DeepSeek hat gerade DeepSeek-V4.1-Flash-1017 veröffentlicht, eine neue Checkpoint-Version des V4.1-Flash-Modells. Sie ist auf der Website, im App und über die API von DeepSeek aktiv. DeepSeek behauptet, dass die Ergebnisse stärker sind, die Aufgaben schneller abgeschlossen werden und die Ausgaben kürzer sind als bei der September-V4.1-Flash-Veröffentlichung. Das Unternehmen bezeichnet dies als eine Pareto-Verbesserung in Leistung und Kosten. Zusätzlich hat DeepSeek seine Search- und Fetch-APIs für alle Entwickler freigegeben. Für Agent-Builder bedeutet das ein kostengünstigere Coding-Modell sowie eine erste-Party-Weboberfläche hinter einer API-Kennung.
TL;aDR
- Größe: 552B Rückgratparameter plus 196B Engramparameter. Es aktiviert 8B Parameter pro Token beim Vollfüllen und 16B bei der Dekodierung. Das Kontextumfasst 1M Tokens mit bis zu 384K Ausgabetokens.
- Verfügbar für: DeepSeek API als
deepseek-flash. Die September-V4.1-Flash-Werte (763B Parameter, FP8) sind auf Hugging Face MIT-lizenziert. Hardwareanforderungen und 1017 Gewichte: Nicht bekannt. - Leistung: Übertreft die vorherige V4.1-Flash bei allen 11 Benchmarks, die DeepSeek berichtete, um 2,0 bis 11,1 Punkte.
- Bester: 77.0 bei DeepSWE v1.1, über Claude Opus 5 (74.0) in DeepSeks-Tabelle.
- Schlechteste Leistung: 42,6 auf HLE ohne Tools, gegenüber 56,3 für Claude Opus 5.
Was ist DeepSeek-V4.1-Flash-1017?
DeepSeek-V4.1-Flash-1017 ist eine aktualisierte Post-Training-Checkpoint-Version von DeepSeek-V4.1-Flash, die über den Modelnamen deepseek-flash bereitgestellt wird. Die Details der Architektur stammen unten aus dem V4.1-Flash-Technischen Bericht.
Die DeepSeek-Team behauptet, dass DeepSeek-V4.1-Flash-1017 durch selbstkritische Feedback-Methoden mit Verstärkungslernen für End-to-End-Projektarbeit verwendet wird. Seine Beispiele reichen von Spielentwicklung bis 3D-Modellierung. Es ist für DeepSeek Harness, Tencent CodeBuddy und WorkBuddy optimiert. DeepSeek empfiehlt DeepSeek Harness v0.2.1-rc.1 oder neuer.
Wie funktioniert die V4.1-Flash-Architektur?
V4.1-Flash ist ein multimodal Mixture-of-Experts-Modell mit 40 Transformer-Schichten. Es besteht aus einem 20-Schichtigen kausalen Encoder und einem 20-Schichtigen Decoder.
- Causal Encoder-Decoder (CED): Der globale KV des Decoders wird aus den versteckten Zuständen des End编码器 abgeleitet. Dadurch wird die Berechnung der Vorbereitung fast halbiert.
- Compressed Sparse Attention 2 (CSA2): Die Schichten laufen im Full-, Reindex- oder Reuse-Modus. Sie teilen die Haupt-KV- und Indexer-Schlüssel zwischen den Schichten.
- FP4-Haupt-KV-Cache: Die globale KV sinkt auf 890 Bytes pro Token, etwa 1/4 von V4-Flash.
- SWA Bounded Replay: Die persistierende KV-Cache schrumpft auf etwa 1/8 des V4-Flash.
- Rechenanstrengung: Ein Skalar von 1 bis 100. Die API-Tier-Ebenen niedrig, hoch und maximal entsprechen 50, 75 und 100.
DeepSeek-V4.1-Flash-1017 Benchmarke
Alle Scores unten sind DeepSeek’s eigenen Zahlen. DeepSeek führte Terminal-Bench 4.0 in Claude Code und DeepSWE in Mini-SWE-V2 aus. ZeroBench-main verwendet Pass@5.
| Benchmark | 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 |
| Letztes Examen der Agenten | 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 (ohne Tools) | 42.6 / 44.0* | 36.8 / 39.1* | 43.5 | 42.0* | 44.5 | 56.3 |
| BabyVision (mit Tools) | 92.5 | 89.6 | 85.7 | Nicht offenlegt | 88.9 | 94.1 |
*Eine HLE-Subset-Version nur für Text.
