IT之家 El 17 de octubre, se informó que DeepSeek V4.1 Flash ha sido actualizado a la versión V4.1-Flash-1017. La página oficial en línea, la APP y el modelo API han sido sincronizados con el nuevo modelo (la forma de llamar al API y los precios permanecen iguales; basta usar deepseek-flash para acceder al modelo más reciente).
Según la introducción oficial de Deep Seek, esta actualización logró una mejora Pareto entre el rendimiento y el costo: en todos los tests de referencia, las capacidades del modelo de la nueva versión son significativamente superiores a la versión anterior V4.1 Flash. Al mismo tiempo, el tiempo de ejecución de las tareas y la longitud de salida se reducen, lo que disminuye el costo total de una llamada.
HLE (sin herramientas): 42.6 (44.0)
Terminal-Bench 4.0: 42.3
DeepSWE v1.1: 77.0
ProgramBench: 29.1
NL2Repo-Bench: 68.2
Automación-Bench v1.0.6: 60.5
Examen final de los agentes: 35.4
Apex Bench v1.1: 72.1
Gráfica (herramientas): 83.0
BabyVision (w/tools): 92.5
ZeroBench-main (w/tools): 51.0
DeepSeek indica que el nuevo modelo, al mejorar el rendimiento, también reduce el tiempo de ejecución del modelo y la longitud de su salida, permitiendo a los usuarios completar las tareas a un costo menor y con una velocidad mayor. En varios Harness, se logra una nueva optimización entre rendimiento y costo en términos de Pareto.
Además, DeepSeek ha realizado optimizaciones especiales para adaptarse a plataformas como DeepSeek Harness, Tencent CodeBuddy y WorkBuddy. Se recomienda a los usuarios actualizar DeepSeek Harness a la versión 0.2.1-rc.1 o una versión superior para obtener una adaptación completa.
En el aspecto de capacidades, V4.1-Flash-1017 introdujo un cambio notable: a través del entrenamiento con aprendizaje reforzado basado en retroalimentación, la capacidad del modelo para construir proyectos completos desde cero se ha mejorado, abarcando escenarios como el desarrollo de juegos y el modelado 3D.
Según la empresa, esta mejoría permite al modelo manejar más solicitudes de programación de tipo “deseo”, es decir, generar resultados de proyectos funcionales directamente bajo condiciones de referencias de prompts y materiales muy limitadas. Los ejemplos de demostración oficial muestran que, en el entorno DeepSeek Harness, la versión nueva completa el proyecto en muy pocos ciclos de interacción.
Al mismo tiempo, los pesos del modelo DeepSeek V4.1-Flash-1017 han sido abiertos para descarga. DeepSeek proporciona archivos de pesos en HuggingFace y ModelScope, manteniendo la estrategia de open source bajo licencia MIT de V4.1 Flash.
Dirección de IT Home:
HuggingFace: https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
ModelScope: https://modelscope.cn/models/deepseek-ai/DeepSeek-V4.1-Flash-1017