DeepSeekin rajapintaa käyttävät kehittäjät saivat 17. lokakuuta uuden mallin koskematta riviäkään omaan koodiinsa. Kiinalainen tekoäly-yhtiö vaihtoi deepseek-flash-nimen taakse DeepSeek V4.1-Flash -mallin uuden version. Samaan aikaan sen painot ilmestyivät Hugging Faceen kenen tahansa ladattaviksi.
Malli on julkaistu MIT-lisenssillä, joka sallii kaupallisen käytön ja muokkaamisen. Mallikortin mukaan siinä on 763 miljardia parametria ja miljoonan tokenin konteksti-ikkuna. DeepSeek kutsuu julkaisua pieneksi päivitykseksi, joka parantaa päättelyä, koodausta ja agenttitehtäviä ja lyhentää samalla vastauksia.
Koodauksessa edellä, laajassa kokeessa jäljessä
Huomion vei yksi luku. DeepSWE on ohjelmistokehityksen testi, jossa malli ratkoo itsenäisesti oikeiden koodiprojektien tehtäviä, ja siinä uusi Flash saa 77,0 pistettä. Anthropicin Claude Opus 5 saa samassa taulukossa 74,0 ja OpenAI:n GPT-5.6 Sol 73,0.
Laajemmassa mittarissa asetelma kääntyy. Humanity's Last Exam eli HLE on eri tieteenalojen vaikeista asiantuntijakysymyksistä koottu koe. Ilman apuvälineitä Opus 5 saa siinä 56,3 pistettä ja DeepSeek 42,6. Ero on selvä.
Opus 5 johtaa mallikortin taulukossa myös Terminal-Bench 4.0 -testissä (51,8 vs. 42,3) sekä ProgramBench- ja NL2Repo-testeissä. DeepSeek on puolestaan edellä automaatiota ja agenttityötä mittaavissa testeissä. Yleisesti Claudea parempi malli ei siis ole, mutta tietyissä koodaustehtävissä se pärjää kalliimmille kilpailijoilleen.
Vertailuluvut ovat DeepSeekin omia
Kaikki yllä olevat pisteet ovat DeepSeekin itse ilmoittamia Hugging Facen mallikortissa. DeepSWE ajettiin Mini-SWE-V2-ympäristössä ja Terminal-Bench Claude Coden ympäristössä. Riippumattomia mittauksia ei julkaisuhetkellä ollut saatavilla.
Testiympäristö vaikuttaa tuloksiin paljon. Esimerkiksi Reflection AI:n omassa vertailussa samojen kilpailijamallien DeepSWE-pisteet poikkeavat selvästi DeepSeekin ilmoittamista.
Mitä 0,15 dollaria tarkoittaa yritykselle
DeepSeek veloittaa rajapinnassaan 0,15 dollaria miljoonalta syötetokenilta. Se on halvin hinta, ja se pätee hiljaisina tunteina silloin, kun syöte ei löydy välimuistista. Ruuhka-aikaan hinta tuplaantuu 0,30 dollariin. Mallin tuottamat vastaustokenit maksavat 0,60–1,20 dollaria miljoonalta.
Ruuhka osuu suomalaisen työpäivän aamuun. DeepSeek laskee ruuhkatunneiksi arkisin kello 1–4 ja 6–10 UTC-aikaa, mikä on Suomen kesäajassa kello 4–7 ja 9–13.
Vertailukohdaksi: Claude Opus 5.5:n listahinta on 4 dollaria miljoonalta syötetokenilta ja 20 dollaria vastaustokenilta, kuten AI Suomi kertoi Googlen Gemini 4 Argonin hinnoittelun yhteydessä. Syötteessä DeepSeek on siis 13–27 kertaa ja vastauksissa 17–33 kertaa halvempi.
Kuukausilaskussa ero on konkreettinen. Yritys, joka syöttää koodaus- tai asiakaspalveluagentilleen miljardi tokenia kuukaudessa, maksaisi DeepSeekille syötteistä 150–300 dollaria. Opus 5.5:llä sama määrä maksaisi listahinnalla 4 000 dollaria. Välimuisti laskee molempien hintoja, joten todellinen ero riippuu käyttötavasta.
Hintapaine näkyy jo. Google tuli Argonin kanssa markkinoille väliaikaisella puolen hinnan tarjouksella, ja jokainen DeepSeekin julkaisu vaikeuttaa länsimaisten yhtiöiden listahintojen perustelemista. Painojen avoimuus antaa lisäksi vaihtoehdon niille, jotka eivät halua lähettää dataansa kiinalaisen yhtiön palvelimille: mallin voi ajaa omalla laitteistollaan. Sen koko tosin vaatii järeää laskentakapasiteettia.
“Pareto-parannus suorituskyvyssä ja kustannuksissa”
