DeepSeek V4.1 Flash 1017: Coding-Benchmarks, Gewichte und API-Kosten

DeepSeek hat V4.1 Flash auf DeepSeek-V4.1-Flash-1017 aktualisiert. Die neue Version ist über die Website, die App und die API verfügbar. Entwickler können weiterhin den Modellnamen deepseek-flash verwenden; das Oktober-Update ändert weder die API-Aufrufmethode noch die Preise für Modell-Tokens.

Die Ankündigung hebt verbesserte Leistungen beim Programmieren und bei Agenten sowie kürzere Ausgaben und eine geringere Aufgabenausführungszeit hervor. DeepSeek hat außerdem die Modellgewichte veröffentlicht und seine separaten Search- und Fetch-APIs freigeschaltet.

Die Quelle veranschaulicht das Update anhand von „Vibe Coding“: Man beschreibt eine Anwendung oder eine Szene, woraufhin ein Agent einen funktionsfähigen Prototyp erstellt. Bei den Beispielen handelt es sich um Demonstrationen. Sie zeigen, was in ausgewählten Fällen erstellt wurde, nicht aber ein garantiertes Ergebnis aus einer einzigen Eingabeaufforderung für jedes Projekt.

Von der Beschreibung zum laufenden Projekt

Das erste Beispiel zeigt eine dreidimensionale Szene der Verbotenen Stadt. Die Demonstration wechselt zwischen erhöhten Ansichten und niedrigeren Kameraperspektiven und zeigt Innenhöfe, Tore, die umliegenden Anlagen und architektonische Details in einer begehbaren Umgebung.

DeepSeek-Demonstration, wie im Ausgangsbericht wiedergegeben.

Als Nächstes folgt ein Rennspiel für den Browser. Der gezeigte Ablauf umfasst die Auswahl eines Autos, den Start eines Rennens, die Fahrt durch eine neonbeleuchtete Stadt und eine Ergebnisseite. Der Bericht beschreibt außerdem den Wechsel zwischen einer Außenansicht des Fahrzeugs und einer Innenperspektive.

Danach folgt eine von Portal inspirierte Demonstration auf Basis von Godot. Sie zeigt eine Testkammer aus der Ego-Perspektive, die Bewegung durch die Umgebung, interaktive Objekte und portalähnliche Elemente. Es handelt sich um einen vorgestellten Prototyp, nicht um eine offiziell lizenzierte Veröffentlichung von Valves Spiel.

Das vierte Beispiel, Valley of Ages, zeigt eine Siedlung, die sich im Laufe verschiedener historischer Epochen verändert. Gebäude und Infrastruktur entwickeln sich rund um dieselbe Flusslandschaft weiter – von frühen Siedlungen bis hin zu industriellen und modernen Stadtformen.

Laut Quelle sind Verbesserungen beim Aufbau von Projekten von Grund auf auf Reinforcement Learning mit Selbstfeedback zurückzuführen. Das offizielle Änderungsprotokoll und die für diesen Artikel geprüfte Modellkarte bestätigen zwar die Aktualisierung der Fähigkeiten, liefern jedoch keine vollständige Darstellung dieses Trainingsprozesses. Die konkrete Erklärung zum Training bleibt daher eine Angabe aus dem Bericht.

Diese Beispiele veranschaulichen ein nützliches Entwicklungsmuster: einen ausführbaren Prototyp prüfen und anschließend sein Verhalten und seine Darstellung überarbeiten. Eine ausgewählte Demo belegt weder die Produktionsreife noch die Rechte an Assets Dritter oder den Umfang der menschlichen Überarbeitung, die in das fertige Ergebnis eingeflossen ist.

Bessere Coding-Ergebnisse ohne höhere Modellpreise

Der offizielle Vergleich weist Verbesserungen bei Reasoning, Coding, Agenten und visuellen Aufgaben aus. Die folgende Tabelle gibt die in der Modellkarte aufgeführten Ergebnisse der alten und der neuen Version wieder:

Die HLE-Werte für reine Texteingaben beziehen sich auf eine Teilmenge und sollten nicht mit dem vollständigen Benchmark-Ergebnis vermischt werden. DeepSeek gibt an, dass Terminal-Bench 4.0 mit dem Claude-Code-Harness, DeepSWE v1.1 mit Mini-SWE-V2 und ZeroBench-main mit Pass@5 ausgeführt wurden.

Vergleichstabelle des Herausgebers, wie im Ausgangsbericht wiedergegeben.

