DeepSeek-V4.1-Flash-1017: jobb kódolás, rövidebb kimenet

Mi jelent meg?

A DeepSeek október 17-én kiadta a DeepSeek-V4.1-Flash-1017-et. Ez a szeptember 10-én bemutatott V4.1-Flash kisebb frissítése (Hugging Face). A cég szerint az új változat jobb benchmarkeredményeket ér el, gyorsabban végez a feladatokkal, illetve rövidebb kimenetet ad. A DeepSeek ezt teljesítményben és költségben is Pareto-javulásnak nevezi (DeepSeek).

A modell már elérhető a DeepSeek weboldalán, az appban és az API-n. A súlyok MIT licenccel letölthetők a Hugging Face-ről és a ModelScope-ról (ModelScope). A modellkártya 1 millió tokenes kontextust ad meg, a javasolt max_tokens legalább 256K.

Benchmarkok az előző V4.1-Flash-hez képest

A DeepSeek által közölt táblázatban az 1017-es változat mind a 11 teszten javít az elődjén:

• HLE eszközök nélkül: 42,6 pont 36,8 helyett (a szöveges részhalmazon 44,0 és 39,1);
• Terminal-Bench 4.0: 42,3 pont 31,2 helyett;
• DeepSWE v1.1: 77,0 pont 74,2 helyett;
• ProgramBench: 29,1 pont 20,3 helyett;
• NL2Repo-Bench: 68,2 pont 65,4 helyett;
• Automation-Bench v1.0.6: 60,5 pont 54,8 helyett;
• Agents' Last Exam: 35,4 pont 31,8 helyett;
• Apex Bench v1.1: 72,1 pont 64,6 helyett;
• vizuális tesztek eszközökkel: Chartography 83,0 (78,9), BabyVision 92,5 (89,6), ZeroBench-main 51,0 (49,0).

Forrás: DeepSeek. A DeepSeek-V4.1-Flash-1017 benchmarkeredményei más modellekkel összevetve, a gyártó saját mérései szerint.

A legnagyobb ugrás a Terminal-Bench 4.0-n és a ProgramBench-en látszik, ezeken 11,1, illetve 8,8 pontot javult. A Terminal-Bench méréshez a Claude Code keretrendszert használták, a DeepSWE-hez a Mini-SWE-V2-t. A ZeroBench-main eredmény Pass@5.

A táblázat nem csak jó híreket mutat. A Claude Opus 5 hat teszten előrébb jár, például HLE-n 56,3 ponttal, Terminal-Benchen 51,8-cal. A ZeroBench-mainen a GPT 5.6-Sol 53,0 ponttal vezet. A DeepSeek modellje a DeepSWE-n, az Automation-Benchen, az Agents' Last Examen és az Apex Benchen áll az élen. Ezek a gyártó saját mérései, független ellenőrzés még nincs.

Gyorsabb és olcsóbb feladatonként

A bejelentés kiemelt ábrája a DeepSWE v1.1 Pass@1 eredményt veti össze a feladatonkénti átlagköltséggel. Az 1017-es változat max beállítással 77,0%-ot ér el. A görbéje minden effort-szinten balra és feljebb van az előző V4.1-Flash görbéjénél, vagyis olcsóbban ad jobb eredményt.

Forrás: DeepSeek. DeepSWE v1.1 Pass@1 a feladatonkénti átlagköltség függvényében, mini-swe-v2 harnesszel.

Konkrét sebesség- vagy kimenethossz-számot a DeepSeek nem közölt, csak annyit, hogy a feladatok gyorsabban futnak le, a válaszok pedig rövidebbek. Tokenár-változásról a bejelentés nem ír. Agentes munkánál a rövidebb kimenet így is közvetlenül kisebb számlát jelent.

Agentek, harnessek, demók

A modellt a DeepSeek Harness, a Tencent CodeBuddy és a WorkBuddy alá optimalizálták. A legjobb élményhez a DeepSeek Harness v0.2.1-rc.1 vagy újabb verzió kell. A cég szerint önvisszacsatolásos reinforcement learninggel javították a teljes projektek nulláról való felépítését.

Négy demót mutattak: a Tiltott Város 3D-modelljét, egy böngészős autóversenyes játékot, egy Godot motorban készült Portal 2 utánzatot, illetve egy őskortól napjainkig ívelő 3D jelenetet (Valley of Ages).

Search és Fetch API mindenkinek

A modell mellett a DeepSeek mindenki számára megnyitotta a saját keresőmotorjára épülő Search és Fetch API-t. Mindkét endpoint ára 1000 hívásonként 0,75 dollár. A DeepSeek API-felhasználóknak egyelőre ingyenesek azok a hívások, amelyek a DeepSeek Harness, a Claude Code vagy a Codex szerveroldali eszközein keresztül mennek. A számlázás 2026. október 31-én 17:00-kor (magyar idő) indul (DeepSeek).

Kinek érdemes ránézni?

Aki már a V4.1-Flash-t használja coding agenttel, annak ez egyszerű csere: ugyanaz a modellcsalád, jobb pontszámok, rövidebb kimenet. A nyílt súlyok miatt saját infrastruktúrán is kipróbálható. A benchmarkokat érdemes a saját feladatainkon is visszamérni, mielőtt bármit átállítunk.