AnswersPublished20 sources
DeepSeek visar framsteg – men vad säger resultaten egentligen?
DeepSeek uppger att poängen på DeepSWE v1.1 steg från 74,2 till 77,0 och på Terminal Bench 4.0 från 31,2 till 42,3. Uppdateringen ersatte den tidigare modellen på DeepSeeks webbplats, i appen och via API:et.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- DeepSeek uppger att poängen på DeepSWE v1.1 steg från 74,2 till 77,0 och på Terminal Bench 4.0 från 31,2 till 42,3.
- Uppdateringen ersatte den tidigare modellen på DeepSeeks webbplats, i appen och via API:et.
- En oberoende utvärdering visar ett högre resultat på Artificial Analysis Intelligence Index, men andra test och rapportering pekar fortfarande på risk för 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 uppdatering av V4.1-Flash den 17 oktober 2026 ger stöd för att modellen har blivit bättre på vissa kod- och agentuppgifter. Företaget säger också att den arbetar snabbare och ger kortare svar. Men uttrycket ”Paretoförbättring av prestanda och kostnad” innebär inte att API-priset har sänkts – och externa utvärderingar visar att tillförlitligheten fortfarande har begränsningar.1
19
30
Vad ändrades i oktoberuppdateringen?
DeepSeek uppger att V4.1-Flash-1017 presterar bättre i tester, slutför uppgifter snabbare och producerar kortare svar än den föregående versionen.1 Enligt företagets jämförelse steg resultatet på DeepSWE v1.1 från 74,2 till 77,0, medan Terminal-Bench 4.0 ökade från 31,2 till 42,3.
1
4 Det är lovande signaler för programmering och agentuppgifter, men siffrorna kommer från DeepSeeks egna jämförelser och bekräftar inte i sig alla påstådda framsteg.
1
Den nya versionen ersatte den tidigare modellen på DeepSeeks webbplats, i appen och via API:et. Metoden för API-anrop och prissättningen lämnades oförändrade, samtidigt som DeepSeek publicerade modellvikterna under MIT-licens på Hugging Face.1
54 Med andra ord syftar ”Paretoförbättring” på företagets påstående om bättre prestanda och lägre kostnad per uppgift – inte på en sänkning av de publicerade API-priserna. Kortare svar kan minska antalet token som går åt för en viss uppgift, men uppgifterna om hastighet och effektivitet är fortfarande rapporterade resultat, inte en garanti för alla användningsområden.
1
Modellens storlek och kontextfönster
V4.1-Flash-1017 är en mixture-of-experts-modell med en stomme på 552 miljarder parametrar och ett kontextfönster på upp till en miljon token. Baseten anger att 8 miljarder parametrar är aktiva när indata förbereds och 16 miljarder när modellen genererar text. Uppgiften om ”16 miljarder aktiva parametrar” gäller alltså genereringen, inte hela modellens stomme.17
18
De öppna modellvikterna gör det möjligt att driftsätta modellen utanför DeepSeeks egna tjänster. API-uppdateringen innebär samtidigt att befintliga anrop fortsätter att fungera med samma metod och pris.1
54 Det är två olika sätt att använda modellen: att ladda ned vikterna är inte samma sak som att använda DeepSeeks API.
Effektivitetsvinsterna började inte med just den här versionen
Tom’s Hardware rapporterar att den tidigare övergången från V4 Flash till V4.1 Flash minskade behovet av HBM till en fjärdedel och SSD-lagringen till en åttondel.19 De siffrorna gäller en tidigare arkitekturförändring och bör inte beskrivas som besparingar som tillkom specifikt med uppdateringen V4.1-Flash-1017 den 17 oktober.
För den som använder DeepSeeks API är skillnaden i praktiken enklare: prislistan ändrades inte, medan DeepSeek säger att den nya modellen ger kortare svar och slutför uppgifter snabbare.1
54 Om det i sin tur sänker kostnaden för ett visst arbetsflöde beror på hur det används och mäts.
Vad oberoende utvärderingar visar
Artificial Analysis gav V4.1-Flash-1017 resultatet 45 på sitt Intelligence Index – sex poäng mer än föregångaren – och beskrev modellen som delad tvåa bland modeller med öppna vikter.30 Det är ett tecken på en mätbar förbättring, men betyder inte att modellen leder i varje kategori eller överlag slår de bästa modellerna med stängda vikter.
I Artificial Analysis test Omniscience steg modellens uppmätta träffsäkerhet från 43 till 46 procent. Andelen svar utan hallucinationer uppmättes till 33 procent, och indexresultatet ökade från −5 till +5.31 Det här är resultat från ett specifikt test, inte ett generellt mått på hur ofta modellen har rätt. Tom’s Hardware lyfter också fram att hallucinationer fortfarande är en utmaning jämfört med kommersiella konkurrenter.
19
Den praktiska slutsatsen är att välja uppgift med omsorg. Programmering och annat arbete där resultatet går att testa är enklare att kontrollera än öppen research eller faktatung textproduktion, där ett trovärdigt men felaktigt påstående kan vara svårare att upptäcka. Bättre testresultat tar inte bort behovet av att verifiera svaren.19
30
31
Påståendet om ett Chrome-angrepp är inte verifierat
Den 22 oktober hävdade säkerhetsforskaren Exocija att V4.1-Flash-1017 hade använts för att skapa ett minneskorruptionsangrepp i flera steg. Enligt forskaren tog det omkring 12 timmar att ta sig förbi Chromes V8-sandlåda och få full läs- och skrivrättighet till processen.47 En communitybaserad sammanställning betecknar påståendet som overifierat och noterar att det vid rapporteringen saknades offentlig kod, ett CVE-nummer och bekräftelse från Google.
34
Skillnaden är viktig: en forskares beskrivning är inte detsamma som en demonstration som oberoende aktörer har kunnat återskapa. Om uppgiften skulle verifieras kan den väcka frågor om hur AI till låg kostnad kan hjälpa till med offensiv säkerhetsforskning. Men det tillgängliga underlaget visar inte att angreppet bekräftats oberoende, använts mot någon eller motsvarar ett intrång i en hel enhet.34
47
Slutsatsen
V4.1-Flash-1017 kombinerar benchmarkförbättringar och effektivitetsvinster som DeepSeek rapporterar med en förbättring på Artificial Analysis Intelligence Index.1
30 API-priserna är oförändrade, medan modellvikterna finns tillgängliga under MIT-licens.
1
54 Det starkaste argumentet för modellen är att prova den på mätbara kod- eller agentuppgifter och kontrollera resultaten. Underlaget räcker däremot inte för att beskriva den som en bevisad ledare bland de mest avancerade modellerna, en pålitlig källa för obekräftade fakta eller en bekräftad metod för att ta sig in i Chrome.
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 visar framsteg – men vad säger resultaten egentligen?"?
DeepSeek uppger att poängen på DeepSWE v1.1 steg från 74,2 till 77,0 och på Terminal Bench 4.0 från 31,2 till 42,3.
What are the key points to validate first?
DeepSeek uppger att poängen på DeepSWE v1.1 steg från 74,2 till 77,0 och på Terminal Bench 4.0 från 31,2 till 42,3. Uppdateringen ersatte den tidigare modellen på DeepSeeks webbplats, i appen och via API:et.
What should I do next in practice?
En oberoende utvärdering visar ett högre resultat på Artificial Analysis Intelligence Index, men andra test och rapportering pekar fortfarande på risk för 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