In DeepSeeks Vergleichstabelle erzielt das neue Modell bei DeepSWE, Automation-Bench, Agents' Last Exam und Apex Bench die besten Ergebnisse unter den aufgeführten Alternativen. Es liegt jedoch nicht in jeder Zeile vorn: Die angezeigten Ergebnisse von Opus 5 sind beispielsweise bei Terminal-Bench 4.0 und ProgramBench weiterhin höher. Eine pauschale Behauptung, das Modell übertreffe andere führende Modelle generell, ginge über diese Ergebnisse hinaus.

Die Quelle hebt außerdem ein DeepSWE-Pass@1-Ergebnis von 77 % bei ungefähr 0,20 US-Dollar pro Aufgabe im Kostenvergleich des Herausgebers hervor. Dem gegenüber steht dort ein Wert von 74 % für GPT-6 Astra. Dabei handelt es sich um einen Vergleich für einen bestimmten Benchmark und ein bestimmtes Harness, nicht um eine allgemeine Preis- oder Leistungsrangliste für sämtliche Softwareentwicklungsaufgaben.

Kostenvergleich pro Aufgabe von DeepSeek, wie in der Quelle wiedergegeben.

DeepSeek beschreibt das Update als Pareto-Verbesserung von Leistung und Kosten über mehrere Harnesses hinweg: mehr erfolgreich abgeschlossene Aufgaben bei geringerer Laufzeit und kürzeren Ausgaben. Unveränderte Tokenpreise können dennoch zu einer niedrigeren Gesamtrechnung führen, wenn eine Aufgabe weniger Tokens oder Versuche benötigt. Die tatsächlichen Einsparungen hängen jedoch von der jeweiligen Arbeitslast ab.

Das Änderungsprotokoll empfiehlt für das neue Modell DeepSeek Harness 0.2.1-rc.1 oder eine neuere Version. Dies ist eine Empfehlung für diese Integration und keine Vorgabe, den API-Modellnamen zu ändern.

Offene Gewichte und neu verfügbare Search-APIs

DeepSeek veröffentlicht die Gewichte der Version 1017 im offiziellen Hugging-Face-Repository. Die Quelle verlinkt außerdem eine Veröffentlichung auf ModelScope. Laut offizieller Modellkarte stehen das Repository und die Modellgewichte unter der MIT-Lizenz.

Offene Gewichte bedeuten nicht, dass sich das Modell leicht lokal bereitstellen lässt. Auf der Hugging-Face-Seite sind insgesamt 763 Milliarden Parameter angegeben; außerdem verweist sie auf die Anleitungen des Repositorys zu Inferenz und Gewichtskonvertierung. Dort steht ebenfalls, dass diese Veröffentlichung keine Chat-Vorlage im Jinja-Format enthält. Ein Referenz-Encoder und das gepflegte Toolkit deepseek-recipe übernehmen die Formatierung der Eingabeaufforderungen.

Parallel zum Modell-Update hat DeepSeek zwei APIs für Webinhalte freigeschaltet:

• Search sucht nach Seiten zu einer Anfrage und gibt strukturierte Ergebnisse zurück.
• Fetch ruft eine einzelne Seite ab und gibt deren Inhalt als Markdown zurück.

DeepSeek zufolge indexiert die hauseigene Suchmaschine Hunderte Milliarden Seiten, verarbeitet täglich Hunderte Millionen Anfragen und filtert SEO-Spam, GEO-Manipulation und minderwertige KI-generierte Inhalte. Dabei handelt es sich um Angaben des Unternehmens zu Umfang und Filterung, nicht um in diesem Artikel unabhängig geprüfte Messwerte.

Fehlgeschlagene Anfragen, Zeitüberschreitungen und leere Suchergebnisse werden nicht berechnet. Die Anzahl der Suchergebnisse ändert nichts am Preis pro Anfrage. Search und Fetch werden separat von den Modell-Tokens abgerechnet.

Abrechnungsbeginn: Laut Dokumentation sind serverseitige Search-/Fetch-Aufrufe über die DeepSeek-API in DeepSeek Harness, Claude Code oder Codex derzeit kostenfrei. Die Abrechnung pro Anfrage beginnt am 1. November 2026 um 00:00 Uhr Pekinger Zeit. Diese konkrete Übergangsregelung sollte nicht als dauerhaft kostenfreie Search-API dargestellt werden.

Häufig gestellte Fragen

Wie rufe ich DeepSeek V4.1 Flash 1017 über die API auf?

