Введение
DeepSeek-V4.1-Flash-1017 — это промежуточное обновление DeepSeek-V4.1-Flash, которое приносит значительные улучшения в рассуждении, кодировании, решении задач агентов и визуальных бенчмарках. Модель снижает время выполнения задач и длину выходных данных, позволяя пользователям завершать задачи быстрее и с меньшими затратами, а также улучшая соотношение производительности к стоимости на нескольких контрольных показателях агентов.
| Бенчмарк | DS-V4.1-Flash-1017 | DS-V4.1-Flash | K3 | GLM-5.3 | GPT-5.6 Sol | Opus 5 |
|---|---|---|---|---|---|---|
| HLE w/o tools | 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 (w/tools) | 83.0 | 78.9 | 68.1 | — | 79.9 | 84.0 |
| BabyVision (w/tools) | 92.5 | 89.6 | 85.7 | — | 88.9 | 94.1 |
| ZeroBench-main (w/tools) | 51.0 | 49.0 | 41.0 | — | 53.0 | 52.0 |
† обозначает текстовое подмножество HLE. Для Terminal-Bench 4.0 используется harness Claude Code, для DeepSWE v1.1 — harness Mini-SWE-V2.
Кодирование запроса
В этом выпуске нет шаблона чата в формате Jinja. Папка encoding содержит самостоятельную эталонную реализацию на Python (encoding.py) с тестовыми случаями для многооборотных диалогов, вызовов инструментов, режима размышления, уровня усилий при числовых рассуждениях, системных сообщений в середине диалога и чередующегося содержимого изображений.
Для использования в production мы также выпускаем deepseek-recipe — набор библиотек на Rust с привязками Python, который предоставляет тот же формат запроса как поддерживаемый, ориентированный на протокол toolkit. Он преобразует запросы API Messages, Chat Completions и Responses в формат Conversation, кодирует их в промпты DeepSeek V4 и V4.1 или ID токенов, а также разбирает выходные данные модели обратно в полные или потоковые ответы — охватывая размышление, вызовы инструментов, изображения и параметры генерации. Вывод модели, выполнение инструментов и HTTP-транспорт оставлены вызывающей стороне.
Минимальный вывод
Пожалуйста, обратитесь к папке inference для получения инструкций по преобразованию весов и запуску вывода локально.
Рекомендуемые параметры выборки:
| Параметр | Значение |
|---|---|
temperature |
1.0 |
top_p |
1.0 |
context_window |
1M токенов |
max_tokens |
≥ 256K |
Лицензия
Репозиторий и веса модели лицензированы по лицензии MIT.
Цитирование
@misc{deepseekai2026deepseekv41flash,
title={DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression},
author={DeepSeek-AI},
year={2026},
}
Контакты
При возникновении вопросов создайте issue или свяжитесь с нами по адресу service@deepseek.com.