DeepSeek-V4.1-Flash-1017 ialah kemas kini kepada V4.1 Flash yang memberi tumpuan kepada pengekodan, penaakulan dan tugasan ejen AI—bukan generasi model baharu. DeepSeek mendakwa model ini menyiapkan tugasan dengan lebih pantas dan menghasilkan jawapan yang lebih ringkas. Ia tersedia di laman web, aplikasi dan API syarikat menggunakan nama model sedia ada, deepseek-flash, tanpa perubahan harga API.
38
5
Pengumuman DeepSeek dan rekod penerbitan di Hugging Face bertarikh 17 Oktober 2026, bukan 18 Oktober. Angka prestasi di bawah datang daripada kad model DeepSeek sendiri, jadi anggap ia sebagai keputusan yang dilaporkan syarikat, bukannya pengesahan bebas.
21
38
49
Apa yang berubah—dan apa yang kekal
Inti kemas kini ini ialah dakwaan DeepSeek tentang gabungan prestasi dan kos yang lebih baik: skor penanda aras meningkat, tugasan diselesaikan lebih pantas dan output lebih pendek. Namun, itu tidak bermakna kadar API dikurangkan. Nama model deepseek-flash dan harga API kekal sama. Jawapan yang lebih pendek mungkin mengurangkan bilangan token output yang dicaj bagi sesuatu permintaan, tetapi penjimatan sebenar bergantung pada permintaan dan jawapannya.
38
5
49
Berat model turut diterbitkan di Hugging Face di bawah lesen MIT. Laporan juga menyatakan ia tersedia di ModelScope.
21
3
35
Skor penanda aras: versi lama berbanding versi 1017
Kad model DeepSeek menyenaraikan skor berikut untuk V4.1 Flash dan V4.1-Flash-1017. Perbezaan ialah pengiraan mudah berdasarkan angka yang diterbitkan; ia tidak membuktikan prestasi model dalam setiap kegunaan sebenar.
49
| Penanda aras |
V4.1 Flash |
V4.1-Flash-1017 |
Perubahan |
| Terminal-Bench 4.0 |
31.2 |
42.3 |
+11.1 |
| ProgramBench |
20.3 |
29.1 |
+8.8 |
| DeepSWE v1.1 |
74.2 |
77.0 |
+2.8 |
| NL2Repo-Bench |
65.4 |
68.2 |
+2.8 |
| Automation-Bench v1.0.6 |
54.8 |
60.5 |
+5.7 |
DeepSeek menyatakan ujian Terminal-Bench 4.0 menggunakan Claude Code sebagai harness—persekitaran yang mengendalikan cara model menjalankan tugasan. Ujian DeepSWE v1.1 pula menggunakan Mini-SWE-V2. Perincian ini penting ketika menilai skor, yang masih merupakan ukuran yang dilaporkan DeepSeek sendiri.
49
Membina projek dan sokongan untuk alat ejen
DeepSeek berkata kemas kini ini lebih berkebolehan dalam pembangunan projek dari mula hingga siap, termasuk membina projek daripada kosong. Syarikat mengaitkan keupayaan itu dengan pembelajaran pengukuhan yang menggunakan maklum balas kendiri. Pengumuman menyebut tugasan daripada penciptaan permainan hingga pemodelan 3D, tetapi dakwaan itu sendiri tidak mengesahkan demo tertentu atau jumlah interaksi yang diperlukan.
38
Model ini dioptimumkan untuk DeepSeek Harness serta CodeBuddy dan WorkBuddy daripada Tencent. DeepSeek mengesyorkan DeepSeek Harness versi 0.2.1-rc.1 atau lebih baharu untuk menggunakan model tersebut.
38
DeepSeek turut menyatakan bahawa API-nya menyokong carian web dan fungsi mengambil kandungan halaman (fetch). Ini menyediakan alat untuk aliran kerja ejen, tetapi pengumuman yang tersedia tidak menghuraikan spesifikasi penuh API Search dan Fetch yang berasingan.
38
42
Pelancaran dan konteks kebolehpercayaan
Kemas kini ini tersedia di laman web, aplikasi dan API DeepSeek; pengguna API masih memanggilnya sebagai deepseek-flash. Laporan menyatakan harga API tidak berubah.
38
5 Ada liputan yang menyebut penyenaraian API lebih awal, tetapi sumber yang tersedia tidak mengesahkan secara berasingan bahawa penyenaraian itu dibuat sebelum pengumuman pada 17 Oktober.
12
Secara berasingan, Caixin melaporkan gangguan perkhidmatan selama hampir lima jam pada 15 Oktober, yang menjejaskan laman web, aplikasi dan API DeepSeek. Laporan yang tersedia tidak menunjukkan hubungan sebab-akibat antara gangguan itu dengan kemas kini model.
36