Με λίγα λόγια
- Το DeepSeek-V4.1-Flash-1017 είναι ενημέρωση του DeepSeek-V4.1-Flash, που κυκλοφόρησε στις 10 Σεπτεμβρίου 2026. Ίδια αρχιτεκτονική και ίδιο όνομα στο API, καλύτερες βαθμολογίες και συντομότερες απαντήσεις.
- Στις δοκιμές της ίδιας της DeepSeek κερδίζει περισσότερο στον agentic προγραμματισμό: 42,3 στο Terminal-Bench 4.0, από 31,2, και 77,0 στο DeepSWE v1.1.
- Είναι μοντέλο mixture-of-experts με 552 δισεκατομμύρια παραμέτρους, από τις οποίες 16 δισεκατομμύρια δουλεύουν σε κάθε token που παράγεται, και παράθυρο συμφραζομένων έως 1 εκατομμύριο tokens. Τα βάρη είναι δωρεάν με άδεια MIT.
- Τα πλήρη βάρη πιάνουν περίπου 510 GB. Σε Mac χρειάζεται Mac Studio με 256 έως 512 GB μνήμης, ή streaming από τον SSD με 128 GB.
1Τι είναι το DeepSeek V4.1 Flash 1017
Το DeepSeek-V4.1-Flash είναι το μικρότερο μοντέλο της οικογένειας V4.1 της DeepSeek, με ενσωματωμένη κατανόηση εικόνας. Ήρθε στο API της DeepSeek στις 10 Σεπτεμβρίου 2026· στις 17 Οκτωβρίου η DeepSeek το αντικατέστησε με το DeepSeek-V4.1-Flash-1017, που το χαρακτηρίζει μικρή ενημέρωση (DeepSeek API changelog).
Η ενημέρωση βελτιώνει τα benchmarks συλλογισμού, προγραμματισμού, agents και εικόνας, και το μοντέλο ολοκληρώνει εργασίες με συντομότερη έξοδο σε λιγότερο χρόνο. Η DeepSeek το ρύθμισε για το δικό της DeepSeek Harness, το Tencent CodeBuddy και το WorkBuddy, και προτείνει DeepSeek Harness 0.2.1-rc.1 ή νεότερο (Hugging Face).
Το όνομα ακολουθεί τη συνήθεια της DeepSeek να χρονολογεί τις ενημερώσεις: 1017 είναι ο μήνας και η ημέρα, 17 Οκτωβρίου.
2Benchmarks: το 1017 απέναντι στο V4.1 Flash και σε άλλα
| Benchmark | V4.1 Flash 1017 | V4.1 Flash | Opus 5 | GPT-5.6 Sol | Kimi K3 | GLM-5.3 |
|---|---|---|---|---|---|---|
| HLE, χωρίς εργαλεία | 42.6 | 36.8 | 56.3 | 44.5 | 43.5 | 42.0 |
| Terminal-Bench 4.0 | 42.3 | 31.2 | 51.8 | 39.9 | 12.6 | 37.9 |
| DeepSWE v1.1 | 77.0 | 74.2 | 74.0 | 73.0 | 67.5 | 66.9 |
| ProgramBench | 29.1 | 20.3 | 37.0 | 23.0 | 17.5 | 19.0 |
| NL2Repo-Bench | 68.2 | 65.4 | 75.3 | 56.8 | 58.0 | 58.0 |
| Agents' Last Exam | 35.4 | 31.8 | 28.6 | 26.7 | 27.6 | 28.5 |
| Apex Bench v1.1 | 72.1 | 64.6 | 65.8 | 54.3 | 47.8 | 56.6 |
Με αυτά τα νούμερα, το 1017 προηγείται όλων των μοντέλων του πίνακα στα DeepSWE, Agents' Last Exam και Apex Bench, και υστερεί έναντι του Opus 5 στον συλλογισμό χωρίς εργαλεία, στη δουλειά στο τερματικό και στη δημιουργία ολόκληρων προγραμμάτων. Βελτιώνεται επίσης σε δοκιμές διαγραμμάτων και εικόνας, όπως το Chartography (83,0, από 78,9) και το BabyVision (92,5, από 89,6).
