Tech Meridian← ВСЕ МОДЕЛИ
PROМОЙ MERIDIAN

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.

ЦЕНА
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.
КОНТЕКСТ

Не установлено по доступным источникам.

МОДАЛЬНОСТИ

Не установлено по доступным источникам.

БЕНЧМАРКИ
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.
ДОСТУПНОСТЬ

Не установлено по доступным источникам.

ХРОНОЛОГИЯ РЕЛИЗОВ

Только опубликованные события с источниками.

ИСТОЧНИКОВ 1 · ВАЖНОСТЬ 6.0

Deepseek выпустила Deepseek‑V4.1‑Flash‑1017, открыла веса и API поиска

Китайская компания Deepseek выпустила Deepseek‑V4.1‑Flash‑1017 и опубликовала веса модели на Hugging Face и ModelScope. Компания утверждает, что модель — обученная с помощью усиленного обучения с самоконтролем — работает быстрее, генерирует более короткие ответы, в внутренних бенчмарках обходит более крупные аналоги в задачах кодирования и агентных задачах, а также сопровождается новыми API Search & Fetch; независимой проверки заявлений о бенчмарках пока нет.

→

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

Сохранённые версии паспорта, без догадок задним числом.

Паспорт создан4 фактов