DeepSeek V4.1 Flash 1017: бенчмарки программирования, веса модели и стоимость API

DeepSeek обновила V4.1 Flash до версии DeepSeek-V4.1-Flash-1017, которая доступна на сайте, в приложении и через API. Разработчики могут и дальше использовать имя модели deepseek-flash: октябрьское обновление не меняет способ вызова API и цены на токены модели.

В анонсе основное внимание уделено улучшению результатов в программировании и работе агентов, а также сокращению объёма ответов и времени выполнения задач. DeepSeek также опубликовала веса модели и открыла отдельные API Search и Fetch.

В источнике обновление показано на примере «вайб-кодинга»: пользователь описывает приложение или сцену, а агент создаёт работающий прототип. Эти примеры — демонстрации: они показывают результаты в отдельных случаях, но не гарантируют, что любой проект можно реализовать одним запросом.

От описания до работающего проекта

В первом примере показана трёхмерная сцена Запретного города. Демонстрация переключается между видами сверху и ракурсами с уровня земли, показывая дворы, ворота, окружающую территорию и архитектурные детали в интерактивной среде.

Демонстрация DeepSeek, воспроизведённая в исходном материале.

Далее показана гоночная игра для браузера. В представленном сценарии можно выбрать автомобиль, начать гонку, проехать по освещённому неоном городу и перейти к экрану результатов. В материале также описано переключение между внешним видом автомобиля и видом из салона.

Затем следует демонстрация на Godot по мотивам игры Portal. В ней показаны испытательная камера от первого лица, перемещение по окружению, интерактивные объекты и элементы, похожие на порталы. Это представленный прототип, а не официальный лицензированный релиз игры Valve.

В четвёртом примере, Valley of Ages, показано, как меняется поселение в разные исторические эпохи. Здания и инфраструктура развиваются вокруг одного и того же речного ландшафта: от ранних поселений до промышленных и современных городских форм.

Источник связывает улучшение способности создавать проекты с нуля с обучением с подкреплением и самообратной связью. Официальные журнал изменений и карточка модели, изученные для этой статьи, подтверждают обновление возможностей, но не содержат подробного описания этого процесса обучения. Поэтому конкретное объяснение обучения приводится со ссылкой на исходный материал.

Эти примеры иллюстрируют полезный подход к разработке: изучить исполняемый прототип, а затем доработать его поведение и внешний вид. Отдельная демонстрация не подтверждает готовность к промышленному использованию, наличие прав на сторонние материалы или объём человеческой доработки, необходимой для получения конечного результата.

Более высокие результаты в программировании без повышения цены модели

В официальном сравнении сообщается об улучшении результатов в задачах на рассуждение, программирование, работу агентов и визуальное понимание. В таблице приведены показатели предыдущей версии и новой версии, указанные в карточке модели:

Значения HLE для режима «только текст» относятся к подмножеству и не должны смешиваться с результатом по всему бенчмарку. По словам DeepSeek, для Terminal-Bench 4.0 использовалась оболочка Claude Code, для DeepSWE v1.1 — Mini-SWE-V2, а для ZeroBench-main — Pass@5.

Таблица сравнения издателя, воспроизведённая в исходном материале.

В таблице сравнения DeepSeek новая модель опережает указанные альтернативы в DeepSWE, Automation-Bench, Agents' Last Exam и Apex Bench. Однако она не лидирует по всем показателям: например, в отображённых результатах Opus 5 сохраняет преимущество в Terminal-Bench 4.0 и ProgramBench. Утверждение, что модель превосходит все передовые модели без исключения, выходило бы за рамки представленных результатов.

Источник также обращает внимание на результат 77% DeepSWE Pass@1 при стоимости примерно $0.20 за задачу в сравнении стоимости от издателя; для GPT-6 Astra в нём указан результат 74%. Это сравнение относится к конкретному бенчмарку и тестовой оболочке, а не к общей оценке цены или возможностей при выполнении любых задач программирования.

Сравнение стоимости задач от DeepSeek, воспроизведённое источником.

DeepSeek описывает это обновление как улучшение соотношения производительности и стоимости по Парето в нескольких тестовых оболочках: больше успешно выполненных задач при меньшем времени работы и более коротких ответах. Даже при неизменных тарифах на токены общая сумма может снизиться, если для задачи требуется меньше токенов или попыток, однако фактическая экономия зависит от конкретной нагрузки.

В журнале изменений для новой модели рекомендуется использовать DeepSeek Harness 0.2.1-rc.1 или более позднюю версию. Это рекомендация для данной интеграции, а не требование изменить имя модели в API.

Открытые веса и новые API Search и Fetch

DeepSeek публикует веса версии 1017 в официальном репозитории на Hugging Face; в источнике также приведена ссылка на релиз в ModelScope. В официальной карточке модели указано, что репозиторий и веса модели распространяются по лицензии MIT.