Der Checkpoint 1017 führt über DeepSWE, Automation-Bench, Agents’ Last Exam und Apex Bench. Claude Opus 5 führt weiterhin über Terminal-Bench 4.0, ProgramBench, NL2Repo und HLE.
Wie vergleicht es sich mit den Rivalen im offenen Gewichtstyp?
| Funktion | DeepSeek-V4.1-Flash-1017 | Kimi K3 | GLM-5.3 |
|---|---|---|---|
| Gesamtzahl der Parameter | 552B Rückenmark + 196B Engram | 2.8T | 753B |
| Aktive Parameter | 8B Vorwerfen / 16B Dekodieren | 104B | Nicht offenlegt |
| Kontext | 1M | 1,048,576 | Nicht offenlegt |
| Lizenz | MIT (V4.1-Flash); 1017 Gewichte nicht bekannt | Kimi K3 Lizenz | GLM-5.3-Lizenz |
| Modality | Text, Bild ein; Text aus | Text, Bild | Text |
| DeepSWE v1.1 | 77.0 | 67.5 | 66.9 |
| Letztes Examen der Agenten | 35.4 | 28.3 | 28.5 |
| API-Preis (1 Mio. Eingabefehler / Ausgabe, Höchstwert) | $0.30 / $1.20 | Nicht offenlegt | Nicht offenlegt |
Welche sind die Such- und Abruf-APIs von DeepSeek?
The Suche-API gibt für eine Anfrage sortierte Webergebnisse zurück. Die Fetch API gibt eine einzelne Seite als Markdown aus. DeepSeek sagt, dass sein interner Motor täglich Hunderte von Millionen Anfragen verarbeitet.
- Endpunkte:
POST /v1/tools/searchundPOST /v1/tools/fetchaufapi.deepseek.com. - Suchoptionen: 1 bis 50 Ergebnisse, optionaler Seiteninhalt sowie Operatoren wie
site:,lang:,after:undbefore:. - Ergebnisfelder: Jeder Ergebnis hat einen Rerank-Scores von 0 bis 3 und eine Autoritätstier von 0 bis 4.
- Preis: $0,75 pro 1.000 erfolgreiche Anfragen für jeden Endpunkt. Leere Ergebnisse und Fehler sind kostenlos.
- Rate-Limit: 5 QPS pro Konto für jede API.
- Kostenlose Version: Serverseitige Anrufe über DeepSeek Harness, Claude Code oder Codex bleiben bis zum 1. November 2026 kostenlos.
Deployment und Preisgestaltung
Rufen Sie das Modell mit deepseek-flash über Endpunkte im OpenAI- oder Anthropic-Format auf. Die Höchstpreise betragen $0,30 pro 1M Eingabetoken für Cache-Misses und $1,20 pro 1M Ausgabetoken. Die Preise außerhalb der Hauptverkaufssaison sind halb so hoch.
Wichtigste Erkenntnisse
- 1017 erzielt 77,0 Punkte bei DeepSWE v1.1, nach 74,2 Punkte.
- Es führt das Automation-Bench (60,5) und die letzte Prüfung der Agenten (35,4) an.
- Claude Opus 5 gewinnt weiterhin bei HLE und Terminal-Bench 4.0.
- Die Suche und das Abrufen kosten 0,75 US-Dollar pro 1.000 Anfragen.
- Die Agent-Harness-Calls bleiben bis zum 1. November 2026 kostenlos.
Schauen Sie sich den Ankündigung von DeepSeek, die Such- und Abrufdokumentationen, den technischen Bericht und die Modelkarte an. Alle Anerkennungen gehen an den Forscher dieses Projekts. Folgen Sie uns auch gerne auf Twitter und vergessen Sie nicht, sich an unseren 150k+ML SubReddit anzumelden sowie unseren Newsletter zu erhalten. Warte! Sind Sie auf Telegram? Jetzt können Sie sich auch auf Telegram bei uns melden.
Die Artikelseite DeepSeek hat gerade V4.1-Flash-1017 veröffentlicht, mit einer Bewertung von 77.0 bei DeepSWE und der Freigabe der Such-API erschien zuerst auf MarkTechPost.