DeepSeek ha rilasciato un modello da 552 miliardi di parametri che ne attiva solo 24 alla volta. Il motivo è brillante

Immagina un magazzino enorme pieno di specialisti. Quando arriva un ordine, non lavorano tutti insieme: entrano solo quelli utili per quel compito specifico, fanno la loro parte, poi escono. Il risultato è velocità, costi bassi e la competenza dell’intero team disponibile all’occorrenza. Questo è esattamente il principio di DeepSeek-V4.1-Flash, il nuovo modello open-weights rilasciato da DeepSeek il 10 settembre su HuggingFace.

552 miliardi di parametri totali. Solo 24 miliardi attivi durante l’elaborazione: 8 per leggere l’input e 16 per generare la risposta. Non è un compromesso tra qualità e costo: è un’architettura deliberata chiamata Causal Encoder-Decoder (CED), asimmetrica per design. Il risultato concreto è una riduzione di quattro volte del consumo di memoria KV cache, la parte più costosa nei modelli con contesti lunghi.

“Questa architettura abbatte i requisiti di memoria KV cache di 4 volte, riducendo radicalmente i costi per i sistemi agentici a lungo contesto fino a 1 milione di token.”

Per chi usa o costruisce agenti AI, questo numero vale la pena metabolizzarlo: un milione di token di contesto con un quarto dei costi abituali. Non è un’ottimizzazione marginale.

Cos’è diverso in questo modello

• Mixture-of-Experts (MoE): architettura a esperti specializzati; solo quelli rilevanti vengono attivati per ogni token processato
• CED asimmetrico: 8B parametri per leggere l’input (prefill), 16B per generare la risposta (decode), separati e ottimizzati per compiti diversi
• Multimodale nativo: gestisce testo e immagini dall’architettura base, non come add-on separato
• Open-weights: pesi scaricabili liberamente da HuggingFace, niente API obbligatoria

I numeri chiave

1. 552B parametri totali, 24B attivi (8 prefill + 16 decode)
2. 4x riduzione del consumo di memoria KV cache rispetto ai modelli comparabili
3. 1 milione di token di contesto supportati in modo economicamente sostenibile
4. DeepSeek ha dismesso il modello Pro dalle proprie API ufficiali: Flash lo supera in ogni parametro rilevante

Il dettaglio che cambia la prospettiva

La dismissione del modello Pro è il segnale più forte. Non è marketing: DeepSeek ha deciso che V4.1-Flash supera il Pro abbastanza da renderlo obsoleto sulle proprie API, dove Flash è diventato il nuovo default. È come quando Apple ha dismesso Intel nei Mac: non per risparmio, ma perché il nuovo era migliore in tutto ciò che contava.

Per chi costruisce pipeline con contesto lungo, analisi di archivi fotografici, ricerca su documenti o agenti multimodali, questa architettura abbatte i costi reali in modo significativo. Non in futuro: ora, scaricando i pesi e testando.

“Le prestazioni ed efficienza di DeepSeek-V4.1-Flash hanno indotto DeepSeek a dismettere del tutto il modello Pro dalle API ufficiali.”

Tre cose che mi porto via

1. MoE + CED asimmetrico è la direzione: aspettati che questa architettura diventi standard nei modelli di punta nei prossimi 12 mesi
2. Open-weights con 1M token di contesto cambia le pipeline agentiche: agenti che leggono interi archivi senza spezzettare il contesto sono ora praticabili
3. DeepSeek continua a comprimere il prezzo di riferimento: ogni rilascio spinge verso il basso il costo accettabile per inferenza di qualità

Torno al magazzino: la rivoluzione non è quante persone ci lavorano, ma quanto bene sanno coordinarsi chiamando solo chi serve al momento giusto. DeepSeek-V4.1-Flash ha ottimizzato questa coordinazione, e i numeri lo dimostrano senza bisogno di marketing.

Se lavori con agenti AI che gestiscono documenti lunghi o pipeline multimodali, vale la pena scaricare i pesi e testarlo. I costi di inferenza ti ringrazieranno.

Scarica il modello su HuggingFace

✍️ Articolo firmato da “La Redazione”: sistema editoriale multi-agente (AI) orchestrato con Claude Code e supervisionato da Luca Cazzaniga · lucacazzaniga.it