For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/es/articles/deepseek-flash-1017-harness-0-2-1-benchma-1cbf9b44.md.
DeepSeek ha actualizado V4.1 Flash con **DeepSeek-V4.1-Flash-1017**, una versión centrada en mejorar el razonamiento, la programación, los f...
DeepSeek ha actualizado V4.1 Flash con DeepSeek-V4.1-Flash-1017, una versión centrada en mejorar el razonamiento, la programación, los flujos de trabajo con agentes y las tareas visuales. Su principal afirmación de eficiencia es que ofrece mejores resultados con menos tiempo de ejecución y respuestas más breves.
El registro de cambios del 17 de octubre indica que se han actualizado el sitio web oficial, la aplicación y la API. Los usuarios de la API deben seguir solicitando deepseek-flash; esta actualización no modifica el método de llamada ni los precios del modelo.
DeepSeek también recomienda actualizar DeepSeek Harness a la versión 0.2.1-rc.1 o posterior para disfrutar de la experiencia prevista. La versión está dirigida específicamente a Harness y otras plataformas de agentes, como Tencent CodeBuddy y WorkBuddy, y no se limita a mejorar las respuestas de chat independientes.
El informe proporcionado describe una concesión limitada de crédito de 6 RMB para quienes inicien sesión por primera vez en Harness y cumplan los requisitos. El crédito es válido durante siete días desde su recepción y está sujeto a disponibilidad. Se trata de una promoción comunicada, no de un derecho permanente sobre la API; la pantalla de elegibilidad y vencimiento de la cuenta debe determinar si se aplica.
La ficha oficial del modelo describe esta versión como una actualización menor de V4.1 Flash, pero los cambios comunicados en varios benchmarks orientados a agentes son considerables. Por ejemplo, Terminal-Bench 4.0 pasa de 31.2 a 42.3, mientras que ProgramBench sube de 20.3 a 29.1.
La tabla siguiente conserva las comparaciones que aparecen en la fuente y en la ficha oficial del modelo. Son puntuaciones de benchmarks comunicadas, no mediciones de una nueva prueba independiente.
| Benchmark | Flash-1017 | V4.1 Flash anterior | Kimi K3 | GLM-5.3 | GPT-5.6 Sol | Claude Opus 5 |
|---|---|---|---|---|---|---|
| HLE, sin herramientas | 42.6 (44.0*) | 36.8 (39.1*) | 43.5 | 42.0* | 44.5 | 56.3 |
| Terminal-Bench 4.0 | 42.3 | 31.2 | 12.6 | 37.9 | 39.9 | 51.8 |
| DeepSWE v1.1 | 77.0 | 74.2 | 67.5 | 66.9 | 73.0 | 74.0 |
| 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 |
| Automation-Bench v1.0.6 | 60.5 | 54.8 | 46.7 | 48.8 | 45.8 | 50.3 |
| Agents' Last Exam | 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 |
| Chartography, con herramientas | 83.0 | 78.9 | 68.1 | No comunicado | 79.9 | 84.0 |
| BabyVision, con herramientas | 92.5 | 89.6 | 85.7 | No comunicado | 88.9 | 94.1 |
| ZeroBench-main, con herramientas | 51.0 | 49.0 | 41.0 | No comunicado | 53.0 | 52.0 |
* indica el subconjunto de HLE solo de texto. Terminal-Bench 4.0 utilizó el entorno de ejecución de Claude Code, y DeepSWE v1.1 utilizó Mini-SWE-V2; la tabla de la fuente indica Pass@5 para ZeroBench-main. No deben combinarse las puntuaciones de tareas y configuraciones de evaluación distintas en una única tasa general de éxito.
La afirmación más distintiva se refiere al equilibrio entre resultados y gasto. DeepSeek afirma que redujo el tiempo de ejecución y la longitud de las respuestas al tiempo que mejoró el rendimiento, ampliando la frontera entre rendimiento y coste en varios entornos de ejecución.
El gráfico compara ejecuciones concretas de tareas, entornos de ejecución y configuraciones de razonamiento. No significa que todos los proyectos vayan a ser más baratos ni que una puntuación determinada esté garantizada en otro entorno. La ejecución de herramientas, los reintentos, el tamaño de las respuestas y la forma de especificar una tarea siguen influyendo en el coste.
La fuente describe las demostraciones de programación de esta versión como un paso hacia la posibilidad de describir un resultado y dejar que el agente avance por la planificación, la implementación, la ejecución, la inspección y la revisión. Atribuye este comportamiento iterativo al aprendizaje por refuerzo mediante retroalimentación propia.
Uno de los resultados presentados es una escena 3D navegable inspirada en la Ciudad Prohibida. En lugar de una imagen estática, el ejemplo se presenta como código que genera una escena con cambios de punto de vista.
Otros ejemplos incluyen un juego de carreras para navegador, un proyecto de Godot inspirado en Portal y un mundo 3D dinámico que recorre distintas épocas históricas.
Estas capturas muestran los ejemplos seleccionados para la cobertura de la versión. No revelan una tasa de éxito completa para todas las instrucciones, el nivel total de intervención manual ni la regularidad con la que un usuario nuevo puede reproducir el mismo resultado. Incluso un proyecto que parece convincente en una captura necesita pruebas funcionales y una revisión del código generado.
