AnswersPublished20 sources
DeepSeeks nye Flash-model scorer højere – men ikke alt er bevist
DeepSeek oplyser, at scoren på DeepSWE v1.1 steg fra 74,2 til 77,0. Det er et resultat fra virksomhedens egne benchmarktests – ikke bevis for, at modellen er stærkest på alle typer opgaver.[1] Opdateringen afløste den tidligere model på DeepSeeks hjemmeside, i appen og via API'en.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer
Key takeaways
- DeepSeek oplyser, at scoren på DeepSWE v1.1 steg fra 74,2 til 77,0. Det er et resultat fra virksomhedens egne benchmarktests – ikke bevis for, at modellen er stærkest på alle typer opgaver.[1]
- Opdateringen afløste den tidligere model på DeepSeeks hjemmeside, i appen og via API'en.
- En uafhængig måling viser fremgang, men evalueringer peger også på risiko for hallucinationer.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What does DeepSeek’s October 17 release of the open-weight V4.1-Flash-1017 update reveal about its claimed benchmark gains, faster task comp. Article summary: The release points to a stronger, more economical open-weight model for coding and other checkable tasks—not proof of frontier-level reasoning or dependable factual research.[1][10] The reported Chrome exploit adds a pot. Topic tags: general, education, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, cha
DeepSeeks opdatering af V4.1-Flash den 17. oktober 2026 tegner et lovende billede af bedre resultater på visse kode- og agentopgaver. Virksomheden siger også, at modellen løser opgaver hurtigere og skriver kortere svar. Men udtrykket »Pareto-forbedring af ydeevne og pris« betyder ikke, at API-prisen er sat ned, og eksterne evalueringer minder om, at modellen stadig kan være upålidelig på faktuelle opgaver.1
19
30
Hvad blev ændret den 17. oktober?
DeepSeek oplyser, at V4.1-Flash-1017 klarer sig bedre på benchmarks, løser opgaver hurtigere og giver kortere svar end den foregående version.1 I virksomhedens sammenligning steg scoren på DeepSWE v1.1 fra 74,2 til 77,0, mens Terminal-Bench 4.0 gik fra 31,2 til 42,3.
1
4 Resultaterne er relevante for kodning og opgaver, hvor en model bruger værktøjer, men de bygger på DeepSeeks egne benchmarkmålinger og bekræfter ikke uafhængigt alle virksomhedens påstande.
1
Den nye version erstattede den tidligere model på DeepSeeks hjemmeside, i appen og via API'en. API-kaldet og priserne blev ikke ændret, og DeepSeek udgav modelvægtene under MIT-licensen på Hugging Face.1
54 Med andre ord handler »Pareto-forbedring« her om virksomhedens påstand om bedre ydeevne og lavere omkostning pr. opgave – ikke om lavere offentliggjorte API-priser. Kortere svar kan betyde færre brugte tokens på en opgave, men de rapporterede gevinster i hastighed og effektivitet er ikke en garanti for alle anvendelser.
1
En stor model med færre aktive parametre
V4.1-Flash-1017 er en mixture-of-experts-model med en grundmodel på 552 milliarder parametre og et kontekstvindue på op til én million tokens. Ifølge Baseten er 8 milliarder parametre aktive, når input behandles, og 16 milliarder under generering. Tallet på 16 milliarder beskriver altså genereringen – ikke hele modellens størrelse.17
18
De åbne vægte gør det muligt at hente og køre modellen uden om DeepSeeks egne tjenester. API-opdateringen er en anden type adgang: Her fortsætter eksisterende kald med samme metode og pris.1
54
Effektiviseringsgevinsterne kom ikke alle med denne opdatering
Tom’s Hardware skriver, at den tidligere overgang fra V4 Flash til V4.1 Flash reducerede behovet for HBM til en fjerdedel og SSD-lager til en ottendedel.19 Det gælder en tidligere arkitekturændring og bør ikke fremstilles som besparelser, der først blev indført med V4.1-Flash-1017 den 17. oktober.
For brugere af den hostede API er forskellen enkel: De offentliggjorte priser er de samme, mens DeepSeek siger, at den opdaterede model skriver kortere svar og løser opgaver hurtigere.1
54 Om det reelt giver en lavere pris på en bestemt opgave, afhænger af, hvordan den bruges, og hvordan omkostningerne opgøres.
