DeepSeek Lanza DeepSeek-V4.1-Flash: MoE Multimodal de 552B con Arquitectura Causal Encoder-Decoder y 1M de Contexto
DeepSeek presenta un modelo MoE de 552B que activa solo 8B de parámetros en prefill y 16B en decode gracias a su arquitectura Causal Encoder-Decoder (CED), reduciendo drásticamente la huella de memoria con licencia MIT.