ટૂંકમાં
- DeepSeek-V4.1-Flash-1017 એ 10 સપ્ટેમ્બર 2026એ રિલીઝ થયેલા DeepSeek-V4.1-Flashનું અપડેટ છે. એ જ આર્કિટેક્ચર અને એ જ API નામ, પણ વધુ સારા સ્કોર અને ટૂંકા જવાબ.
- DeepSeekની પોતાની ટેસ્ટમાં સૌથી વધુ સુધારો એજન્ટિક કોડિંગમાં છે: Terminal-Bench 4.0 પર 31.2થી વધીને 42.3, અને DeepSWE v1.1 પર 77.0.
- આ 552 અબજ પેરામીટરનું મિક્સ્ચર-ઑફ-એક્સપર્ટ્સ મૉડલ છે, જેમાંથી 16 અબજ દરેક જનરેટ થતા ટોકન પર કામ કરે છે, અને કૉન્ટેક્સ્ટ 10 લાખ ટોકન સુધી છે. વેઇટ MIT લાઇસન્સ હેઠળ મફત છે.
- પૂરા વેઇટ આશરે 510 GB છે. Mac પર તેને 256 થી 512 GB મેમરીવાળું Mac Studio જોઈએ, અથવા 128 GB પર SSD સ્ટ્રીમિંગ.
1DeepSeek V4.1 Flash 1017 શું છે
DeepSeek-V4.1-Flash એ DeepSeekના V4.1 પરિવારનું સૌથી નાનું મૉડલ છે, અને તેમાં ચિત્રો સમજવાની ક્ષમતા અંદર જ છે. તે 10 સપ્ટેમ્બર 2026એ DeepSeekના APIમાં આવ્યું; 17 ઑક્ટોબરે DeepSeekએ તેની જગ્યાએ DeepSeek-V4.1-Flash-1017 મૂક્યું, જેને તે નાનું અપડેટ કહે છે (DeepSeek API ચેન્જલૉગ).
આ અપડેટ રીઝનિંગ, કોડિંગ, એજન્ટિક અને વિઝ્યુઅલ બેન્ચમાર્ક સુધારે છે, અને મૉડલ ઓછા સમયમાં, ટૂંકા આઉટપુટ સાથે કામ પૂરાં કરે છે. DeepSeekએ તેને પોતાના DeepSeek Harness, Tencent CodeBuddy અને WorkBuddy માટે ટ્યૂન કર્યું છે, અને DeepSeek Harness 0.2.1-rc.1 કે પછીનું વર્ઝન સૂચવે છે (Hugging Face).
નામ અપડેટને તારીખ આપવાની DeepSeekની રીતને અનુસરે છે: 1017 એટલે મહિનો અને દિવસ, એટલે કે 17 ઑક્ટોબર.
2બેન્ચમાર્ક: V4.1 Flash અને બીજાં મૉડલ સામે 1017
| બેન્ચમાર્ક | V4.1 Flash 1017 | V4.1 Flash | Opus 5 | GPT-5.6 Sol | Kimi K3 | GLM-5.3 |
|---|---|---|---|---|---|---|
| HLE, ટૂલ વગર | 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 |
આ આંકડા મુજબ, DeepSWE, Agents' Last Exam અને Apex Bench પર 1017 કોષ્ટકનાં બધાં મૉડલ કરતાં આગળ છે, અને ટૂલ વગરના રીઝનિંગ, ટર્મિનલ પરના કામ અને આખા પ્રોગ્રામ બનાવવામાં Opus 5થી પાછળ છે. Chartography (78.9થી 83.0) અને BabyVision (89.6થી 92.5) જેવી ચાર્ટ અને ચિત્રની ટેસ્ટમાં પણ સુધારો છે.
દરેક કામનો ખર્ચ પણ ઘટે છે. The Decoderએ રજૂ કરેલા DeepSeekના ચાર્ટમાં, સૌથી ઊંચા સેટિંગ પર એક DeepSWE કામનો ખર્ચ $0.20થી થોડો ઓછો આવે છે, જ્યારે અગાઉના વર્ઝનમાં આશરે $0.50.
