DeepSeek V4.1 Flash 1017: что изменилось в обновлении DeepSeek 17 октября

17 октября 2026 года DeepSeek выпустила обновление своей основной модели: V4.1 Flash заменена версией DeepSeek-V4.1-Flash-1017. По данным компании, новая версия уже работает на официальном сайте, в приложении и в API. Название модели в API и цены не изменились, а веса, как и у V4.1 Flash, выложены в открытый доступ под лицензией MIT.

Вместе с моделью DeepSeek открыла для всех два новых платных инструмента: Search API и Fetch API для поиска в интернете и чтения страниц. Ниже разберём, что именно улучшилось, как читать цифры DeepSeek, что меняется для обычного пользователя и для разработчика и чего компания пока не объявляла. Что изменилось 17 октября Цифры 1017 в названии совпадают с датой выпуска, 17 октября: так же DeepSeek обозначала августовское обновление V4-Pro-0813. Это не новое поколение, а доработка V4.1 Flash, которая вышла 10 сентября. В карточке модели на Hugging Face DeepSeek прямо называет релиз «небольшим обновлением» (minor update), но с заметным ростом в рассуждениях, программировании, агентных задачах и визуальных тестах. Главное по официальным заметкам DeepSeek: выше результаты в тестах по сравнению с прошлой версией V4.1 Flash; короче ответы и быстрее выполнение задач, поэтому одна задача обходится дешевле; лучше сборка проектов с нуля: модель дообучали с подкреплением на собственной обратной связи, чтобы она доводила до конца игры, 3D-сцены и другие проекты целиком; та же точка входа: в API модель по-прежнему вызывается как deepseek-flash; открытые веса на Hugging Face и ModelScope. Анонс DeepSeek озаглавлен Wish-Driven Programming, то есть «программирование по желанию»: описываете, что хотите получить, и модель за несколько шагов собирает рабочий результат. В примерах компании есть 3D-модель Запретного города, браузерная гоночная игра, копия игры Portal 2 на движке Godot и 3D-сцена, которая показывает развитие от доисторических времён до современности. Это демонстрации самой DeepSeek, а не независимая проверка. Цифры: насколько выросли результаты Все результаты ниже опубликовала сама DeepSeek в карточке модели и списке изменений API. На момент выхода это данные только самой компании, поэтому воспринимайте их как ориентир, а не как окончательный вердикт. ТестV4.1 FlashV4.1 Flash 1017Terminal-Bench 4.031,242,3ProgramBench20,329,1Apex Bench v1.164,672,1HLE без инструментов36,842,6Automation-Bench v1.0.654,860,5DeepSWE v1.174,277,0 Сильнее всего выросли результаты в Terminal-Bench, где модель работает в командной строке (плюс 11,1 пункта), и в ProgramBench (плюс 8,8). Прирост в DeepSWE скромнее, всего 2,8 пункта, но здесь важнее цена. Сколько стоит одна задача На графике DeepSeek для теста DeepSWE новая версия набирает 77% при средней стоимости примерно 0,2 доллара за задачу. С минимальной глубиной рассуждений (low) она даёт около 72–73% примерно за 0,11 доллара. Прошлая V4.1 Flash на максимальных настройках набирала около 74% примерно за 0,5 доллара. Значения сняты с графика с логарифмической шкалой, поэтому они приблизительные. Сравнение с конкурентами В той же таблице DeepSeek сравнивает новую версию с Kimi K3, GLM-5.3, GPT-5.6 Sol и Claude Opus 5. По данным компании, 1017 опережает Opus 5 в DeepSWE, Automation-Bench, Agents’ Last Exam и Apex Bench. Но в HLE (42,6 против 56,3), Terminal-Bench (42,3 против 51,8), ProgramBench, NL2Repo-Bench и трёх визуальных тестах (Chartography, BabyVision, ZeroBench) Opus 5 остаётся впереди. Выбирать модель лучше по своим задачам, а не по одной таблице. Что это значит для обычного пользователя Если вы пользуетесь DeepSeek на…

Источник: deepseek-ai.ru — deepseek-ai.ru/deepseek-v4-1-flash-1017/