Der offizielle Modellname bleibt deepseek-flash. DeepSeek gibt an, dass die Website, die App und die API auf die neue Version umgestellt wurden, ohne dass sich durch dieses Update die Aufrufmethode oder die Preise für Modell-Tokens ändern.

Hat das Update jede Coding-Aufgabe günstiger gemacht?

DeepSeek meldet in seinen Auswertungen eine geringere Laufzeit, kürzere Ausgaben und verbesserte Ergebnisse beim Verhältnis von Leistung und Kosten. Die Gesamtkosten hängen weiterhin vom Tokenverbrauch, von Wiederholungsversuchen, verwendeten Tools und davon ab, ob das generierte Projekt die Aufgabe tatsächlich erfüllt.

Sind die Modellgewichte der Version 1017 offen verfügbar?

Ja. Laut offizieller Hugging-Face-Modellkarte stehen das Repository und die Gewichte unter der MIT-Lizenz. Für eine lokale Bereitstellung sind weiterhin geeignete Infrastruktur sowie die Anleitungen des Repositorys zu Kodierung und Inferenz erforderlich.

Garantiert ein DeepSWE-Ergebnis von 77 % funktionsfähigen Anwendungscode?

Nein. Es handelt sich um ein gemessenes Ergebnis mit dem Evaluierungsharness Mini-SWE-V2, nicht um eine Garantie für ein anderes Projekt. Auch die visuellen Demonstrationen müssen geprüft und getestet werden, bevor ihr Code über einen Prototyp hinaus eingesetzt wird.

Was ist der Unterschied zwischen Search und Fetch?

Search findet relevante Webseiten und gibt strukturierte Ergebnisse zurück. Fetch ruft den Inhalt einer bestimmten Seite als Markdown ab, sofern die Seite verfügbar ist und ihre Zugriffsrichtlinien dies zulassen.

Ab wann werden Aufrufe der Search- und Fetch-Tools berechnet?

Die beschriebene vorübergehende Kostenfreiheit für serverseitige Aufrufe über DeepSeek Harness, Claude Code und Codex endet am 1. November 2026 um 00:00 Uhr Pekinger Zeit. Informieren Sie sich über die jeweils geltende Preisseite zu aktuellen Tarifen für eigenständige Nutzung und verschiedene Regionen, da Modell-Tokens und Tool-Anfragen getrennt abgerechnet werden.

Zugehörige Tools

• DeepSeek API: Offizielle Modell- und Web-Tool-Schnittstellen für die Integration von DeepSeek in Anwendungen.
• DeepSeek V4.1 Flash 1017: Offizielle Gewichte, Modellkarte und Referenzen zur Inferenz.
• deepseek-recipe: Toolkit zur Konvertierung des Eingabeaufforderungsformats und zum Parsen von Ausgaben, auf das in der Modellkarte verwiesen wird.

Zugehörige Links

• Originalbericht von BAAI/Xinzhiyuan: Demonstrationen aus der Quelle, Benchmark-Ergebnisse und Berichterstattung zur Veröffentlichung.
• Offizielles Änderungsprotokoll vom 17. Oktober: API-Alias, Benchmark-Einstellungen und Empfehlung zum Harness.
• Offizielle Modellkarte: Benchmarkvergleich, Hinweise zur Kodierung und Lizenzierung.
• Leitfaden zu Search und Fetch: Verhalten der Anfragen, erfolgsabhängige Abrechnung und Ratenlimits.
• Chinesischer Leitfaden zu Search und Fetch: Veröffentlichte Preise in Renminbi und Hinweis zur Abrechnung ab November.
• Modelle und Preise: Aktuelle Preise für Modell-Tokens und separate Kosten für Web-Tools.

Zusammenfassung

DeepSeek V4.1 Flash 1017 verbessert die Coding- und Agenten-Ergebnisse in den Evaluierungen des Herausgebers, während API-Alias und Preise für Modell-Tokens unverändert bleiben. Die Demos veranschaulichen vollständige visuelle Prototypen, und die Gewichte sind unter MIT-Bedingungen verfügbar.

Die Veröffentlichung von Search und Fetch bietet einen separaten Weg, um zunächst eine Seite zu finden und anschließend ihre Inhalte abzurufen; abgerechnet wird pro Anfrage. Bewerten Sie Projektqualität, Gesamtkosten pro Aufgabe und Tool-Gebühren gemeinsam, bevor Sie einen Benchmark-Zuwachs als Grundlage für eine Bereitstellungsentscheidung verwenden.