Uafhængige målinger viser både fremgang og begrænsninger
Artificial Analysis gav V4.1-Flash-1017 en score på 45 på deres Intelligence Index – seks point mere end den tidligere version – og placerede den på en delt andenplads blandt modeller med åbne vægte.30 Det peger på en målbar forbedring, men er ikke det samme som, at modellen fører i alle kategorier eller samlet overgår de bedste lukkede modeller.
På Artificial Analysis’ Omniscience-test steg den rapporterede nøjagtighed fra 43 til 46 procent. Andelen af svar uden hallucinationer var 33 procent, og modellens indeksresultat gik fra −5 til +5.31 Det er resultater på én bestemt test – ikke et generelt mål for, hvor ofte modellen svarer korrekt. Tom’s Hardware peger også på, at hallucinationer fortsat er en bekymring sammenlignet med proprietære konkurrenter.
19
Det afgørende er derfor, hvilken opgave modellen skal løse. Kode kan ofte testes, mens fejl i åben research eller præcis faktatekst kan være sværere at opdage, hvis de lyder overbevisende. Bedre benchmarkresultater fjerner ikke behovet for at efterprøve svarene.19
30
31
Påstanden om et Chrome-eksploit er ikke bekræftet
Den 22. oktober hævdede en forsker, der bruger navnet Exocija, at V4.1-Flash-1017 efter omkring 12 timer havde hjulpet med at udvikle et flertrins-eksploit baseret på hukommelseskorruption. Ifølge opslaget kunne det omgå Chromes V8-sandbox og give fuld læse- og skriveadgang til processen.47 En community-tracker betegner påstanden som ubekræftet og bemærker, at der på det tidspunkt ikke var offentlig kode, en CVE-identifikator eller en bekræftelse fra Google.
34
Den forskel er vigtig: En forskers beretning er ikke det samme som en uafhængigt gentaget demonstration. Hvis påstanden bliver bekræftet, vil den rejse spørgsmål om billig AI-assistance til offensiv cybersikkerhed. Det materiale, der foreligger her, viser dog ikke, at udnyttelsen er blevet uafhængigt bekræftet, brugt mod personer eller svarer til et fuldt kompromitteret apparat.34
47
Konklusion
V4.1-Flash-1017 kombinerer benchmark- og effektivitetsgevinster, som DeepSeek selv rapporterer, med en uafhængig måling, der viser fremgang på Artificial Analysis’ Intelligence Index. API-prisen er uændret, og modelvægtene er udgivet under MIT-licensen.1
30
54 Det mest oplagte er at afprøve modellen på målbare kode- eller agentopgaver og kontrollere resultaterne. Den foreliggende dokumentation gør det ikke rimeligt at kalde den en bevist frontløber, stole på den som kilde til ubekræftede fakta eller behandle Chrome-påstanden som en bekræftet evne.
19
30
34
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "DeepSeeks nye Flash-model scorer højere – men ikke alt er bevist"?
DeepSeek oplyser, at scoren på DeepSWE v1.1 steg fra 74,2 til 77,0. Det er et resultat fra virksomhedens egne benchmarktests – ikke bevis for, at modellen er stærkest på alle typer opgaver.[1]
What are the key points to validate first?
DeepSeek oplyser, at scoren på DeepSWE v1.1 steg fra 74,2 til 77,0. Det er et resultat fra virksomhedens egne benchmarktests – ikke bevis for, at modellen er stærkest på alle typer opgaver.[1] Opdateringen afløste den tidligere model på DeepSeeks hjemmeside, i appen og via API'en.
What should I do next in practice?
En uafhængig måling viser fremgang, men evalueringer peger også på risiko for hallucinationer.
Sources
rits.shanghai.nyu.eduDeepSeek Ships V4.1-Flash-1017: Faster Agents, Same Price
tomshardware.comDeepseek's latest AI model is smarter than ever, but its low running costs come at a price — uses only one-quarter of the HBM and one-eighth of SSD storage but still battles hallucinations in agentic workloads
x.comArtificial Analysis on X: "DeepSeek V4.1 Flash 1017 scores 45 on ...
digg.comDeepSeek Releases V4.1-Flash-1017, Claiming Improved Efficiency and Benchmark Gains