DeepSeek in één minuut
DeepSeek kan teksten en code verwerken, problemen uitwerken en, met geschikte modellen, afbeeldingen begrijpen. Een chatproduct, een API en downloadbare modelgewichten zijn verschillende manieren om ermee te werken. Op 8 oktober 2026 is V4.1-Flash de nieuwste release in het officiële overzicht; V4-Pro-0813 blijft daarnaast in de API aangeboden.
Welke DeepSeek-modellen zijn actueel?
De officiële releasegeschiedenis vermeldt DeepSeek-V4.1-Flash, uitgebracht op 10 september 2026. De API-naam deepseek-flash verwijst op de controledatum naar deze versie. De actuele modeltabel noemt ook deepseek-v4-pro, met versie V4-Pro-0813. Oudere namen zoals V3 en R1 horen bij de ontwikkeling van de familie, maar beschrijven niet de nieuwste release.
V4.1-Flash verwerkt tekst en afbeeldingen en geeft tekst terug. Denk aan het uitleggen van een grafiek of het combineren van een productfoto met specificaties. Afbeeldingen begrijpen betekent niet automatisch afbeeldingen of video genereren. Voor programmeerwerk kan het model code voorstellen; een ontwikkelomgeving moet die code nog uitvoeren en testen.
De API ondersteunt een instelbare redeneerinspanning. Meer rekenwerk kan bij een moeilijke opdracht nuttig zijn, maar garandeert geen juist antwoord. Controleer welke versie een API-alias aanwijst voordat je resultaten uit verschillende maanden vergelijkt.
MoE, context en open weights uitgelegd
V4.1-Flash gebruikt Mixture of Experts (MoE): per token wordt een selectie van gespecialiseerde onderdelen geactiveerd. Het totale aantal parameters is daarom niet hetzelfde als het aantal dat voor één stap wordt gebruikt. De modelkaart beschrijft daarnaast een Causal Encoder-Decoder-architectuur en compressie van de tijdelijke contextopslag. Het doel is lange invoer efficiënter te verwerken.
De modelkaart vermeldt maximaal één miljoen tokens context. Dat is beschikbare werkruimte voor context en uitvoer, geen garantie dat ieder detail uit een groot dossier correct terugkomt. Bijlagen, instructies en toolresultaten delen de beschikbare ruimte; de productinterface kan eigen grenzen hanteren.
De gewichten van V4.1-Flash zijn onder de MIT-licentie beschikbaar. Open weights betekent dat ontwikkelaars het model zelf kunnen uitvoeren of aanpassen binnen de licentievoorwaarden. De benodigde hardware en het beheer verdwijnen daarmee niet. Het betekent evenmin dat alle trainingsdata openbaar zijn.
De evaluatietabellen bij het model zijn door DeepSeek gepubliceerd. Ze zijn leveranciersmetingen, geen onafhankelijke validatie of bewijs dat DeepSeek voor iedere taak de beste keuze is.
Voorbeeld voor een webshop
Een webshop ontvangt productinformatie als tekst en afbeeldingen. Een toepassing kan DeepSeek eerst kenmerken laten voorstellen en ontbrekende waarden laten markeren. Daarna controleert een medewerker maten, materiaal en claims voordat de informatie in het CMS komt. Een tool schrijft pas naar het CMS als die koppeling en toestemming daadwerkelijk bestaan.
Bij een eigen installatie beheer je model, infrastructuur en updates. Bij de API beheert de aanbieder het model en gelden zijn servicevoorwaarden. Vergelijk beide routes op je eigen documenten, foutpercentage en totale beheerkosten. De actuele API-prijstabel staat bij de bronnen; vaste bedragen zouden hier snel verouderen.