3પેરામીટર, કૉન્ટેક્સ્ટ અને કદ
| DeepSeek-V4.1-Flash-1017 | |
|---|---|
| કુલ પેરામીટર | 552 અબજ (મિક્સ્ચર ઑફ એક્સપર્ટ્સ) |
| દરેક ટોકને સક્રિય | પ્રૉમ્પ્ટ વાંચતી વખતે 8 અબજ, લખતી વખતે 16 અબજ |
| એક્સપર્ટ | 384 રાઉટેડ અને 1 શેર્ડ, દરેક ટોકને 6 વપરાય છે |
| કૉન્ટેક્સ્ટ | 1,048,576 ટોકન સુધી |
| કૉન્ટેક્સ્ટના દરેક ટોકન દીઠ મેમરી | આશરે 890 બાઇટ, V4 Flashનો ચોથો ભાગ |
| વેઇટ | FP8, એક્સપર્ટ FP4માં; આશરે 510 GB |
| ઇનપુટ | ટેક્સ્ટ અને ચિત્રો |
| લાઇસન્સ | MIT |
ડાઉનલોડમાંથી આશરે 189 GiB બે Engram ટેબલ છે: એક મોટી મેમરી, જેમાં મૉડલ ગણતરી કરવાને બદલે શોધીને જુએ છે, દરેક ટોકને થોડી હરોળ. DwarfStar જેવા રનટાઇમ તેને SSD પર રાખે છે અને ફક્ત જરૂરી હરોળ વાંચે છે, એટલે જ મૉડલ તેના ડાઉનલોડના કદ કરતાં ઘણી ઓછી મેમરીમાં ચાલી શકે છે (Hugging Face પર antirez).
4API નામ અને કિંમત
DeepSeekના APIમાં મૉડલનું નામ deepseek-flash છે, અને તે હવે 1017 તરફ નિર્દેશ કરે છે; જૂનાં નામ deepseek-v4-flash અને deepseek-v4-flash-vision-exp હાલ પૂરતાં તેના તરફ જ વાળવામાં આવે છે. DeepSeek કહે છે કે 1017 સાથે કૉલ કરવાની રીત અને કિંમતો બદલાઈ નથી (DeepSeek).
| પ્રોવાઇડર | ઇનપુટ, દસ લાખ ટોકન દીઠ | આઉટપુટ, દસ લાખ ટોકન દીઠ |
|---|---|---|
| DeepSeek | $0.15 | $0.60 |
| Cloudflare | $0.10 | $0.60 |
| DeepInfra | $0.098 | $0.294 |
| Together, Fireworks, Baseten | $0.30 | $1.20 |
DeepSeekની ભલામણ: temperature 1.0, top_p 1.0 અને લાંબા જવાબો માટે જગ્યા (max_tokens ઓછામાં ઓછું 256K). વેઇટ Jinja ચૅટ ટેમ્પ્લેટ વગર આવે છે: પ્રૉમ્પ્ટ મૉડલની રિપોઝિટરીમાંના એન્કોડિંગ કોડથી બને છે.
5શું તમે તેને તમારા પોતાના Mac પર ચલાવી શકો?
હા, પણ ફક્ત સૌથી મોટાં Mac પર. 512 GB મેમરીવાળું Mac Studio (M3 Ultra કે M5 Ultra) 4-bit બિલ્ડ આખેઆખાં સમાવે છે; Engram ટેબલ SSD પર રાખો તો 2-bit બિલ્ડ માટે 256 GB પૂરતા છે; 128 GBવાળું Mac SSDમાંથી સ્ટ્રીમ કરી શકે છે, પણ ધીમે. 512 GBવાળા M3 Ultra પર પ્રકાશિત થયેલા પહેલા રને પ્રતિ સેકન્ડ આશરે 6.5 ટોકન બનાવ્યા.
કયું બિલ્ડ ડાઉનલોડ કરવું, કમાન્ડ અને ઝડપ અમારી સ્ટેપ-બાય-સ્ટેપ માર્ગદર્શિકામાં છે: Mac પર DeepSeek V4.1 Flash ચલાવો.
