Emekliye ayrılan, sonra ayrılmayan amiral gemisi

DeepSeek, 10 Eylül 2026'da V4.1 Flash'ı yayımladı. Sürüm notu ayrıca şunu söylüyordu: 14 Eylül'den itibaren V4 Pro'ya gönderilen istekler, V4.1 Pro gelene kadar V4.1 Flash tarafından karşılanacak ve Flash fiyatıyla faturalanacak. Birçok ekip bunu ancak sonradan fark etti; çünkü bilgi bir manşette değil, sürüm notunun içindeydi.

Sonra plan değişti. Bulabildiğimiz haberlere göre DeepSeek emeklilik ifadesini kaldırıp, kullanıcı talebi üzerine V4 Pro'nun 14 Eylül'den sonra da faturalama değişmeden çalışmaya devam edeceğini açıkladı. Bu geri dönüşü yalnızca tek bir kaynakta doğrulayabildik; bu yüzden iki sürümden birine güvenmeden önce DeepSeek'in kendi fiyat sayfasına bakın.

Asıl ilginç olan drama değil. Bir laboratuvar, bağımsız ölçümlerde amiral gemisinden daha yüksek puan alan daha ucuz bir model çıkardı ve bazı müşteriler yine de amiral gemisini tercih etti. Bu yazı, benchmark tablosu ile üretim kararı arasındaki o farkı anlatıyor.

V4.1 Flash nedir

Modelin yayımlanan özelliklerine göre V4.1 Flash bir uzmanlar karışımı (mixture-of-experts) modelidir. Her token için modelin yalnızca küçük bir kısmı çalışır; büyük bir modelin yine de ucuz ve hızlı sunulabilmesinin nedeni budur.

DeepSeek ayrıca yeni bir encoder-decoder tasarımından söz ediyor ve KV cache için önceki nesle göre yaklaşık dörtte bir GPU belleği ve sekizde bir SSD depolaması gerektiğini söylüyor. Bunlar üreticinin kendi iddiaları; bağımsız olarak doğrulandığını görmedik.

Bağımsız ölçümler ne diyor

Artificial Analysis, bileşik bir Intelligence Index yayımlar ve o endeksi çalıştırmanın maliyetini de kaydeder. Aşağıdaki rakamlar, haftalık bir Çin yapay zekâ bülteninde aktarıldığı şekliyle endeksin 4.3 sürümünden 15 Eylül'de okunmuştur. Endeksin eski sürümleri doğrudan karşılaştırılamaz; bu yüzden eski puanlarla karıştırmayın.

Token satırına dikkat edin. Flash, aynı işi bitirmek için V4 Pro'dan yaklaşık yüzde 56 daha fazla token yazdı (yukarıdaki iki rakamdan yapılan bir hesap, ayrı bir ölçüm değil); buna rağmen maliyeti yarıdan azdı. Yalnızca token başına fiyata bakmak bunu gizlerdi. Bütçe için önemli olan rakam, tamamlanmış bir görevin maliyetidir.

Rakiplerle karşılaştırma

Profesyonel iş çıktıları etrafında kurulu ve Elo puanı olarak raporlanan GDPval-AA v2 testinde V4.1 Flash, ±21 payla 1632 aldı. GLM-5.3 ve GLM-5.3-Flash ikisi de ±15 payla 1655'te; yani Flash ile istatistiksel olarak aynı seviyede. Qwen3.8-Max 1630 ±14 ile görev başına yaklaşık 2,67 $ tutuyor. Kimi K3 ise 1551 ile belirgin biçimde geride.

Bileşik endekste GLM-5.3-Flash, görev başına 0,25 $ ve saniyede 114,2 token ile 42 puan alıyor. Yani Flash daha hızlı, ama en yakın alternatiften net biçimde daha iyi ya da daha ucuz değil. İki üç modellik bir kısa liste, tek bir "kazanan"dan daha dürüsttür.

Üreticinin raporladığı sonuçlar: dikkatle okuyun

DeepSeek; Terminal-Bench 2.1'de 90,6, DeepSWE v1.1'de 74,2, GPQA Diamond'da 90,9, MathArena Apex'te 65,6 ve Codeforces'ta 3.471 puan bildiriyor. Bunlar üreticiden geliyor ve bildiğimiz kadarıyla üçüncü bir taraf tarafından yeniden üretilmedi. Modelin nerede güçlü olduğuna dair bir ipucu olarak işe yarar; satın alma gerekçesi olarak değil.

