DeepSeek Flash 1017: Harness 0.2.1, бенчмарки и API поиска

DeepSeek обновила V4.1 Flash до версии DeepSeek-V4.1-Flash-1017, уделив особое внимание рассуждениям, программированию, работе агентов и визуальным задачам. Главный заявленный результат в области эффективности — более высокие показатели при меньшем времени выполнения задач и более коротких ответах.

В журнале изменений за 17 октября говорится, что обновлены официальный сайт, приложение и API. Для работы с API по-прежнему используется deepseek-flash; способ вызова и цены на модели в связи с этим обновлением не изменились.

DeepSeek также рекомендует обновить DeepSeek Harness до версии 0.2.1-rc.1 или более поздней, чтобы получить возможности модели в предусмотренном виде. Релиз нацелен, в частности, на Harness и другие агентные платформы, включая Tencent CodeBuddy и WorkBuddy, а не только на улучшение ответов в автономном чате.

В предоставленном отчёте упоминается ограниченный бонус в размере 6 юаней для пользователей, которые впервые входят в Harness и соответствуют условиям. Бонус действует семь дней после получения и предоставляется при наличии возможности. Это заявленная рекламная акция, а не постоянное право на бесплатное использование API. Применимость предложения и срок его действия следует проверять в учётной записи.

Более высокие результаты при меньших накладных расходах на выполнение задач

В официальной карточке модели релиз назван небольшим обновлением V4.1 Flash, однако в нескольких тестах, ориентированных на агентные задачи, сообщается о существенном изменении результатов. Например, показатель Terminal-Bench 4.0 вырос с 31,2 до 42,3, а ProgramBench — с 20,3 до 29,1.

В таблице ниже сохранены сравнения из исходного материала и официальной карточки модели. Это опубликованные результаты бенчмарков, а не измерения нового независимого тестового запуска.

* обозначает подмножество HLE, включающее только текстовые задания. Для Terminal-Bench 4.0 использовался Harness Claude Code, а для DeepSWE v1.1 — Mini-SWE-V2; в исходной таблице также указано значение Pass@5 для ZeroBench-main. Результаты разных задач и условий оценки нельзя объединять в один общий показатель успешности.

Более примечательное заявление касается соотношения результатов и затрат. DeepSeek сообщает, что сократила время выполнения и объём ответов, одновременно повысив производительность, и тем самым расширила границу «производительность — стоимость» для нескольких Harness.

На графике сопоставлены отдельные запуски задач, Harness и настройки рассуждения. Это не означает, что каждый проект станет дешевле или что такой показатель гарантирован в другой среде. На стоимость по-прежнему влияют выполнение инструментов, повторные попытки, размер ответа и точность постановки задачи.

От короткого запроса к интерактивному проекту

Согласно исходному материалу, демонстрации программирования в этом релизе показывают переход к сценарию, в котором пользователь описывает желаемый результат, а агент самостоятельно продолжает работу: планирует, реализует, запускает, проверяет и дорабатывает проект. Итеративное поведение связывается с обучением с подкреплением, использующим самопроверку.

Один из показанных результатов — интерактивная 3D-сцена по мотивам Запретного города. Это не просто статичное изображение: в примере код создаёт сцену, в которой можно менять точку обзора.

Среди других примеров — гоночная игра в браузере, проект на Godot по мотивам Portal и динамичный трёхмерный мир, перемещающийся между разными историческими эпохами.

Эти изображения показывают примеры, отобранные для материалов о релизе. Они не раскрывают общую долю успешных результатов для всех запросов, объём ручного вмешательства или то, насколько стабильно новый пользователь сможет воспроизвести тот же результат. Даже если проект убедительно выглядит на скриншоте, его необходимо проверить на функциональность и оценить сгенерированный код.

Что показали и чего не показали предварительные признаки

До объявления пользователи, по сообщениям, заметили кратковременно появившуюся запись в списке моделей с окончанием 1017. В исходном материале также упоминаются изменение системного отпечатка deepseek-flash и неофициальные сообщения о более быстрых и лаконичных ответах.

Изменение отпечатка может указывать на изменение конфигурации или способа предоставления модели, но само по себе не доказывает её идентичность, архитектуру или качество. Аналогично, изображения сцен, которыми делились пользователи, — это отдельные примеры, а не результаты контролируемого сравнения.

Более надёжное подтверждение появилось позднее в журнале изменений и репозитории модели: релиз DeepSeek-V4.1-Flash-1017 получил официальное название, опубликованную таблицу бенчмарков и обновлённый хостинговый сервис. Теперь нет необходимости делать вывод о его существовании на основании ранних косвенных признаков.

В репозитории указано, что код и веса распространяются по лицензии MIT. Там же разработчиков направляют к справочнику по кодированию и инструкциям по инференсу. В этот релиз не включён чат-шаблон в формате Jinja. Эти детали реализации важнее для самостоятельного развёртывания модели, чем универсальная автоматически сформированная команда быстрого запуска.

