LLM EU
Menü
Modelle

DeepSeek V4.1 Flash

DeepSeek

Nur im Katalog Offene Gewichte

Zuletzt geprüft:

Souveränität und Hosting

Nur im Katalog

Dieses Modell ist als Referenz katalogisiert. Es wird noch nicht bei LLM EU gehostet, und kein Endpunkt aus erster Hand bedient es hier. Anfragen dazu gehen direkt an den Anbieter, zu dessen eigenen Bedingungen.

Zusammenfassung

DeepSeek V4.1 Flash wird von DeepSeek als offene Gewichte mit 763,2B Parameter unter MIT veröffentlicht. Das Repository wurde im September 2026 angelegt und liegt auf Hugging Face. Es nimmt Text und Bilder entgegen und antwortet in Text. Es ist ein Basis-Checkpoint ohne Instruct-Abstimmung. Die veröffentlichte Konfiguration verzeichnet kein Kontextfenster; diese Karte führt daher keines. Die Karte ist reiner Katalog: LLM EU betreibt dieses Modell nicht. Der Anbieter nennt auf der Modellseite keine Sprachabdeckung.

Technische Daten

Anbieter
DeepSeek (CN)
Kontextfenster
Nicht verifiziert: Der Anbieter hat diese Angabe nicht belegt.
Modellparameter
763.2B
Modalitäten
text, vision
Lizenz
mit · licence
Offene Gewichte
yes
Veröffentlichungsdatum
10. Sept. 2026
Aufgaben
Schlussfolgern, Programmieren, Bildverstehen

Sprachen

Stark: —

Ausreichend: —

Stark

    Ausreichend

      Nicht verifiziert: Der Anbieter hat diese Angabe nicht belegt. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Wann einsetzen

      Stärken

      • open weights are published on Hugging Face and can be downloaded without a vendor agreement
      • mit licence, so commercial self-hosting is permitted without a separate agreement

      Grenzen

      • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
      • no evaluation has been run by LLM EU
      • the published configuration records no context window, so the card carries none
      • at 763.2B parameters, self-hosting needs a multi-node deployment rather than a single server
      • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model