બાકીનાં દરેક Mac માટે API દસ લાખ ટોકન દીઠ થોડા સેન્ટમાં પડે છે, અને નાનાં ઓપન મૉડલ લોકલી સારાં ચાલે છે: લોકલ LLM માટે શ્રેષ્ઠ Mac જુઓ.
6મોટા Macના ખાલી કલાકોને કામે લગાડો
આવાં મૉડલ ચલાવવા ખરીદેલું Mac Studio દિવસનો મોટો ભાગ રાહ જોવામાં વિતાવે છે. MLX Node એ ફાજલ સમય MLX Networkને આપે છે, જે Appleના MLX ફ્રેમવર્કથી Mac પર AI જૉબ ચલાવે છે, અને ચકાસાયેલા કામ માટે MLX ટોકન કમાય છે: મફત સીટ પર દિવસે 1 MLX સુધી, અને Ultra Mac પર ચાલતી Ultra સમર્પિત સીટ સાથે 320 સુધી. માઇન કરેલું MLX 30 દિવસ લૉક રહે છે, સમર્પિત સીટ સાથે તેથી ઓછું; જોખમો જુઓ.
7પ્રશ્નો
- DeepSeek V4.1 Flash 1017 શું છે?
- તે DeepSeekના ઓપન-વેઇટ મિક્સ્ચર-ઑફ-એક્સપર્ટ્સ મૉડલ DeepSeek-V4.1-Flashનું 17 ઑક્ટોબર 2026નું અપડેટ છે. આર્કિટેક્ચર અને API નામ એ જ છે, અને રીઝનિંગ, કોડિંગ, એજન્ટ અને ચિત્રના બેન્ચમાર્ક પર સ્કોર વધુ છે.
- V4.1 Flash અને 1017માં શું ફરક છે?
- મૉડલનું કદ અને API એ જ, ટ્રેનિંગ નવી. DeepSeekની ટેસ્ટમાં 1017 Terminal-Bench 4.0 પર 31.2ને બદલે 42.3 અને DeepSWE v1.1 પર 74.2ને બદલે 77.0 મેળવે છે, અને ટૂંકા જવાબ લખે છે, એટલે કામનો ખર્ચ ઓછો થાય છે.
- DeepSeek V4.1 Flashમાં કેટલા પેરામીટર છે?
- કુલ 552 અબજ. પ્રૉમ્પ્ટ વાંચતી વખતે તે દરેક ટોકને 8 અબજ અને લખતી વખતે 16 અબજ સક્રિય કરે છે, અને તેમાં બે મોટાં Engram લુકઅપ ટેબલ છે, જે ડિસ્ક પર જ રહી શકે છે.
- શું DeepSeek V4.1 Flash 1017 મફત છે?
- વેઇટ MIT લાઇસન્સ હેઠળ મફતમાં ડાઉનલોડ કરીને વાપરી શકાય છે. DeepSeekના API દ્વારા વાપરવાના પૈસા લાગે છે: OpenRouter પર દર્શાવ્યા મુજબ, દસ લાખ ઇનપુટ ટોકન દીઠ $0.15 અને દસ લાખ આઉટપુટ ટોકન દીઠ $0.60.
- શું હું DeepSeek V4.1 Flash 1017 લોકલી ચલાવી શકું?
- હા, પુષ્કળ મેમરી હોય તો. Mac પર, 512 GBવાળું Mac Studio 4-bit બિલ્ડ ચલાવે છે અને 256 GBવાળું Engram ટેબલ SSD પર રાખીને 2-bit બિલ્ડ ચલાવે છે. નાનાં Mac માટે API કે નાનું મૉડલ વધુ સારો વિકલ્પ છે.
સ્રોત
- DeepSeek API ચેન્જલૉગapi-docs.deepseek.com
- Hugging Facehuggingface.co
- The Decoderthe-decoder.com
- V4.1 Flashhuggingface.co
- Hugging Face પર antirezhuggingface.co
- OpenRouteropenrouter.ai