API поиска и извлечения страниц дополняют исследовательский процесс

Одновременно с обновлением модели DeepSeek открыла два интерфейса к собственной поисковой системе. Search находит подходящие страницы, а Fetch извлекает содержимое выбранного URL в формате Markdown.

Для аутентификации API используются ключи DeepSeek API. Search поддерживает операторы для включения или исключения сайтов, ограничения языка и фильтрации по датам публикации. Агент может сначала найти источники, затем извлечь выбранные страницы и использовать их содержимое на следующем этапе анализа.

Извлечение данных по-прежнему зависит от доступности целевого сайта и его правил доступа. Появление API Search не предоставляет агенту неограниченный доступ ко всем страницам в интернете.

Оплата и дата перехода на тарификацию 1 ноября

Оплата за оба API начисляется отдельно за каждый успешный запрос и не входит в стоимость токенов модели. В китайском руководстве указана цена 5 юаней за 1 000 успешных запросов для Search и столько же для Fetch; в англоязычном руководстве указана цена 0,75 доллара за 1 000 запросов для каждого API. Здесь приведены цены из соответствующих руководств, а не пересчёт валют.

Запрос считается оплачиваемым, если он возвращает HTTP 200 и полезные данные: непустой список результатов для Search или содержимое страницы для Fetch. Неуспешные запросы, пустые результаты поиска и тайм-ауты не тарифицируются. Увеличение числа результатов Search с помощью параметра count не меняет стоимость одного запроса.

В руководствах также указано отдельное переходное правило для пользователей, работающих с DeepSeek через Harness, Claude Code или Codex. Серверные вызовы инструментов Search и Fetch в этих сценариях пока не тарифицируются; начать взимать плату за каждый запрос планируется 1 ноября 2026 года в 00:00 по пекинскому времени. Это не означает, что инференс модели или все прямые запросы к API будут бесплатными до этой даты.

Часто задаваемые вопросы

Что такое DeepSeek-V4.1-Flash-1017?

Это обновление DeepSeek V4.1 Flash, выпущенное 17 октября. DeepSeek сообщает об улучшениях в рассуждениях, программировании, агентных задачах и визуальных бенчмарках, а также о сокращении ответов и времени выполнения задач.

Нужно ли использовать новое название модели для API?

В журнале изменений указано, что для хостингового API следует по-прежнему использовать deepseek-flash. Способ вызова и цены на модель не изменились в этом релизе.

Какую версию DeepSeek Harness следует использовать?

Для обновлённой модели DeepSeek рекомендует версию 0.2.1-rc.1 или более позднюю. Проверьте версию через официальный механизм обновления продукта, а не исходите из предположения, что любая предыдущая версия 0.2 поддерживает такую же интеграцию.

Гарантирует ли один запрос впечатляющие игровые демонстрации?

Нет. В материалах показаны отдельные примеры, а не измеренная доля успешных результатов для произвольных запросов. Чтобы воспроизвести интерактивный проект, нужно проверить его запуск, управление, ресурсы и сгенерированный код в реальной среде.

Чем отличаются Search и Fetch?

Search находит подходящие страницы и возвращает ранжированные результаты, при необходимости — с содержимым. Fetch открывает указанный URL и возвращает заголовок страницы и её содержимое в формате Markdown, если сайт доступен.

Будут ли Search и Fetch бесплатными до 1 ноября?

Указанный в руководстве временный период без оплаты относится только к серверным вызовам инструментов через названные агентные сценарии. Взимать плату за каждый такой запрос начнут 1 ноября 2026 года в 00:00 по пекинскому времени. Оплата токенов модели регулируется отдельно.

Связанные инструменты

• Платформа DeepSeek: управление доступом к API, учётными данными и использованием аккаунта.
• DeepSeek-V4.1-Flash-1017: официальная карточка модели и опубликованные веса.
• deepseek-recipe: инструментарий DeepSeek для кодирования запросов с учётом протокола и разбора выходных данных.

Связанные ссылки

• Исходный материал BAAI Hub: исходная статья и изображения демонстраций программирования.
• Журнал изменений DeepSeek за 17 октября: официальное описание обновления, псевдоним API и рекомендация по Harness.
• Официальная карточка модели: условия бенчмарков, лицензия и материалы по реализации.
• Руководство по Search и Fetch: документация на английском языке по эндпоинтам, условиям тарификации и ограничениям частоты запросов.
• Руководство по Search и Fetch на китайском языке: соответствующая документация с ценами в юанях.
• Цены на модели: актуальные цены на хостинговые модели и поддерживаемые названия моделей.
• Репозиторий deepseek-recipe: ресурсы по кодированию и разбору ответов, на которые ссылается карточка модели.

Краткое содержание

DeepSeek-V4.1-Flash-1017 сочетает более высокие опубликованные результаты агентных бенчмарков с акцентом на сокращение накладных расходов при выполнении задач. В существующих интеграциях с хостинговым сервисом сохраняется псевдоним deepseek-flash, а пользователям Harness рекомендуется установить актуальную версию.

Search и Fetch добавляют в рабочий процесс поиск источников и чтение страниц. Оплата за запросы начисляется отдельно от стоимости токенов модели.