DeepSeek V4.1 Flash'in Çılgın Mimarisi: Paylaşımlı Hafızayla 437 Kat Küçülen KV

DeepSeek V4.1 Flash, Two Minute Papers'ın 'İnanılmaz Yeni Mimari' diye açtığı videonun merkezinde duruyor. Sunucu, modelin hızıyla başlıyor ve iki iddiayı yan yana koyuyor: Flash, bazı testlerde Claude Opus sınıfını ve hatta Kimi K3'ü geride bırakabiliyor, üstelik DeepSeek V4'ü de istikrarlı biçimde geçiyor. Yerelde V4 Pro'yu koşturmanın kabaca 300 bin dolarlık bir donanım istediği anlatılırken, Flash'ın aynı işi yaklaşık dörtte bir maliyetle yapması, eğrinin nereye gittiğini gösteriyor. Cebimize sığan bir ajana bir yıl uzaktayız vurgusu, bu yüzden temkinli bir iyimserlikle veriliyor.

Ne hızlandı, ne küçüldü: 437 katın anatomisi

İşin en çarpıcı kısmı, modelin aynı anda hem 'huge' hem 'small' olması. Huge, çünkü omurga 552 milyar parametre ve 1 milyon tokene kadar bağlam taşıyor; video '500 milyardan fazla' diyerek ölçeği işaret ediyor. Small ise, bağlamı tutan KV önbelleğinin küçülmesi. Paper'ın özeti net: V1'e göre 437 kat, sadece birkaç ay önceki V4 Flash'a göre ise 4 kat daha küçük bir global KV. ArXiv 2609.19969'a göre global ayak izi token başına 890 bayta iniyor — HBM'de sürekli duran kısım V4 Flash'ın dörtte biri. Kalıcı kısım için SWA Bounded Replay ile SSD/host bellekte tutulan iz, V4 Flash'ın sekizde birine düşüyor. Yani uzun ajan görevlerinde en pahalı kalem olan bellek ve bant genişliği doğrudan kırpılıyor.

Bu küçülme nasıl mümkün? Videodaki açıklama, tekniğin adını veriyor: Compressed Sparse Attention 2, kısaca CSA2. Geleneksel Transformer'da her katman kendi KV hafızasını ayrı tutarken, DeepSeek V4.1 Flash bu hafızayı katmanlar arasında paylaştırıyor. Herkesin her şeyi hatırlaması yerine, tek bir ortak hafıza var. Bunu kotarmanın zorluğu, farklı katmanların aynı geçmişe farklı bakış açısıyla ihtiyaç duyması. Çözüm, 40 katmanlı Causal Encoder-Decoder, yani CED mimarisi: 20 katmanlı nedensel kodlayıcı, nihai gizli durumlardan global bir bellek üretiyor; 20 katmanlı kod çözücü ise kendi katman durumlarından değil, bu global bellekten okuyor. Üstüne FP4 KV önbellekleme eklenince, hem HBM hem de SSD tarafındaki ayak izi dramatik biçimde düşüyor.

Mimarinin sayıları: 8B prefill, 16B decode, 45 trilyon token

CED'in getirdiği asimetri, ajan iş yükleri için kritik. Model, kod çözme sırasında token başına 16 milyar parametreyi aktive ederken, ön doldurmada yalnızca 8 milyar parametre ile ilerliyor. Girdi-ağır ajan senaryolarında prefill maliyetini yarıya çekmek, faturayı doğrudan düşürüyor. DeepSeek ekibi mimariyi sadeleştirmenin yanında birkaç verimli eklenti de eklemiş ve modeli 45 trilyon tokenlik çok modlu bir korpus üzerinde ön eğitmiş; ardından metin ve çok modlu ajan senaryolarında kapsamlı post-training yapmış. Hugging Face'te açık kontrol noktaları ve DeepSeek sitesindeki tanıtım, 'en küçük yeni aile üyesi ama görsel anlama yerleşik' diye konumlanıyor — 10 Eylül 2026 tarihli duyuru, daha yüksek üretim hızı ve iş hacmi vaadini öne çıkarıyor.

Video sadece mimari anlatmıyor, iki somut yetenek demosu da veriyor. İlki, yerleşik görsel anlama: ikonik bir oyun menüsünün görselini verip, onu birebir yineleyen bir oyunu yazdırması. İkincisi, fizik simülasyonu: 'bal sarmalanması' makalesini yeniden üretme denemesinde GPT-6 Astra'nın sonucu 'nefes kesici' bulunurken, Opus 5.1'in fiziği güçlü ama render tarafı bir adım geride kalıyor. DeepSeek V4.1 Flash için sunucu, 'birkaç makale daha sonra bu seviyeye de gelir, eminim' diyor ve başlıklara körü körüne inanmak yerine hakikati gösterme iddiasını vurguluyor. YouTube'un fizik videolarını daha az önermesinden duyduğu burukluğu da esprili bir şekilde ekliyor.

Püf noktası ve maliyet: çok düşünen, çok token yakan model

Videonun sonundaki 'catch' bölümü, hikâyeyi dengeye getiriyor. V4.1 Flash, düşünmeyi seviyor ve çok token yakıyor. Fiyat ucuz kalmış olsa da, toplam token hacmi yüksek. Donanımı olan için API'siz, ücretsiz koşturma mümkün; olmayan için Lambda gibi GPU bulutları pratik köprü oluyor. Sunucu, her yeni DeepSeek makalesiyle birlikte tüm ekosistem için çıkarım maliyetinin düştüğünü ve bunun doktorlar, bilim insanları gibi yüksek etkili kullanıcılar için doğrudan fayda ürettiğini söylüyor. Açık model ve açık makale kombinasyonu, 'open science for the win' hissini güçlendiriyor.

Toparlarsak, DeepSeek V4.1 Flash'in çılgınlığı kas gücünde değil, hafıza ekonomisinde. Katmanlar arası paylaşım, kodlayıcıdan kod çözücüye projeksiyon ve FP4 sıkıştırma üçlüsü, 1 milyon tokenlik bağlamı 890 baytlık bir token izine indirgerken performansı da taban çizgisinin üzerine taşıyor. Yerelde 300 bin dolarlık bariyerin dörtte birine çekilmesi, modelin bir yıl içinde cebe inebileceği beklentisini spekülasyondan çıkarıp mühendislik yol haritasına dönüştürüyor. Video, bu dönüşümü 437 kat ve 4 kat gibi iki ölçekte aynı anda anlatmayı başardığı için, mimariyi merak eden herkes için iyi bir başlangıç çerçevesi sunuyor.