DEEPSEEK · ТРЕКЕР МОДЕЛИ
Deepseek-V4.1-Flash-1017
Deepseek-V4.1-Flash-1017 — обновлённая версия семейства Flash от Deepseek, выпущенная с открытыми весами на Hugging Face и ModelScope. Модель дообучена с использованием усиленного обучения с самоконтролем, оптимизирована для задач разработки ПО и агентных задач; компания сообщает о лучших результатах в бенчмарках и сниженных затратах на задачу по сравнению с предшественником и рядом более крупных соперников.ТЕКУЩИЙ СНИМОК2/5 РАЗДЕЛОВ С ДАННЫМИ
Главные характеристики в одном месте.
Стоимость / Эффективность на DeepSWEВ бенчмарке DeepSWE V4.1-Flash-1017 показала максимальный результат 77,0% при среднем расходе чуть ниже $0,20 на задачу; в более экономичном режиме — около 72% при примерно $0,10 на задачу.
Не установлено по доступным источникам.
Не установлено по доступным источникам.
Бенчмарки / СравненияПо внутренним бенчмаркам Deepseek, V4.1-Flash-1017 превосходит предшественницу V4.1-Flash и, по заявлению компании, обходит более крупные соперничающие модели (включая Claude Opus 5, GPT 5.6-Sol, Kimi K3 и GLM 5.3) в нескольких категориях по коду и агентным задачам.
Не установлено по доступным источникам.
ХРОНОЛОГИЯ РЕЛИЗОВ
Только опубликованные события с источниками.
ПРОВЕРЯЕМЫЕ ФАКТЫ
Каждое значение привязано к источнику и дате.
РЕЛИЗ · Доступность / ВыпускДАННЫЕ РАЗРАБОТЧИКА
Deepseek-V4.1-Flash-1017 выпущена и доступна через сайт, приложение и API Deepseek. Веса модели опубликованы как open source на Hugging Face и ModelScope.
ВОЗМОЖНОСТИ · Метод обучения и возможностиДАННЫЕ РАЗРАБОТЧИКА
Модель дообучена с использованием усиленного обучения с самоконтролем (RLSF). Deepseek указывает, что модель работает быстрее, даёт более короткие ответы и хорошо справляется с сквозной разработкой ПО и агентными задачами; она также может анимировать компактные объясняющие видео. Модель настроена для сред разработки, таких как Deepseek Harness (рекомендуется v0.2.1-rc.1 или новее), Tencent CodeBuddy и WorkBuddy.
БЕНЧМАРКИ · Бенчмарки / СравненияДАННЫЕ РАЗРАБОТЧИКА
По внутренним бенчмаркам Deepseek, V4.1-Flash-1017 превосходит предшественницу V4.1-Flash и, по заявлению компании, обходит более крупные соперничающие модели (включая Claude Opus 5, GPT 5.6-Sol, Kimi K3 и GLM 5.3) в нескольких категориях по коду и агентным задачам.
ЦЕНЫ · Стоимость / Эффективность на DeepSWEДАННЫЕ РАЗРАБОТЧИКА
В бенчмарке DeepSWE V4.1-Flash-1017 показала максимальный результат 77,0% при среднем расходе чуть ниже $0,20 на задачу; в более экономичном режиме — около 72% при примерно $0,10 на задачу.
ЧТО ИЗМЕНИЛОСЬ