JawabanDipublikasikan20 sumber
DeepSeek V4.1-Flash-1017: Lebih Efisien, tetapi Belum Bebas dari Tanda Tanya
DeepSeek melaporkan skor DeepSWE v1.1 naik dari 74,2 menjadi 77,0 dan Terminal Bench 4.0 dari 31,2 menjadi 42,3. Pembaruan 17 Oktober 2026 menggantikan model sebelumnya di situs, aplikasi, dan API DeepSeek tanpa mengubah metode pemanggilan maupun harga API.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- DeepSeek melaporkan skor DeepSWE v1.1 naik dari 74,2 menjadi 77,0 dan Terminal Bench 4.0 dari 31,2 menjadi 42,3.
- Pembaruan 17 Oktober 2026 menggantikan model sebelumnya di situs, aplikasi, dan API DeepSeek tanpa mengubah metode pemanggilan maupun harga API.
- Artificial Analysis melaporkan skor Intelligence Index 45, tetapi evaluasi lain dan laporan Tom’s Hardware mengingatkan bahwa halusinasi masih menjadi perhatian.
AI Perintah
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
Pembaruan DeepSeek V4.1-Flash-1017 pada 17 Oktober 2026 memberi alasan untuk menguji model ini pada tugas coding dan pekerjaan berbasis agen AI yang hasilnya bisa diperiksa. DeepSeek mengklaim model lebih cepat, menghasilkan jawaban lebih ringkas, dan meraih skor lebih tinggi di sejumlah benchmark. Namun, klaim “peningkatan Pareto pada performa dan biaya” bukan berarti tarif API turun, dan evaluasi independen masih menunjukkan keterbatasan keandalan.1
19
30
Apa yang berubah pada pembaruan 17 Oktober?
DeepSeek menyebut V4.1-Flash-1017 meningkatkan performa benchmark, menyelesaikan tugas lebih cepat, dan menghasilkan keluaran lebih pendek dibandingkan versi sebelumnya.1 Dalam angka yang dilaporkan perusahaan, skor DeepSWE v1.1 naik dari 74,2 menjadi 77,0, sedangkan Terminal-Bench 4.0 meningkat dari 31,2 menjadi 42,3.
1
4
Hasil tersebut menjadi sinyal positif untuk coding dan tugas agen, tetapi perlu dibaca sesuai konteks: angka-angka itu berasal dari perbandingan benchmark DeepSeek sendiri, bukan verifikasi independen atas seluruh klaim peningkatan.1
Model baru menggantikan versi sebelumnya di situs, aplikasi, dan API DeepSeek. Metode pemanggilan API dan harganya tidak berubah, sementara bobot model berlisensi MIT diterbitkan di Hugging Face.1
54 Jadi, istilah “peningkatan Pareto” merujuk pada klaim bahwa performa membaik dan biaya per tugas dapat lebih rendah—bukan pemotongan tarif API. Keluaran yang lebih pendek mungkin mengurangi pemakaian token untuk tugas tertentu, tetapi manfaat kecepatan dan efisiensi tetap perlu dinilai berdasarkan penggunaan nyata.
1
Model 552 miliar parameter, tetapi tidak semuanya aktif
V4.1-Flash-1017 adalah model mixture-of-experts (MoE), dengan total 552 miliar parameter pada tulang punggung model dan jendela konteks hingga satu juta token. Baseten mencatat 8 miliar parameter aktif saat prefill input dan 16 miliar saat proses menghasilkan keluaran. Dengan demikian, angka 16 miliar merujuk pada tahap generasi, bukan keseluruhan parameter model.17
18
Bobot terbuka memungkinkan model digunakan di luar layanan yang dihosting DeepSeek. Sementara itu, pengguna API dapat terus memakai metode pemanggilan yang sama dengan harga yang tidak berubah.1
54 Keduanya merupakan cara akses yang berbeda: mengunduh bobot model tidak sama dengan menggunakan API yang dihosting.
Efisiensi bukan seluruhnya berasal dari pembaruan terbaru
Tom’s Hardware melaporkan bahwa peralihan sebelumnya dari V4 Flash ke V4.1 Flash memangkas kebutuhan HBM menjadi seperempat dan penyimpanan SSD menjadi seperdelapan.19 Penghematan tersebut terkait perubahan arsitektur pada transisi sebelumnya, bukan hal yang bisa dianggap sebagai penghematan baru yang khusus diperkenalkan oleh pembaruan V4.1-Flash-1017 pada 17 Oktober.
