AnswersPublished20 sources
DeepSeek V4.1-Flash-1017: Skor Lebih Baik, Kos Tugas Lebih Rendah — Tetapi Apa yang Sudah Terbukti?
DeepSeek melaporkan skor DeepSWE v1.1 meningkat daripada 74.2 kepada 77.0, manakala Terminal Bench 4.0 naik daripada 31.2 kepada 42.3. Kemas kini 17 Oktober menggantikan model terdahulu di laman web, aplikasi dan API DeepSeek tanpa mengubah cara panggilan API atau harganya.
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- DeepSeek melaporkan skor DeepSWE v1.1 meningkat daripada 74.2 kepada 77.0, manakala Terminal Bench 4.0 naik daripada 31.2 kepada 42.3.
- Kemas kini 17 Oktober menggantikan model terdahulu di laman web, aplikasi dan API DeepSeek tanpa mengubah cara panggilan API atau harganya.
- Penilaian Artificial Analysis menunjukkan peningkatan, tetapi keputusan khusus tentang halusinasi dan dakwaan eksploit Chrome yang belum disahkan mengingatkan pengguna supaya menyemak jawapan dan tidak menganggap mode...
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
Kemas kini DeepSeek pada 17 Oktober 2026 untuk V4.1-Flash menunjukkan peningkatan yang meyakinkan pada beberapa ujian pengekodan dan tugasan ejen AI. Syarikat itu turut mendakwa model baharu menghasilkan jawapan lebih pendek dan menyiapkan tugasan dengan lebih pantas. Namun, dakwaan “peningkatan Pareto dalam prestasi dan kos” bukan bermaksud harga API dipotong, dan penilaian luar masih menunjukkan batas dari segi kebolehpercayaan.1
19
30
Apa yang berubah dalam kemas kini 17 Oktober?
DeepSeek berkata V4.1-Flash-1017 memperoleh prestasi lebih baik pada penanda aras, menyiapkan tugasan lebih cepat dan menghasilkan jawapan yang lebih pendek berbanding versi sebelumnya.1 Dalam perbandingan yang dilaporkan, skor DeepSWE v1.1 meningkat daripada 74.2 kepada 77.0, manakala Terminal-Bench 4.0 naik daripada 31.2 kepada 42.3.
1
4 Angka ini memberi petunjuk berguna tentang prestasi bagi kerja pengekodan dan tugasan berasaskan ejen, tetapi ia berdasarkan perbandingan penanda aras DeepSeek sendiri—bukan pengesahan bebas terhadap setiap peningkatan yang didakwa.
1
Versi baharu itu menggantikan versi terdahulu di laman web, aplikasi dan API DeepSeek. Cara menggunakan API dan harganya tidak berubah, sementara berat model berlesen MIT diterbitkan di Hugging Face.1
54 Jadi, “peningkatan Pareto” merujuk kepada dakwaan prestasi lebih baik dan kos lebih rendah bagi sesuatu tugasan, bukannya penurunan kadar harga API. Jawapan yang lebih pendek mungkin mengurangkan penggunaan token untuk tugasan tertentu, tetapi peningkatan kelajuan dan kecekapan itu masih perlu dianggap sebagai hasil yang dilaporkan, bukan jaminan untuk semua penggunaan.
1
Saiz model, parameter aktif dan konteks
V4.1-Flash-1017 ialah model campuran pakar (MoE) dengan asas 552 bilion parameter dan tetingkap konteks sehingga satu juta token. Menurut Baseten, 8 bilion parameter aktif semasa prapemprosesan input dan 16 bilion semasa proses penjanaan. Maka, angka “16 bilion parameter aktif” merujuk kepada penjanaan jawapan, bukan keseluruhan asas model.17
18
Berat model terbuka membolehkan pihak lain melaksanakannya di luar perkhidmatan hos DeepSeek. Sebaliknya, pengguna API DeepSeek terus menggunakan kaedah panggilan dan kadar harga yang sama selepas kemas kini itu.1
54 Kedua-duanya ialah bentuk akses yang berbeza: memuat turun berat model tidak sama dengan menggunakan API yang dihoskan.
Kecekapan perkakasan itu bukan semuanya baharu
Tom’s Hardware melaporkan bahawa peralihan lebih awal daripada V4 Flash kepada V4.1 Flash mengurangkan keperluan HBM kepada satu perempat dan storan SSD kepada satu perlapan.19 Angka tersebut merujuk kepada perubahan seni bina terdahulu; ia tidak patut dianggap sebagai penjimatan yang diperkenalkan khusus oleh kemas kini V4.1-Flash-1017 pada 17 Oktober.
