Model Releases
DeepSeek выпускает DeepSeek-V4.1-Flash-1017 мультимодальную модель с архитектурой MoE
DeepSeek представила обновление V4.1-Flash-1017, значительно улучшающее агентные возможности и кодинг при сохранении прежней стоимости API.
17 октября 2026 г.
Model ReleaseDeepSeek-V4.1-Flash-1017
Введение: Новый этап эффективности DeepSeek
17 октября 2026 года компания DeepSeek объявила о выходе DeepSeek-V4.1-Flash-1017 — масштабного обновления своей флагманской серии Flash-моделей. Это не просто итеративное улучшение, а качественный скачок в производительности мультимодальных агентов и специализированных задач программирования. Модель доступна мгновенно через веб-интерфейс, мобильное приложение и API, при этом метод вызова остается прежним: deepseek-flash.
Для разработчиков и AI-инженеров это обновление означает достижение нового «Парето-оптимума» между стоимостью и производительностью. DeepSeek удалось сделать модель умнее и быстрее, не меняя при этом тарифную сетку, что позволяет получать более качественные результаты за те же вычислительные ресурсы.
- Мгновенное обновление через API (метод deepseek-flash)
- Открытые веса (Open Weights) на Hugging Face
- Оптимизация для агентских задач и кодинга
- Сохранение прежней стоимости при росте производительности
Архитектура и ключевые характеристики
DeepSeek-V4.1-Flash-1017 базируется на продвинутой архитектуре Mixture-of-Experts (MoE). Общий объем параметров модели составляет 552B, однако благодаря эффективному маршрутизатору, для обработки входных данных (input) активируется всего 8B параметров, а для генерации ответа (output) — 16B. Такой подход обеспечивает невероятную скорость генерации, достигающую 300 токенов в секунду в тестах.
Модель является мультимодальной, что позволяет ей эффективно работать не только с текстом, но и с визуальными данными, что критически важно для современных AI-агентов. Огромное контекстное окно в 1 миллион токенов позволяет обрабатывать целые репозитории кода или многочасовые видеопотоки без потери связности.
- Архитектура: 552B MoE (8B active input / 16B active output)
- Контекстное окно: 1,000,000 токенов
- Максимальный выход: 384,000 токенов
- Мультимодальность: текст + изображения/видео
Производительность и бенчмарки
Результаты тестирования демонстрируют значительный отрыв от предыдущей версии V4.1-Flash. В частности, на бенчмарке HLE (без использования инструментов) модель показала 42.6 балла (44.0 на чисто текстовом подмножестве) против 36.8 у предшественника. В Terminal-Bench 4.0 результат вырос с 31.2 до 42.3, что подтверждает превосходство в управлении терминалом и системных задачах.
Особое внимание стоит уделить кодингу и агентским способностям. DeepSeek-V4.1-Flash-1017 набрала 77.0 баллов на DeepSWE v1.1 и 68.2 на NL2Repo-Bench. Мультимодальные агенты также показали выдающиеся результаты: 83.0 в Chartography и 92.5 в BabyVision. Оценка ZeroBench-main (Pass@5) составила 51.0.