DeepSeek щойно випустила V4.1-Flash-1017: 77,0 бала в DeepSWE та запуск Search API
DeepSeek щойно випустила DeepSeek-V4.1-Flash-1017, нову контрольну версію своєї моделі V4.1-Flash. Вона вже доступна на вебсайті, у застосунку та через API DeepSeek. DeepSeek заявляє про вищі результати, швидше виконання завдань і коротші відповіді порівняно з вересневим випуском V4.1-Flash. Компанія називає це парето-покращенням продуктивності та вартості. Разом із цим DeepSeek відкрила свої Search API та Fetch API для всіх розробників. Для творців агентів це означає дешевшу модель для програмування та власний вебрівень від першої сторони з одним ключем API.
Коротко
- Розмір: 552 млрд параметрів базової моделі плюс 196 млрд параметрів Engram. На токен активуються 8 млрд параметрів під час попереднього заповнення та 16 млрд під час декодування. Контекст становить 1 млн токенів, а максимальний обсяг вихідних даних — 384 тис. токенів.
- Працює на: API DeepSeek як
deepseek-flash. Ваги вересневої V4.1-Flash (763 млрд параметрів, FP8) ліцензовані за MIT і доступні на Hugging Face. Вимоги до апаратного забезпечення та ваги 1017: не розкрито. - Продуктивність: Перевершує попередню V4.1-Flash на всіх 11 тестах, про які повідомила DeepSeek, на 2,0–11,1 бала.
- Найкращий результат: 77,0 на DeepSWE v1.1 — вище за Claude Opus 5 (74,0) у таблиці DeepSeek.
- Найгірший результат: 42,6 на HLE без інструментів проти 56,3 у Claude Opus 5.
Що таке DeepSeek-V4.1-Flash-1017?
DeepSeek-V4.1-Flash-1017 — це оновлена контрольна версія DeepSeek-V4.1-Flash після донавчання, доступна під назвою моделі deepseek-flash. Наведені нижче архітектурні деталі взято з технічного звіту V4.1-Flash.
Команда DeepSeek зазначає, що DeepSeek-V4.1-Flash-1017 використовує навчання з підкріпленням і самозворотним зв’язком для наскрізної роботи над проєктами. Приклади охоплюють створення ігор і 3D-моделювання. Модель оптимізовано для DeepSeek Harness, Tencent CodeBuddy та WorkBuddy. DeepSeek рекомендує DeepSeek Harness версії 0.2.1-rc.1 або новішої.
Як працює архітектура V4.1-Flash?
V4.1-Flash — це мультимодальна модель суміші експертів із 40 шарами Transformer. Вони розділені на причинно-наслідковий енкодер із 20 шарами та декодер із 20 шарами.
- Причинно-наслідковий енкодер-декодер (CED): Глобальний KV декодера проєктується з фінальних прихованих станів енкодера. Це майже вдвічі скорочує обчислення під час попереднього заповнення.
- Стиснена розріджена увага 2 (CSA2): Шари працюють у режимах Full, Reindex або Reuse. Вони спільно використовують основний KV і ключі індексатора між шарами.
- Основний кеш KV у FP4: Глобальний KV зменшується до 890 байтів на токен — приблизно до 1/4 показника V4-Flash.
- Обмежене повторне відтворення SWA: Постійний кеш KV скорочується приблизно до 1/8 показника V4-Flash.
- Інтенсивність міркування: Числовий показник від 1 до 100. Рівні API low, high і max відповідають значенням 50, 75 і 100.
Результати DeepSeek-V4.1-Flash-1017 у тестах
Усі наведені нижче результати — це власні показники DeepSeek. DeepSeek запускала Terminal-Bench 4.0 у Claude Code, а DeepSWE — у Mini-SWE-V2. ZeroBench-main використовує Pass@5.
