Инструменты · 18 октября 2026 г.
Deepseek-V4.1-Flash-1017: обновлённая модель для агентов
Deepseek опубликовала Deepseek-V4.1-Flash-1017 с открытыми весами и открыла Search и Fetch API; компания заявляет о более коротких ответах, ускорении работы и снижении средней стоимости задач на собственных бенчмарках.
Deepseek выпустила модель Deepseek-V4.1-Flash-1017 и предлагает её через сайт, приложение и API. Компания также опубликовала веса модели в открытом виде и открыла часть своих инструментов для внешних разработчиков.
По данным Deepseek, обновление даёт более короткие ответы и быстрее выполняет задания; в своих внутренних тестах компания видит сокращение средней стоимости выполнения задач по сравнению с предыдущей версией.
Детали релиза и распространения
Deepseek-V4.1-Flash-1017 доступна через сайт, приложение и API компании, а также опубликована в открытом виде на Hugging Face странице модели. По сообщению The Decoder, компания также разместила веса на ModelScope и объявила сопутствующие инструменты для развёртывания.
Параллельно Deepseek делает общедоступными два HTTP-эндпойнта — Search и Fetch API — с ценой $0.75 за 1 000 вызовов; до 31 октября 2026 года серверные обращения через Deepseek Harness, Claude Code и Codex будут бесплатны, отмечает публикация The Decoder (источник).
Производительность, метод обучения и ограничения заявлений
Компания говорит, что для настройки модели применялся метод reinforcement learning with self-feedback (RLSF): пост‑тренировочная оптимизация, при которой модель использует собственные оценки уверенности или самокритику как сигнал вознаграждения. Deepseek утверждает, что это улучшает качество end-to-end разработки проектов — от программирования игр до 3D‑моделирования и анимации коротких объясняющих видео.
Внутренние бенчмарки Deepseek показывают, что V4.1-Flash-1017 даёт более короткие ответы и опережает более крупные модели в ряде задач по кодингу и агентной работе; независимых проверок этих результатов пока нет, и компания атрибутирует показатели собственным тестам, отмечает The Decoder (источник).
В диаграмме Deepseek приводятся численные примеры: в одном режиме модель достигает примерно 77,0% точности при средней цене чуть ниже $0.20 за задачу; в «низком» режиме — около 72% при ~$0.10. Предшественник в тех же тестах показал 74,2% при средней цене около $0.50. В публикации также сравнивают среднюю стоимость с рядом более крупных моделей, которые в этом графике варьируются от примерно $2 до более $10 за задачу.