Архитектурный прорыв: CED и сжатие KV-кэша
DeepSeek-V4.1-Flash-1017 — это обновленный чекпоинт модели V4.1-Flash, оптимизированный через обучение с подкреплением (RLHF) с самообратной связью. Ключевое изменение — внедрение архитектуры Causal Encoder-Decoder (CED), где глобальный KV-кэш декодера проецируется из скрытых состояний энкодера. Это почти вдвое снижает вычислительные затраты на префилл (prefill).
Модель использует Compressed Sparse Attention 2 (CSA2) и кэш в формате FP4, что сокращает объем глобального KV-кэша до 890 байт на токен (в 4 раза меньше, чем у V4-Flash). Активируемые параметры составляют всего 8B на префилл и 16B на декодирование, при этом общий размер модели достигает 552B (бэкбон) + 196B (Engram).
Бенчмарки: Лидерство в коде, отставание в логике
Новая версия демонстрирует «Парето-улучшение» по сравнению с сентябрьским релизом, показав прирост от 2.0 до 11.1 балла на всех 11 тестовых наборах. Главная победа — в задаче DeepSWE v1.1, где модель набрала 77.0, опередив Claude Opus 5 (74.0). Однако в сложных логических задачах (HLE без инструментов) и терминальных тестах (Terminal-Bench) она пока уступает флагманам от Anthropic и OpenAI.
| Бенчмарк | V4.1-Flash-1017 | V4.1-Flash (старый) | Claude Opus 5 | GPT 5.6-Sol |
|---|---|---|---|---|
| DeepSWE v1.1 | 77.0 | 74.2 | 74.0 | 73.0 |
| Automation-Bench | 60.5 | 54.8 | 50.3 | 45.8 |
| Agents’ Last Exam | 35.4 | 31.8 | 28.6 | 26.7 |
| Apex Bench v1.1 | 72.1 | 64.6 | 65.8 | 54.3 |
| Terminal-Bench 4.0 | 42.3 | 31.2 | 51.8 | 39.9 |
| HLE (no tools) | 42.6 | 36.8 | 56.3 | 44.5 |
Открытие Search и Fetch API для разработчиков
Параллельно с релизом модели DeepSeek открыла доступ к своим веб-инструментам через единый API. Это позволяет агентам получать актуальные данные без сторонних сервисов.
- Search API: Возвращает ранжированные результаты поиска (до 50 шт.) с метриками авторитетности и релевантности. Поддерживает операторы
site:,lang:,after:. - Fetch API: Извлекает содержимое одной страницы в формате Markdown.
Стоимость: $0.75 за 1000 успешных запросов для каждого эндпоинта. Ошибки и пустые результаты бесплатны. Лимит: 5 QPS на аккаунт. Вызовы через DeepSeek Harness, Claude Code или Codex остаются бесплатными до 1 ноября 2026 года.
Ценообразование и доступность
Модель доступна под именем deepseek-flash через API, совместимое с OpenAI/Anthropic. Пиковая цена составляет $0.30 за 1M входных токенов (cache-miss) и $1.20 за 1M выходных токенов. Вне пиковые часы тарифы снижаются вдвое. Весовые коэффициенты старой версии V4.1-Flash (763B, FP8) остаются с лицензией MIT на Hugging Face, тогда как новые веса 1017 пока не опубликованы.
Бенчмарки
| Бенчмарк | DeepSeek-V4.1-Flash-1017 | V4.1-Flash | Claude Opus 5 | GLM 5.3 | GPT 5.6-Sol |
|---|---|---|---|---|---|
| DeepSWE v1.1 | 77% | 74.2% | 74% | — | 73% |
| Terminal-Bench 4.0 | 42.3% | 31.2% | 51.8% | — | 39.9% |
| Automation-Bench v1.0.6 | 60.5% | 54.8% | 50.3% | 48.8% | — |
| Agents’ Last Exam | 35.4% | 31.8% | 28.6% | 28.5% | — |
| Apex Bench v1.1 | 72.1% | 64.6% | 65.8% | 56.6% | — |
| ProgramBench | 29.1% | 20.3% | 37% | — | 23% |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: MarkTechPost ↗