| Тест | V4.1-Flash-1017 | V4.1-Flash | Kimi K3 | GLM 5.3 | GPT 5.6-Sol | Claude Opus 5 |
|---|---|---|---|---|---|---|
| DeepSWE v1.1 | 77.0 | 74.2 | 67.5 | 66.9 | 73.0 | 74.0 |
| Terminal-Bench 4.0 | 42.3 | 31.2 | 12.6 | 37.9 | 39.9 | 51.8 |
| Automation-Bench v1.0.6 | 60.5 | 54.8 | 46.7 | 48.8 | 45.8 | 50.3 |
| Agents’ Last Exam | 35.4 | 31.8 | 27.6 | 28.5 | 26.7 | 28.6 |
| Apex Bench v1.1 | 72.1 | 64.6 | 47.8 | 56.6 | 54.3 | 65.8 |
| ProgramBench | 29.1 | 20.3 | 17.5 | 19.0 | 23.0 | 37.0 |
| NL2Repo-Bench | 68.2 | 65.4 | 58.0 | 58.0 | 56.8 | 75.3 |
| HLE (без інструментів) | 42.6 / 44.0* | 36.8 / 39.1* | 43.5 | 42.0* | 44.5 | 56.3 |
| BabyVision (з інструментами) | 92.5 | 89.6 | 85.7 | Не розкрито | 88.9 | 94.1 |
*Підмножина HLE лише з текстовими завданнями.
Контрольна версія 1017 лідирує в DeepSWE, Automation-Bench, Agents’ Last Exam та Apex Bench. Claude Opus 5 досі лідирує в Terminal-Bench 4.0, ProgramBench, NL2Repo та HLE.
Як вона порівнюється з конкурентами з відкритими вагами?
| Характеристика | DeepSeek-V4.1-Flash-1017 | Kimi K3 | GLM-5.3 |
|---|---|---|---|
| Загальна кількість параметрів | 552 млрд базової моделі + 196 млрд Engram | 2,8 трлн | 753 млрд |
| Активні параметри | 8 млрд під час попереднього заповнення / 16 млрд під час декодування | 104 млрд | Не розкрито |
| Контекст | 1 млн | 1 048 576 | Не розкрито |
| Ліцензія | MIT (V4.1-Flash); ваги 1017 не розкрито | Ліцензія Kimi K3 | Ліцензія GLM-5.3 |
| Модальність | Текст, зображення на вході; текст на виході | Текст, зображення | Текст |
| DeepSWE v1.1 | 77.0 | 67.5 | 66.9 |
| Agents’ Last Exam | 35.4 | 28.3 | 28.5 |
| Ціна API (1 млн вхідних токенів без кешу / вихідних, піковий тариф) | $0.30 / $1.20 | Не розкрито | Не розкрито |
Що таке Search API та Fetch API DeepSeek?
Search API повертає впорядковані за рейтингом вебрезультати за запитом. Fetch API повертає одну сторінку у форматі Markdown. DeepSeek зазначає, що її власна система обробляє сотні мільйонів запитів щодня.
- Кінцеві точки:
POST /v1/tools/searchіPOST /v1/tools/fetchнаapi.deepseek.com. - Параметри пошуку: від 1 до 50 результатів, опційний вміст сторінки та оператори на кшталт
site:,lang:,after:іbefore:. - Поля результатів: кожен результат має оцінку повторного ранжування від 0 до 3 та рівень авторитетності від 0 до 4.
- Ціна: $0.75 за 1 000 успішних запитів для кожної кінцевої точки. Порожні результати та помилки безкоштовні.
- Обмеження частоти: 5 QPS на обліковий запис для кожного API.
- Безкоштовний період: Серверні виклики через DeepSeek Harness, Claude Code або Codex залишаються безкоштовними до 1 листопада 2026 року.
Розгортання та ціни
Викликайте модель із назвою deepseek-flash через кінцеві точки у форматі OpenAI або Anthropic. Піковий тариф становить $0.30 за 1 млн вхідних токенів без кешу та $1.20 за 1 млн вихідних токенів. У непіковий час тарифи вдвічі нижчі.
Основні висновки
- 1017 набирає 77,0 на DeepSWE v1.1 проти 74,2 раніше.
- Вона лідирує в Automation-Bench (60,5) та Agents’ Last Exam (35,4).
- Claude Opus 5 досі перемагає в HLE та Terminal-Bench 4.0.
- Search і Fetch коштують $0.75 за кожні 1 000 викликів.
- Виклики через агентські оболонки залишаються безкоштовними до 1 листопада 2026 року.
Ознайомтеся з оголошенням DeepSeek, документацією Search і Fetch, технічним звітом і карткою моделі. Усі заслуги належать досліднику цього проєкту. Також не соромтеся стежити за нами у Twitter і не забудьте приєднатися до нашого сабредіту ML із понад 150 тисячами учасників та підписатися на нашу розсилку. Стривайте! Ви є в Telegram? Тепер ви також можете приєднатися до нас у Telegram.
Перекладено автоматично з англійської. Оригінал статті — за посиланням нижче.