Открытые веса не означают, что модель можно развернуть локально на лёгкой инфраструктуре. На странице Hugging Face указано общее число параметров — 763 миллиарда; там же приведены ссылки на инструкции репозитория по инференсу и конвертации весов. Также отмечается, что в этом релизе нет шаблона чата в формате Jinja: за обработку формата запросов отвечают эталонный кодировщик и поддерживаемый инструментарий deepseek-recipe.

Одновременно с обновлением модели DeepSeek открыла два API для работы с веб-контентом:

• Search находит страницы по запросу и возвращает структурированные результаты.
• Fetch извлекает содержимое одной страницы и возвращает его в формате Markdown.

DeepSeek заявляет, что её собственный движок индексирует сотни миллиардов страниц, обрабатывает сотни миллионов запросов в день и отфильтровывает SEO-спам, манипуляции GEO и низкокачественные материалы, созданные ИИ. Это заявления компании о масштабе и фильтрации; приведённые в статье показатели не проходили независимую проверку.

Неудачные запросы, тайм-ауты и пустые результаты поиска не тарифицируются. Количество результатов Search не влияет на цену одного запроса. Search и Fetch оплачиваются отдельно от токенов модели.

Дата начала тарификации: Согласно документации, серверные вызовы Search/Fetch через API DeepSeek в DeepSeek Harness, Claude Code или Codex пока не тарифицируются; плата за каждый запрос начнёт взиматься 1 ноября 2026 года в 00:00 по пекинскому времени. Эту временную схему не следует представлять как постоянное бесплатное использование Search API.

Часто задаваемые вопросы

Как вызывать DeepSeek V4.1 Flash 1017 через API?

Официальное имя модели остаётся deepseek-flash. DeepSeek сообщает, что сайт, приложение и API переведены на новую версию без изменений в способе вызова и ценах на токены модели в рамках этого обновления.

Стало ли после обновления выполнение любой задачи программирования дешевле?

DeepSeek сообщает о сокращении времени выполнения и объёма ответов, а также об улучшении показателей соотношения производительности и стоимости в своих оценках. Итоговые расходы по-прежнему зависят от потребления токенов, повторных попыток, использования инструментов и того, соответствует ли созданный проект задаче.

Открыты ли веса модели 1017?

Да. В официальной карточке Hugging Face указано, что репозиторий и веса распространяются по лицензии MIT. Для локального развёртывания по-прежнему необходима подходящая инфраструктура и инструкции репозитория по кодированию и инференсу.

Гарантирует ли результат 77% в DeepSWE, что код приложения будет работать?

Нет. Это результат измерения в тестовой среде Mini-SWE-V2, а не гарантия для другого проекта. Визуальные демонстрации также необходимо проверять и тестировать, прежде чем использовать их код за пределами прототипа.

В чём разница между Search и Fetch?

Search находит релевантные веб-страницы и возвращает структурированные результаты. Fetch извлекает содержимое конкретной страницы в формате Markdown с учётом доступности сайта и действующих на нём правил доступа.

Когда начнётся тарификация вызовов Search и Fetch?

Временная бесплатная схема серверных вызовов через DeepSeek Harness, Claude Code и Codex завершится 1 ноября 2026 года в 00:00 по пекинскому времени. Актуальные тарифы для самостоятельного использования и отдельных регионов следует проверять на соответствующей странице с ценами: токены модели и вызовы инструментов тарифицируются отдельно.

Связанные инструменты

• DeepSeek API: официальные интерфейсы моделей и веб-инструментов для интеграции DeepSeek в приложения.
• DeepSeek V4.1 Flash 1017: официальные веса, карточка модели и справочные материалы по инференсу.
• deepseek-recipe: инструментарий для преобразования формата запросов и разбора результатов, на который ссылается карточка модели.

Связанные материалы

• Исходный материал BAAI/Xinzhiyuan: демонстрации из источника, показатели бенчмарков и описание релиза.
• Официальный журнал изменений от 17 октября: псевдоним модели в API, настройки бенчмарков и рекомендации по Harness.
• Официальная карточка модели: сравнение результатов бенчмарков, инструкции по кодированию и лицензия.
• Руководство Search и Fetch: порядок обработки запросов, тарификация успешных вызовов и ограничения частоты запросов.
• Руководство Search и Fetch на китайском языке: опубликованные цены в юанях и уведомление о начале тарификации в ноябре.
• Модели и цены: актуальные тарифы на токены моделей и отдельная плата за веб-инструменты.

Краткое содержание

DeepSeek V4.1 Flash 1017 улучшает результаты в оценках программирования и работы агентов, опубликованных компанией, при этом имя модели в API и цены на токены остаются прежними. Демонстрации показывают визуальные прототипы целиком, а веса доступны по условиям лицензии MIT.

Выпуск Search и Fetch добавляет отдельный способ находить страницы и получать их содержимое с тарификацией за запросы. Прежде чем принимать решение о развёртывании на основании улучшения бенчмарка, оценивайте вместе качество проекта, общую стоимость выполнения задачи и расходы на инструменты.