Bagi pengguna API, perbedaan praktisnya lebih sederhana: harga yang tercantum tetap sama, sementara DeepSeek mengatakan model baru dapat menyelesaikan tugas lebih cepat dengan keluaran lebih ringkas.1
54 Apakah hal itu benar-benar menurunkan biaya untuk suatu pekerjaan bergantung pada cara model digunakan dan bagaimana biayanya dihitung.
Apa yang ditunjukkan evaluasi independen?
Artificial Analysis memberi V4.1-Flash-1017 skor 45 pada Intelligence Index, enam poin lebih tinggi daripada versi sebelumnya, dan menempatkannya setara di posisi kedua di antara model berbobot terbuka.30 Hasil itu menunjukkan peningkatan yang terukur dalam evaluasi tersebut, tetapi bukan berarti model ini unggul di setiap kategori atau memimpin semua model tertutup.
Pada evaluasi Omniscience milik Artificial Analysis, akurasi yang dilaporkan naik dari 43% menjadi 46%. Tingkat jawaban nonhalusinasi mencapai 33%, sementara skor indeksnya bergerak dari −5 menjadi +5.31 Angka-angka ini berlaku untuk evaluasi tersebut, bukan tingkat akurasi umum untuk semua jenis pertanyaan. Tom’s Hardware juga mencatat bahwa halusinasi masih menjadi persoalan dibandingkan sejumlah pesaing proprieter.
19
Artinya, pilihan penggunaan perlu disesuaikan dengan jenis tugas. Kode dan pekerjaan lain yang hasilnya dapat diuji relatif lebih mudah diperiksa daripada riset terbuka atau penyusunan dokumen faktual yang presisi—situasi ketika jawaban keliru tetapi terdengar meyakinkan bisa lebih sulit dikenali. Kenaikan benchmark tidak menghilangkan kebutuhan untuk memeriksa jawaban.19
30
31
Klaim eksploit Chrome belum terverifikasi
Pada 22 Oktober, peneliti Exocija mengklaim bahwa penggunaan V4.1-Flash-1017 menghasilkan eksploit korupsi memori bertahap yang dapat keluar dari sandbox V8 Chrome dan memperoleh akses baca-tulis penuh ke proses setelah sekitar 12 jam.47 Namun, sebuah pelacak komunitas menandai klaim tersebut sebagai belum terverifikasi. Dalam laporan itu, belum tersedia kode publik, CVE, maupun konfirmasi dari Google.
34
Pembedaan ini penting: laporan seorang peneliti belum sama dengan demonstrasi yang telah direproduksi secara independen. Jika terverifikasi, klaim tersebut dapat memunculkan pertanyaan tentang penggunaan AI berbiaya rendah dalam keamanan ofensif. Namun, informasi yang tersedia di sini tidak membuktikan bahwa eksploit itu telah dikonfirmasi secara independen, digunakan terhadap pengguna, atau setara dengan kompromi terhadap seluruh perangkat.34
47
Kesimpulan
Rilis V4.1-Flash-1017 menggabungkan peningkatan benchmark dan efisiensi yang dilaporkan DeepSeek dengan kenaikan Intelligence Index yang dilaporkan Artificial Analysis. Harga API tetap, sementara bobot model tersedia dengan lisensi MIT.1
30
54 Alasan terkuat untuk mencobanya adalah pada tugas coding atau pekerjaan agen yang hasilnya bisa diukur dan diperiksa.
Namun, bukti yang tersedia belum cukup untuk menyebutnya pemimpin model AI terdepan yang sudah terbukti, sumber yang bisa diandalkan untuk fakta tanpa verifikasi, ataupun kemampuan yang dipastikan dapat mengompromikan Chrome.19
30
34
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "DeepSeek V4.1-Flash-1017: Lebih Efisien, tetapi Belum Bebas dari Tanda Tanya"?
DeepSeek melaporkan skor DeepSWE v1.1 naik dari 74,2 menjadi 77,0 dan Terminal Bench 4.0 dari 31,2 menjadi 42,3.
Apa poin penting yang harus divalidasi terlebih dahulu?
DeepSeek melaporkan skor DeepSWE v1.1 naik dari 74,2 menjadi 77,0 dan Terminal Bench 4.0 dari 31,2 menjadi 42,3. Pembaruan 17 Oktober 2026 menggantikan model sebelumnya di situs, aplikasi, dan API DeepSeek tanpa mengubah metode pemanggilan maupun harga API.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Artificial Analysis melaporkan skor Intelligence Index 45, tetapi evaluasi lain dan laporan Tom’s Hardware mengingatkan bahwa halusinasi masih menjadi perhatian.
Sumber
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