به‌طور خلاصه
- DeepSeek-V4.1-Flash-1017 بهروزرسانی DeepSeek-V4.1-Flash است که در 10 سپتامبر 2026 منتشر شد. همان معماری و همان نام API، با امتیازهای بهتر و پاسخهای کوتاه‌تر.
- در آزمونهای خود DeepSeek، بیشترین پیشرفت در کدنویسی عامل‌محور (agentic) است: 42.3 در Terminal-Bench 4.0 در برابر 31.2 قبلی، و 77.0 در DeepSWE v1.1.
- مدلی از نوع ترکیب متخصصان (mixture of experts) با 552 میلیارد پارامتر است که 16 میلیارد از آن‌ها روی هر توکن تولیدی کار می‌کنند، با کانتکستی تا 1 میلیون توکن. وزنها تحت مجوز MIT رایگاناند.
- وزن‌های کامل حدود 510 GB حجم دارند. روی Mac به یک Mac Studio با 256 تا 512 GB حافظه نیاز دارد، یا به استریم از SSD روی 128 GB.
1DeepSeek V4.1 Flash 1017 چیست
DeepSeek-V4.1-Flash کوچک‌ترین مدل خانوادهٔ V4.1 شرکت DeepSeek است و درک تصویر را بهصورت داخلی دارد. این مدل در 10 سپتامبر 2026 به API شرکت DeepSeek آمد؛ در 17 اکتبر DeepSeek آن را با DeepSeek-V4.1-Flash-1017 جایگزین کرد و آن را یک بهروزرسانی جزئی می‌نامد (فهرست تغییرات DeepSeek API).
این بهروزرسانی امتیاز بنچمارکهای استدلال، کدنویسی، عاملها و بینایی را بالا می‌برد و مدل کارها را با خروجی کوتاه‌تر و در زمان کمتر تمام میکند. DeepSeek آن را برای DeepSeek Harness خودش و Tencent CodeBuddy و WorkBuddy تنظیم کرده و DeepSeek Harness 0.2.1-rc.1 یا جدیدتر را توصیه میکند (Hugging Face).
نام آن از عادت DeepSeek در تاریخ‌گذاری به‌روزرسانی‌ها پیروی میکند: 1017 یعنی ماه و روز، 17 اکتبر.
2بنچمارک‌ها: 1017 در برابر V4.1 Flash و دیگران
| بنچمارک | V4.1 Flash 1017 | V4.1 Flash | Opus 5 | GPT-5.6 Sol | Kimi K3 | GLM-5.3 |
|---|---|---|---|---|---|---|
| HLE، بدون ابزار | 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 |
طبق این اعداد، 1017 در DeepSWE، Agents' Last Exam و Apex Bench از همهٔ مدل‌های جدول جلوتر است و در استدلال بدون ابزار، کار در ترمینال و ساخت برنامه‌های کامل از Opus 5 عقب‌تر. در آزمونهای نمودار و تصویر مثل Chartography (83.0 در برابر 78.9) و BabyVision (92.5 در برابر 89.6) هم بهتر شده است.
هزینهٔ هر کار هم پایین می‌آید. در نمودارهای DeepSeek که The Decoder گزارش کرده، یک کار DeepSWE در بالاترین تنظیم کمی کمتر از $0.20 هزینه دارد، در برابر حدود $0.50 برای نسخهٔ قبلی.
3پارامترها، کانتکست و حجم
| DeepSeek-V4.1-Flash-1017 | |
|---|---|
| کل پارامترها | 552 میلیارد (ترکیب متخصصان) |
| فعال در هر توکن | 8 میلیارد هنگام خواندن پرامپت، 16 میلیارد هنگام نوشتن |
| متخصص‌ها | 384 مسیریابی‌شده و 1 مشترک، 6 عدد در هر توکن |
| کانتکست | تا 1,048,576 توکن |
| حافظه به ازای هر توکن کانتکست | حدود 890 بایت، یک‌چهارم V4 Flash |
| وزنها | FP8، با متخصص‌ها در FP4؛ حدود 510 GB |
| ورودی | متن و تصویر |
| مجوز | MIT |
حدود 189 GiB از دانلود را دو جدول Engram تشکیل می‌دهند: حافظه‌ای بزرگ که مدل بهجای محاسبه در آن جست‌وجو میکند، چند ردیف برای هر توکن. موتورهای اجرایی مثل DwarfStar این جدول‌ها را روی SSD نگه می‌دارند و فقط ردیف‌های لازم را می‌خوانند؛ به همین دلیل مدل با حافظه‌ای بسیار کمتر از حجم دانلودش اجرا می‌شود (antirez در Hugging Face).