Fiyat saate bağlı

DeepSeek yoğun ve yoğun olmayan saat fiyatlandırması kullanıyor; yoğun olmayan saatlerin fiyatı yoğun saatlerin yarısı. Yoğun saatler, UTC'ye göre hafta içi saat aralıkları. İşiniz geceleri bir kuyrukta çalışabiliyorsa, bülten Flash için görev başına yaklaşık 0,13 $ tahmin ediyor. Bu rakam yazarın hesabı, ölçüm değil; sizin görev dağılımınız bunu değiştirir.

Pratik sonuç şu: mesai saatlerinde etkileşimli bir asistan için en ucuz model ile gece çalışan bir toplu iş için en ucuz model farklı seçimler olabilir.

Müşteriler amiral gemisini neden yeniden açtı

Benchmark'lar birçok görevin ortalamasını alır. Sizin ürününüz ise birkaç belirli görevi çalıştırır. Yeni bir mimari, benchmark'ların en az ölçtüğü yerlerde farklı davranabilir: uzun bir sistem istemini nasıl izlediği, araç çağrılarını nasıl biçimlendirdiği, cevaplarının ne kadar uzun olduğu, sizin dilinizi nasıl işlediği. Sağlayıcı arkadaki modeli değiştirdiğinde, sabit bir model adı sabit bir davranış vaadi değildir.

"Benchmark tablosu hangi modelin ortalamada daha iyi olduğunu söyler. Hangisinin sizin için daha iyi olduğunu yalnızca kendi iş yükünüz söyler."

Bu aynı zamanda sürüm sabitleme dersi. Sisteminiz belirli bir modelin davranışına bağlıysa, sağlayıcı izin veriyorsa tam sürümü sabitleyin ve sessiz bir yönlendirmeyi, başka her bağımlılık yükseltmesi gibi test gerektiren bir değişiklik sayın.

Kaynak ve lisans ayrı sorulardır

Aynı bülten, CISA, NSA ve FBI'ın 8 Eylül tarihli ortak bir uyarısından söz ediyor; uyarı, aralarında DeepSeek'in de bulunduğu altı Çin merkezli laboratuvarı, ABD modellerinden iddia edilen distilasyon nedeniyle adlandırıyor. Bülten, DeepSeek'e yönelik iddianın V4.1'i değil, R1 ve V3'ün eğitim verisini ilgilendirdiğine dikkat çekiyor. Görüşünüz ne olursa olsun iki soruyu ayrı tutun: lisans (burada MIT; ağırlıklarla neler yapabileceğinizi belirler) ve kaynak, yani eğitim verisinin nereden geldiği (hukuk ve güvenlik ekiplerinizin değerlendirmek isteyebileceği bir konu). Biri diğerini cevaplamaz.

Geçmeden önce kontrol listesi

Sonuç

V4.1 Flash, bugün elde bulunan bağımsız rakamlara göre güçlü ve ucuz bir model. Aynı zamanda bir model değişikliğinin fiyat değişikliği değil, ürün değişikliği olduğunu hatırlatıyor. Gerçekten çalışacağı yerde test edin, geri dönüş yolunu açık tutun ve kararı kendi verinizle verin.

Kaynaklar

Bu yazı, Ekim Kurtulmaz'ın (Efsora Labs) 17 Eylül 2026'da LinkedIn'de yayımlanan ve Artificial Analysis'in 15 Eylül verilerini aktaran haftalık Çin yapay zekâ bültenine ve V4.1 Flash lansmanına dair basın haberlerine dayanır. Rakamlar yayımlandığı şekliyle aktarılmıştır ve sonradan değişmiş olabilir.

Kendi çalışma alanınızda çalışırken görün

Bir TotalApp kiracısı oluşturun ve bu yazıda bahsedilen modülleri bağlayın — her departman için ayrı kurulum gerekmez.

TotalApp'i Ücretsiz Deneyin
Daha fazla yazı oku