DeepSeek V4.1 Flash 1017

DeepSeek V4.1 Flash 1017 — октябрьское обновление V4.1 Flash, самой младшей модели новой архитектуры DeepSeek. Сама лаборатория называет это обновление небольшим. Модель устроена как смесь экспертов (mixture of experts): в каждом слое 384 подсети-«эксперта», и на каждый токен, то есть кусочек текста, включаются шесть из них плюс один общий. Поэтому из 552 млрд параметров основной части работает малая доля: 8 млрд, когда модель читает запрос, и 16 млрд, когда пишет ответ. Первые 20 из 40 слоёв только читают запрос, а следующие 20 пишут ответ.

По замерам DeepSeek, обновление обходит прежнюю V4.1 Flash во всех тестах, которые опубликовала компания. Сильнее всего вырос результат в Terminal-Bench 4.0 (работа в командной строке): 42,3 против 31,2, а в ProgramBench — 29,1 против 20,3. В DeepSWE v1.1 (исправление кода в реальных проектах) модель набирает 77,0, и в таблице DeepSeek это больше, чем у Claude Opus 5 с его 74,0. При этом в той же таблице Opus 5 заметно сильнее в Terminal-Bench 4.0 и в HLE — наборе трудных вопросов из разных наук. Ещё DeepSeek сократила длину ответов и время решения задач, поэтому, по словам компании, работа выходит быстрее и дешевле.

Модель берут для программирования и для агентов — программ, которые сами выполняют многошаговые задачи: пишут код, работают в терминале, пользуются инструментами. DeepSeek отдельно настроила её под свою агентную обвязку DeepSeek Harness (программу, которая запускает модель как агента и даёт ей инструменты), а также под сервисы Tencent CodeBuddy и WorkBuddy. Глубину рассуждений можно плавно менять по шкале от 1 до 100: на низких значениях модель отвечает быстрее и дешевле, на высоких дольше думает. Картинки она видит через собственный кодировщик DeepSeek-ViT, и в визуальных тестах BabyVision и Chartography обновление прибавило 3–4 балла.

Веса открыты под лицензией MIT: модель можно разворачивать без DeepSeek, дообучать и встраивать в коммерческие продукты. Вместе со всеми частями в ней около 763 млрд параметров, поэтому на своих серверах её запускают компании, а остальные пользуются ею через API. Готового шаблона диалога в привычном формате Jinja в весах нет. Как размечать запросы и вызовы инструментов, DeepSeek показывает отдельным кодом на Python, а для рабочей среды советует свою библиотеку на Rust.

источники:Карточка модели на Hugging Face ↗Журнал изменений API DeepSeek ↗Карточка исходной V4.1 Flash: устройство модели ↗