DeepSeek-V4.1-Flash-1017, V4.1 Flash’ın kodlama, akıl yürütme ve ajan görevlerine odaklanan küçük bir güncellemesi. Yeni bir model nesli değil: DeepSeek, görevlerin daha hızlı tamamlandığını ve yanıtların kısaldığını söylüyor. Güncelleme web sitesi, uygulama ve API’de mevcut; API’de model adı deepseek-flash olarak kaldı ve fiyatlandırma değişmedi.
38
5
Yayın duyurusu ile Hugging Face’deki model kaydı 18 Ekim’i değil, 17 Ekim 2026’yı işaret ediyor. Aşağıdaki benchmark puanları DeepSeek’in model kartında yayımladığı sonuçlar; bağımsız testlerle doğrulanmış performans ölçümleri değil.
21
38
49
Neler değişti, neler aynı kaldı?
DeepSeek güncellemeyi performans ve maliyet dengesi açısından bir iyileştirme olarak tanımlıyor: daha yüksek benchmark skorları, daha hızlı görev tamamlama ve daha kısa çıktılar. Ancak bu, API birim fiyatının düştüğü anlamına gelmiyor. Model, deepseek-flash adıyla sunulmaya devam ediyor ve API fiyatı aynı. Yanıtların kısalması, bazı isteklerde faturalandırılan çıktı token’larını azaltabilir; gerçek tasarruf isteğin ve yanıtın içeriğine bağlı.
38
5
49
Modelin ağırlıkları Hugging Face’de MIT lisansıyla yayımlandı; haberlerde ModelScope’da da erişime açıldığı bildirildi.
21
3
35
DeepSeek’in açıkladığı benchmark sonuçları
Aşağıdaki tablo, model kartındaki eski ve yeni sürüm puanlarını karşılaştırıyor. Farklar, listelenen puanlar arasındaki basit çıkarma sonucudur; her gerçek kullanım senaryosundaki performansı tek başına göstermez.
49
| Benchmark |
V4.1 Flash |
V4.1-Flash-1017 |
Fark |
| 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 |
Model kartında Terminal-Bench 4.0 için Claude Code, DeepSWE v1.1 içinse Mini-SWE-V2 değerlendirme altyapısının kullanıldığı belirtiliyor. Sonuçları yorumlarken bu test koşullarını göz önünde bulundurmak gerekiyor; puanlar yine de DeepSeek’in kendi ölçümleri.
49
Proje geliştirme ve ajan araçları
DeepSeek, güncellemenin sıfırdan proje geliştirme ve uçtan uca görevlerde daha başarılı olduğunu öne sürüyor. Şirket bu gelişimi, modelin kendi çıktılarından geri bildirim alarak öğrenmesini sağlayan pekiştirmeli öğrenme yaklaşımına bağlıyor. Duyuruda oyun geliştirme ve 3D modelleme gibi örneklerden söz ediliyor; ancak bu açıklama tek başına belirli demoların nasıl üretildiğini veya kaç etkileşim gerektiğini doğrulamıyor.
38
Model, DeepSeek Harness ile Tencent’in CodeBuddy ve WorkBuddy araçları için optimize edildi. DeepSeek, yeni modelle en iyi deneyim için DeepSeek Harness’in 0.2.1-rc.1 veya daha yeni bir sürümünü öneriyor.
38
DeepSeek, API’nin web arama ve web sayfalarından içerik çekme özelliklerini de desteklediğini belirtiyor. Bu araçlar ajan iş akışlarında kullanılabiliyor; ancak mevcut duyuruda bağımsız bir Search ve Fetch API’sinin tüm teknik özelliklerini açıklayacak kadar ayrıntı yok.
38
42
Yayına geçiş ve hizmet kesintisi
Güncelleme DeepSeek’in web sitesinde, uygulamasında ve API’sinde kullanıma açıldı. API kullanıcılarının model adını değiştirmesi gerekmedi; deepseek-flash adı ve fiyatlandırma korundu.
38
5 Bazı haberlerde duyurudan önce bir API listelemesinden söz ediliyor, ancak mevcut kaynaklar 17 Ekim duyurusundan önce ayrı ve doğrulanmış bir listeleme olduğunu göstermiyor.
12
Caixin, 15 Ekim’de DeepSeek’in web sitesi, uygulaması ve API’sini etkileyen, yaklaşık beş saat süren bir hizmet kesintisi bildirdi. Mevcut haberler bu kesintiyle model güncellemesi arasında nedensel bir bağlantı kurmuyor.
36