4نام API و قیمت
در API شرکت DeepSeek نام مدل deepseek-flash است و حالا به 1017 اشاره میکند؛ نام‌های قدیمی‌تر deepseek-v4-flash و deepseek-v4-flash-vision-exp فعلاً به آن هدایت میشوند. DeepSeek می‌گوید روش فراخوانی و قیمت‌ها با 1017 تغییری نکرده است (DeepSeek).
| ارائه‌دهنده | ورودی، هر میلیون توکن | خروجی، هر میلیون توکن |
|---|---|---|
| DeepSeek | $0.15 | $0.60 |
| Cloudflare | $0.10 | $0.60 |
| DeepInfra | $0.098 | $0.294 |
| Together، Fireworks، Baseten | $0.30 | $1.20 |
DeepSeek مقدار temperature برابر 1.0، top_p برابر 1.0 و جای کافی برای پاسخهای طولانی (max_tokens دست‌کم 256K) را توصیه میکند. وزنها بدون قالب چت Jinja منتشر شده‌اند: پرامپت‌ها با کد encoding موجود در مخزن مدل ساخته میشوند.
5آیا می‌توانید آن را روی Mac خودتان اجرا کنید؟
بله، اما فقط روی بزرگ‌ترین Macها. یک Mac Studio با 512 GB حافظه (M3 Ultra یا M5 Ultra) نسخههای 4 بیتی را کامل در خود جا می‌دهد؛ 256 GB برای یک نسخهٔ 2 بیتی با جدولهای Engram روی SSD کافی است؛ یک Mac با 128 GB می‌تواند از SSD استریم کند، اما کند. نخستین اجرای منتشرشده، روی M3 Ultra با 512 GB، حدود 6.5 توکن در ثانیه تولید کرد.
اینکه کدام نسخه را دانلود کنید، دستورها و سرعت‌ها در راهنمای گام‌به‌گام ما آمده است: اجرای DeepSeek V4.1 Flash روی Mac.
برای بقیهٔ Macها، API به ازای هر میلیون توکن چند سنت هزینه دارد و مدل‌های باز کوچکتر به‌خوبی بهصورت محلی اجرا میشوند: بهترین Mac برای LLM محلی را ببینید.
6ساعت‌های بیکاری یک Mac بزرگ را به کار بگیرید
یک Mac Studio که برای اجرای چنین مدل‌هایی خریده شده، بیشتر روز را منتظر می‌ماند. MLX Node این زمان آزاد را در اختیار MLX Network می‌گذارد، که کارهای هوش مصنوعی را با فریم‌ورک MLX از Apple روی Macها اجرا میکند، و برای کار تأییدشده توکن MLX به دست می‌آورد: روی جایگاه رایگان تا 1 MLX در روز، و تا 320 با یک جایگاه اختصاصی Ultra که روی Mac با تراشهٔ Ultra کار میکند. MLX استخراج‌شده 30 روز قفل است و با جایگاه اختصاصی کمتر؛ ریسک‌ها را ببینید.
7پرسش‌ها
- DeepSeek V4.1 Flash 1017 چیست؟
- بهروزرسانی 17 اکتبر 2026 مدل DeepSeek-V4.1-Flash است، مدل وزنباز و ترکیب متخصصان DeepSeek. معماری و نام API را حفظ میکند و در بنچمارکهای استدلال، کدنویسی، عاملها و تصویر امتیاز بالاتری میگیرد.
- تفاوت V4.1 Flash و 1017 چیست؟
- همان اندازهٔ مدل و همان API، با آموزش جدیدتر. در آزمونهای DeepSeek، 1017 در Terminal-Bench 4.0 امتیاز 42.3 بهجای 31.2 و در DeepSWE v1.1 امتیاز 77.0 بهجای 74.2 میگیرد و پاسخهای کوتاهتری مینویسد، پس کارها ارزانتر تمام میشوند.
- DeepSeek V4.1 Flash چند پارامتر دارد؟
- در مجموع 552 میلیارد. برای هر توکن، هنگام خواندن پرامپت 8 میلیارد و هنگام نوشتن 16 میلیارد پارامتر را فعال میکند، و دو جدول جستوجوی بزرگ Engram دارد که میتوانند روی دیسک بمانند.
- آیا DeepSeek V4.1 Flash 1017 رایگان است؟
- وزنها تحت مجوز MIT برای دانلود و استفاده رایگاناند. استفاده از طریق API شرکت DeepSeek پولی است: $0.15 برای هر میلیون توکن ورودی و $0.60 برای هر میلیون توکن خروجی، طبق فهرست OpenRouter.
- آیا میتوانم DeepSeek V4.1 Flash 1017 را بهصورت محلی اجرا کنم؟
- بله، با حافظهٔ زیاد. روی Mac، یک Mac Studio با 512 GB نسخههای 4 بیتی را اجرا میکند و با 256 GB یک نسخهٔ 2 بیتی را با جدولهای Engram روی SSD. برای Macهای کوچکتر، API یا یک مدل کوچکتر گزینهٔ بهتری است.
منابع
- فهرست تغییرات DeepSeek APIapi-docs.deepseek.com
- Hugging Facehuggingface.co
- The Decoderthe-decoder.com
- V4.1 Flashhuggingface.co
- antirez در Hugging Facehuggingface.co
- OpenRouteropenrouter.ai