Πέφτει και το κόστος ανά εργασία. Στα διαγράμματα της DeepSeek που μετέφερε το The Decoder, μια εργασία DeepSWE κοστίζει λίγο κάτω από 0,20 $ στην υψηλότερη ρύθμιση, έναντι περίπου 0,50 $ για την προηγούμενη έκδοση.
3Παράμετροι, παράθυρο συμφραζομένων και μέγεθος
| DeepSeek-V4.1-Flash-1017 | |
|---|---|
| Συνολικές παράμετροι | 552 δισεκατομμύρια (mixture of experts) |
| Ενεργές ανά token | 8 δισεκατομμύρια στην ανάγνωση του prompt, 16 δισεκατομμύρια στη γραφή |
| Experts | 384 δρομολογούμενοι και 1 κοινός, 6 ανά token |
| Παράθυρο συμφραζομένων | Έως 1.048.576 tokens |
| Μνήμη ανά token συμφραζομένων | Περίπου 890 bytes, το ένα τέταρτο του V4 Flash |
| Βάρη | FP8, με τους experts σε FP4· περίπου 510 GB |
| Είσοδος | Κείμενο και εικόνες |
| Άδεια | MIT |
Περίπου 189 GiB της λήψης είναι δύο πίνακες Engram: μια μεγάλη μνήμη που το μοντέλο αναζητά αντί να υπολογίζει, λίγες γραμμές ανά token. Runtimes όπως το DwarfStar τους κρατούν στον SSD και διαβάζουν μόνο τις γραμμές που χρειάζονται, γι' αυτό το μοντέλο μπορεί να τρέξει με πολύ λιγότερη μνήμη από το μέγεθος της λήψης (antirez στο Hugging Face).
4Όνομα στο API και τιμή
Στο API της DeepSeek το μοντέλο λέγεται deepseek-flash και πλέον δείχνει στο 1017· τα παλαιότερα ονόματα deepseek-v4-flash και deepseek-v4-flash-vision-exp δρομολογούνται σε αυτό προς το παρόν. Η DeepSeek λέει ότι ο τρόπος κλήσης και οι τιμές έμειναν ίδιοι με το 1017 (DeepSeek).
| Πάροχος | Είσοδος, ανά εκατομμύριο tokens | Έξοδος, ανά εκατομμύριο tokens |
|---|---|---|
| DeepSeek | $0.15 | $0.60 |
| Cloudflare | $0.10 | $0.60 |
| DeepInfra | $0.098 | $0.294 |
| Together, Fireworks, Baseten | $0.30 | $1.20 |
Η DeepSeek προτείνει temperature 1,0, top_p 1,0 και χώρο για μεγάλες απαντήσεις (max_tokens τουλάχιστον 256K). Τα βάρη έρχονται χωρίς πρότυπο συνομιλίας Jinja: τα prompts δημιουργούνται με τον κώδικα κωδικοποίησης στο αποθετήριο του μοντέλου.
5Μπορείτε να το τρέξετε στον δικό σας Mac;
Ναι, αλλά μόνο στους μεγαλύτερους Mac. Ένα Mac Studio με 512 GB μνήμης (M3 Ultra ή M5 Ultra) χωράει ολόκληρες τις εκδόσεις 4-bit· τα 256 GB φτάνουν για μια έκδοση 2-bit με τους πίνακες Engram στον SSD· ένας Mac με 128 GB μπορεί να κάνει streaming από τον SSD, αργά. Η πρώτη δημοσιευμένη εκτέλεση, σε M3 Ultra με 512 GB, έγραφε περίπου 6,5 tokens ανά δευτερόλεπτο.