Bagi pengguna API yang dihoskan, perbezaannya lebih mudah: harga yang disenaraikan tidak berubah, sementara DeepSeek mendakwa model baharu menghasilkan jawapan lebih pendek dan menyiapkan tugasan lebih pantas.1
54 Sama ada perkara itu mengurangkan kos bagi sesuatu kerja bergantung pada cara model digunakan dan bagaimana kos tersebut diukur.
Apa yang ditunjukkan oleh penilaian bebas?
Artificial Analysis memberikan V4.1-Flash-1017 skor 45 pada Intelligence Index, enam mata lebih tinggi daripada versi sebelumnya, dan meletakkannya seri di tempat kedua dalam kalangan model berberat terbuka.30 Ini menunjukkan peningkatan yang ketara dalam penilaian tersebut, tetapi bukan bukti bahawa model ini mendahului setiap kategori atau secara keseluruhan mengatasi model tertutup terbaik.
Dalam penilaian Omniscience oleh Artificial Analysis, ketepatan yang dilaporkan meningkat daripada 43% kepada 46%, kadar jawapan bukan halusinasi mencapai 33%, dan skor indeks berubah daripada −5 kepada +5.31 Angka ini khusus untuk penilaian tersebut; ia bukan kadar ketepatan umum bagi semua jenis soalan. Tom’s Hardware turut menyatakan bahawa halusinasi masih menjadi kebimbangan berbanding pesaing proprietari.
19
Kesimpulannya, padankan model dengan jenis tugasan. Hasil kerja pengaturcaraan lebih mudah diuji berbanding penyelidikan terbuka atau penulisan fakta yang memerlukan ketepatan tinggi—kerana kesilapan yang kedengaran munasabah mungkin sukar dikesan. Peningkatan skor penanda aras tidak menghapuskan keperluan untuk menyemak jawapan dalam keadaan seperti itu.19
30
31
Dakwaan eksploit Chrome masih belum disahkan
Pada 22 Oktober, penyelidik Exocija mendakwa bahawa penggunaan V4.1-Flash-1017 menghasilkan eksploit kerosakan memori berbilang peringkat yang melepasi sandbox V8 Chrome dan memperoleh akses baca/tulis penuh kepada proses selepas kira-kira 12 jam.47 Sebuah penjejak komuniti menandakan dakwaan itu sebagai belum disahkan, sambil menyatakan bahawa kod awam, CVE dan pengesahan Google belum tersedia dalam laporannya.
34
Perbezaan ini penting: laporan seorang penyelidik bukan demonstrasi yang telah dihasilkan semula secara bebas. Jika disahkan, dakwaan itu boleh menimbulkan persoalan tentang penggunaan AI kos rendah dalam keselamatan siber ofensif. Namun, maklumat yang tersedia di sini tidak membuktikan bahawa eksploit tersebut telah disahkan secara bebas, digunakan terhadap orang ramai atau sama dengan pencerobohan seluruh peranti.34
47
Kesimpulannya
Pelancaran V4.1-Flash-1017 menggabungkan peningkatan kecekapan dan skor penanda aras yang dilaporkan oleh DeepSeek dengan peningkatan Intelligence Index yang dilaporkan secara berasingan. Harga API pula kekal sama, dan berat model tersedia di bawah lesen MIT.1
30
54 Alasan paling kukuh untuk mencubanya ialah pada tugasan pengekodan atau kerja ejen yang hasilnya boleh diuji dan diukur.
Bukti yang ada belum cukup untuk menganggapnya sebagai peneraju model AI termaju yang telah terbukti, sumber fakta yang boleh dipercayai tanpa semakan, atau alat yang keupayaannya menembusi Chrome sudah disahkan.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 "DeepSeek V4.1-Flash-1017: Skor Lebih Baik, Kos Tugas Lebih Rendah — Tetapi Apa yang Sudah Terbukti?"?
DeepSeek melaporkan skor DeepSWE v1.1 meningkat daripada 74.2 kepada 77.0, manakala Terminal Bench 4.0 naik daripada 31.2 kepada 42.3.
What are the key points to validate first?
DeepSeek melaporkan skor DeepSWE v1.1 meningkat daripada 74.2 kepada 77.0, manakala Terminal Bench 4.0 naik daripada 31.2 kepada 42.3. Kemas kini 17 Oktober menggantikan model terdahulu di laman web, aplikasi dan API DeepSeek tanpa mengubah cara panggilan API atau harganya.
What should I do next in practice?
Penilaian Artificial Analysis menunjukkan peningkatan, tetapi keputusan khusus tentang halusinasi dan dakwaan eksploit Chrome yang belum disahkan mengingatkan pengguna supaya menyemak jawapan dan tidak menganggap mode...
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