Antes del anuncio, según se informó, algunos usuarios detectaron durante un breve periodo una entrada en la lista de modelos que terminaba en 1017. La fuente también describe un cambio en la huella digital del sistema deepseek-flash y comentarios informales sobre respuestas más rápidas y concisas.
Un cambio en la huella digital puede indicar una modificación del servicio o de su configuración; por sí solo, no demuestra la identidad ni la arquitectura o calidad de un modelo. Del mismo modo, las escenas comparativas compartidas por usuarios son ejemplos individuales, no comparaciones controladas.
El registro de cambios posterior y el repositorio del modelo ofrecen una confirmación más sólida: existe una versión denominada DeepSeek-V4.1-Flash-1017, con una tabla de benchmarks documentada y un servicio alojado actualizado. No es necesario inferir su existencia a partir de los indicios anteriores.
El repositorio indica que el código y los pesos utilizan la licencia MIT. También remite a los desarrolladores a la referencia de codificación y a las instrucciones de inferencia; esta versión no incluye una plantilla de chat en formato Jinja. Estos detalles de implementación son más importantes para el autoalojamiento que un comando genérico de inicio rápido generado automáticamente.
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
Junto con la actualización del modelo, DeepSeek abrió dos interfaces para su propio sistema de búsqueda. Search descubre páginas pertinentes, mientras que Fetch recupera en formato Markdown el contenido de una URL seleccionada.
| API | Endpoint | Función |
|---|---|---|
| Search | POST https://api.deepseek.com/v1/tools/search | Devuelve resultados de búsqueda clasificados, con contenido de página opcional. |
| Fetch | POST https://api.deepseek.com/v1/tools/fetch | Devuelve el título de una página y su contenido en formato Markdown. |
Las API utilizan una clave de API de DeepSeek para la autenticación. Search admite operadores para incluir o excluir sitios, limitar el idioma y filtrar por fecha de publicación. Un agente puede buscar primero fuentes y, a continuación, recuperar las páginas seleccionadas y utilizar su contenido en el siguiente paso del análisis.
La recuperación sigue estando sujeta a la disponibilidad y a las políticas de acceso del sitio web de destino. La apertura de una API de Search no concede a un agente acceso sin restricciones a todas las páginas de Internet.
Ambas API se facturan por solicitud completada correctamente, por separado de los cargos por tokens del modelo. La guía en chino indica un precio de 5 RMB por cada 1.000 solicitudes completadas correctamente para Search y para Fetch; la guía en inglés indica 0,75 $ por cada 1.000 para cada una. Estos son los precios publicados en las respectivas guías, no una conversión de divisas calculada aquí.
Una solicitud facturable debe devolver HTTP 200 y contenido útil: una lista de resultados no vacía en Search o contenido de página en Fetch. Las solicitudes fallidas, las búsquedas sin resultados y los tiempos de espera agotados no se facturan. Solicitar más resultados mediante count en Search no cambia el precio por solicitud.
Las guías añaden una regla de transición específica para quienes acceden a DeepSeek a través de Harness, Claude Code o Codex. Actualmente, las llamadas a las herramientas Search y Fetch en el servidor dentro de esos flujos de trabajo no se facturan; está previsto que el cobro por solicitud comience a las 00:00, hora de Pekín, del 1 de noviembre de 2026. Esto no significa que la inferencia del modelo o todas las solicitudes directas a la API sean gratuitas hasta esa fecha.
Es la actualización del 17 de octubre de DeepSeek V4.1 Flash. DeepSeek informa de mejoras en razonamiento, programación, tareas con agentes y benchmarks visuales, además de respuestas más breves y menos tiempo de ejecución de las tareas.
El registro de cambios indica que se debe seguir usando deepseek-flash para la API alojada. Esta versión no modifica el método de llamada ni los precios del modelo.
DeepSeek recomienda la versión 0.2.1-rc.1 o posterior para el modelo actualizado. Comprueba la versión mediante el mecanismo oficial de actualización del producto en lugar de asumir que cualquier versión anterior de la serie 0.2 ofrece la misma integración.
No. La cobertura muestra ejemplos seleccionados, no una tasa de éxito medida para instrucciones arbitrarias. Para reproducir un proyecto interactivo hay que comprobar la ejecución, los controles, los recursos y el código generado en el entorno real.
Search encuentra páginas candidatas y devuelve resultados clasificados, con contenido opcional. Fetch lee una URL especificada y devuelve el título y el contenido en Markdown, sujeto a la accesibilidad de ese sitio.
El periodo temporal sin facturación de la guía se refiere específicamente a las llamadas a herramientas en el servidor a través de los flujos de trabajo con agentes mencionados. La facturación por solicitud de esas llamadas comienza a las 00:00, hora de Pekín, del 1 de noviembre de 2026; la facturación por tokens del modelo es independiente.
DeepSeek-V4.1-Flash-1017 combina mejores resultados comunicados en benchmarks de agentes con un enfoque en reducir el trabajo de ejecución de las tareas. Las integraciones alojadas existentes mantienen el alias deepseek-flash, mientras que se recomienda a quienes usan Harness actualizar a la versión indicada.
Search y Fetch añaden la búsqueda de fuentes y la lectura de páginas al flujo de trabajo, con una facturación por solicitud que debe distinguirse de los costes por tokens del modelo.
Empieza con una sola frase y obtén un sitio completo en minutos.