Ποια έκδοση να κατεβάσετε, τις εντολές και τις ταχύτητες θα τα βρείτε στον αναλυτικό οδηγό μας: Εκτέλεση του DeepSeek V4.1 Flash σε Mac.
Για κάθε άλλο Mac, το API κοστίζει λίγα σεντ ανά εκατομμύριο tokens, και μικρότερα ανοιχτά μοντέλα τρέχουν καλά τοπικά: δείτε τον καλύτερο Mac για τοπικά LLM.
6Βάλτε τις ώρες αδράνειας ενός μεγάλου Mac να δουλέψουν
Ένα Mac Studio που αγοράστηκε για τέτοια μοντέλα περνά το μεγαλύτερο μέρος της ημέρας σε αναμονή. Το MLX Node δίνει αυτόν τον ελεύθερο χρόνο στο MLX Network, που εκτελεί εργασίες AI σε Mac με το framework MLX της Apple, και κερδίζει tokens MLX για επαληθευμένη δουλειά: έως 1 MLX την ημέρα σε δωρεάν θέση και έως 320 με μια αποκλειστική θέση Ultra σε Mac με chip Ultra. Το MLX από εξόρυξη μένει κλειδωμένο για 30 ημέρες, λιγότερο με αποκλειστική θέση· δείτε τους κινδύνους.
7Ερωτήσεις
- Τι είναι το DeepSeek V4.1 Flash 1017;
- Είναι η ενημέρωση της 17ης Οκτωβρίου 2026 του DeepSeek-V4.1-Flash, του μοντέλου mixture-of-experts της DeepSeek με ανοιχτά βάρη. Κρατά την αρχιτεκτονική και το όνομα στο API και βαθμολογείται ψηλότερα σε benchmarks συλλογισμού, προγραμματισμού, agents και εικόνας.
- Ποια είναι η διαφορά ανάμεσα στο V4.1 Flash και στο 1017;
- Ίδιο μέγεθος μοντέλου και ίδιο API, νεότερη εκπαίδευση. Στις δοκιμές της DeepSeek το 1017 πετυχαίνει 42,3 αντί για 31,2 στο Terminal-Bench 4.0 και 77,0 αντί για 74,2 στο DeepSWE v1.1, και γράφει συντομότερες απαντήσεις, οπότε οι εργασίες κοστίζουν λιγότερο.
- Πόσες παραμέτρους έχει το DeepSeek V4.1 Flash;
- 552 δισεκατομμύρια συνολικά. Ενεργοποιεί 8 δισεκατομμύρια ανά token όταν διαβάζει το prompt και 16 δισεκατομμύρια όταν γράφει, και προσθέτει δύο μεγάλους πίνακες αναζήτησης Engram που μπορούν να μείνουν στον δίσκο.
- Είναι δωρεάν το DeepSeek V4.1 Flash 1017;
- Τα βάρη είναι δωρεάν για λήψη και χρήση με άδεια MIT. Η χρήση μέσω του API της DeepSeek πληρώνεται: 0,15 $ ανά εκατομμύριο tokens εισόδου και 0,60 $ ανά εκατομμύριο tokens εξόδου, όπως αναφέρεται στο OpenRouter.
- Μπορώ να τρέξω το DeepSeek V4.1 Flash 1017 τοπικά;
- Ναι, με πολλή μνήμη. Σε Mac, ένα Mac Studio με 512 GB τρέχει τις εκδόσεις 4-bit και με 256 GB τρέχει μια έκδοση 2-bit με τους πίνακες Engram στον SSD. Για μικρότερους Mac είναι προτιμότερο το API ή ένα μικρότερο μοντέλο.
Πηγές
- DeepSeek API changelogapi-docs.deepseek.com
- Hugging Facehuggingface.co
- The Decoderthe-decoder.com
- V4.1 Flashhuggingface.co
- antirez στο Hugging Facehuggingface.co
- OpenRouteropenrouter.ai