Paglabas ng modelo

Inilabas ng DeepSeek AI ang DeepSeek-V4.1-Flash: 1M context, FP4 KV cache at cross-layer attention reuse

Orihinal na pamagat:DeepSeek AI Released DeepSeek-V4.1-Flash with 1M Context, FP4 KV Cache, and Cross-Layer Attention Reuse

AI summary

Inilabas ng DeepSeek AI ang multimodal MoE model na DeepSeek-V4.1-Flash, na may 552B backbone at 196B Engram parameters, 1M context window, 8B activated parameters sa prefill at 16B sa decode, at global KV cache na bumaba sa 890 bytes bawat token, mga 1/4 ng DeepSeek-V4-Flash at 1/437 ng DeepSeek-V1.

Mahahalagang impormasyon

  • Inilabas ng DeepSeek AI ang multimodal MoE model na DeepSeek-V4.
  • 1-Flash,na may 552B backbone at 196B Engram parameters,1M context window,8B activated parameters…
  • at global KV cache na bumaba sa 890 bytes bawat token,mga 1/4 ng DeepSeek-V4-Flash at 1/437 ng…

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
MarkTechPost(RSS)
Kategorya
Paglabas ng modelo
AI na marka
87
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

文章拆解了 KV 缓存压缩和预精简架构的具体做法,读者可以对照其工程路径评估长上下文部署成本。

Kaugnay na Entity

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Inilabas ng DeepSeek AI ang DeepSeek-V4.1-Flash: 1M context, FP4 KV cache at cross-layer attention reuse. 10 Setyembre 2026. https://new.nat6.net/fil/news/cmtv7kmzk02vdrok9y0y8njiv/

Tingnan lahat →