache, con un prezzo di mercato di circa 0,006 dollari per milione di token, secondo il post di OpenRouter. Questa composizione rende il volume complessivo meno sorprendente: un carico di lavoro consistente degli agenti può inviare gli stessi file di progetto, istruzioni o stati degli strumenti attraverso numerose richieste consecutive, creando prefissi ripetuti che beneficiano delle tariffe per la cache.

DeepSeek usa la cache come misura di controllo dei costi dal 2024. In un precedente annuncio aziendale, il fornitore dell’API aveva affermato che il suo servizio era progettato per gestire fino a 1000 miliardi di token al giorno, senza indicare limiti di richieste simultanee o di frequenza. Quella cifra descriveva la capacità della piattaforma, non l’utilizzo di V4.1 Flash, ed è precedente al nuovo modello. I dati attuali di OpenRouter vanno quindi interpretati come un traguardo di utilizzo per un modello su una singola piattaforma esterna, non come prova che DeepSeek abbia raggiunto i 1000 miliardi di token al giorno nell’insieme delle sue attività.

Anche il sistema di prezzi e instradamento di OpenRouter influisce sul risultato. La piattaforma aggrega le richieste degli sviluppatori tramite un’API unificata e le invia ai fornitori aderenti. L’utilizzo registrato riflette la base clienti della piattaforma, la disponibilità dei fornitori, le scelte di instradamento e gli alias dei modelli. Offre una finestra utile sull’adozione, ma non è un censimento indipendente del traffico globale di inferenza.

DeepSeek ritira i vecchi endpoint V4

Al lancio, DeepSeek ha reso V4.1 Flash la destinazione predefinita per diversi nomi di modelli già esistenti. L’azienda ha ritirato V4 Flash e V4 Flash Vision Exp, mentre le richieste inviate ai vecchi nomi deepseek-v4-flash e deepseek-v4-flash-vision-exp vengono temporaneamente instradate verso V4.1 Flash per compatibilità.

DeepSeek prevede inoltre di instradare tutte le richieste deepseek-v4-pro verso V4.1 Flash a partire dalle 04:00 UTC del 14 settembre 2026. Tali richieste saranno fatturate alle tariffe di V4.1 Flash fino al rilascio di V4.1 Pro da parte dell’azienda. La modifica significa che parte del traffico attribuito ai vecchi nomi V4 potrebbe presto riferirsi al nuovo modello, rendendo più difficili i confronti precisi tra le versioni, a meno che i fornitori non conservino registri per ciascun modello.

I partner ufficiali WorkBuddy, incluso CodeBuddy, e OpenCode supportano V4.1 Flash. DeepSeek ha rilasciato i pesi del modello tramite Hugging Face con licenza MIT e ha pubblicato un rapporto tecnico che descrive l’architettura, il sistema di cache e la configurazione per l’inferenza. Il modello è abbastanza grande da richiedere risorse hardware considerevoli per essere eseguito a piena precisione, nonostante il basso numero di parametri attivi durante ogni passaggio.

Il dato segnala l’adozione, non la qualità del modello

Mille miliardi di token elaborati dicono più sulla distribuzione e sul prezzo che sull’accuratezza. Il volume dei token può aumentare perché gli sviluppatori usano prompt più lunghi, gli agenti eseguono più passaggi, le applicazioni ripetono chiamate fallite o gli utenti sperimentano un endpoint economico. Nessuno di questi indicatori, preso singolarmente, dimostra che V4.1 Flash produca risposte migliori di un modello concorrente.

La pagina di valutazione di DeepSeek elenca punteggi tra cui 90,9 su GPQA Diamond, 90,6 su Terminal-Bench 2.1 e 74,2 su DeepSWE, anche se la scheda del modello precisa che alcuni risultati dipendono dall’ambiente di test e dalla configurazione degli strumenti. V4.1 Flash supera V4 Pro per prestazioni, costo, velocità e tempo di esecuzione complessivo, afferma DeepSeek, ma questi confronti provengono dai materiali di lancio dell’azienda e richiedono una replica indipendente.

Il dato sull’adozione ha comunque un significato pratico. Gli sviluppatori tendono a inviare grandi volumi di richieste ai modelli che combinano prezzi bassi e affidabilità accettabile, soprattutto quando gli agenti ripetono il contesto in molte chiamate. Il traffico iniziale di V4.1 Flash su OpenRouter suggerisce che la struttura della cache e i prezzi stiano attirando proprio questo tipo di carico di lavoro.

Per ora, il dato verificato è circoscritto: OpenRouter mostra più di 1000 miliardi di token elaborati per DeepSeek V4.1 Flash e attribuisce al modello il traguardo di 1000 miliardi di token nel primo giorno. La capacità complessiva dell’API di DeepSeek, il traffico diretto e l’utilizzo globale totale restano dati distinti.