In breve
- DeepSeek-V4.1-Flash-1017 è un aggiornamento di DeepSeek-V4.1-Flash, uscito il 10 settembre 2026. Stessa architettura e stesso nome API, punteggi migliori e risposte più brevi.
- Nei test di DeepSeek migliora soprattutto nella programmazione agentica: 42,3 su Terminal-Bench 4.0, contro 31,2, e 77,0 su DeepSWE v1.1.
- È un modello mixture of experts con 552 miliardi di parametri, di cui 16 miliardi lavorano su ogni token generato, e un contesto fino a 1 milione di token. I pesi sono gratuiti con licenza MIT.
- I pesi completi occupano circa 510 GB. Su Mac serve un Mac Studio con 256-512 GB di memoria, oppure lo streaming dall'SSD con 128 GB.
1Cos'è DeepSeek V4.1 Flash 1017
DeepSeek-V4.1-Flash è il modello più piccolo della famiglia V4.1 di DeepSeek, con comprensione delle immagini integrata. È arrivato nell'API di DeepSeek il 10 settembre 2026; il 17 ottobre DeepSeek l'ha sostituito con DeepSeek-V4.1-Flash-1017, che definisce un aggiornamento minore (changelog dell'API DeepSeek).
L'aggiornamento migliora i benchmark di ragionamento, programmazione, agenti e visione, e il modello completa i compiti con output più brevi e in meno tempo. DeepSeek l'ha ottimizzato per il proprio DeepSeek Harness, Tencent CodeBuddy e WorkBuddy, e consiglia DeepSeek Harness 0.2.1-rc.1 o successivo (Hugging Face).
Il nome segue l'abitudine di DeepSeek di datare gli aggiornamenti: 1017 sono mese e giorno, il 17 ottobre.
2Benchmark: 1017 contro V4.1 Flash e altri
| Benchmark | V4.1 Flash 1017 | V4.1 Flash | Opus 5 | GPT-5.6 Sol | Kimi K3 | GLM-5.3 |
|---|---|---|---|---|---|---|
| HLE, senza strumenti | 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 |
Secondo questi numeri, 1017 supera tutti i modelli della tabella su DeepSWE, Agents' Last Exam e Apex Bench, e resta dietro a Opus 5 nel ragionamento senza strumenti, nel lavoro da terminale e nella creazione di programmi completi. Migliora anche nei test su grafici e immagini come Chartography (83,0, da 78,9) e BabyVision (92,5, da 89,6).
Scende anche il costo per compito. Nei grafici di DeepSeek riportati da The Decoder, un compito DeepSWE costa poco meno di 0,20 $ con l'impostazione più alta, contro circa 0,50 $ della versione precedente.
3Parametri, contesto e dimensioni
| DeepSeek-V4.1-Flash-1017 | |
|---|---|
| Parametri totali | 552 miliardi (mixture of experts) |
| Attivi per token | 8 miliardi in lettura del prompt, 16 miliardi in scrittura |
| Esperti | 384 instradati e 1 condiviso, 6 usati per token |
| Contesto | Fino a 1.048.576 token |
| Memoria per token di contesto | Circa 890 byte, un quarto di V4 Flash |
| Pesi | FP8, con gli esperti in FP4; circa 510 GB |
| Input | Testo e immagini |
| Licenza | MIT |
Circa 189 GiB del download sono due tabelle Engram: una grande memoria che il modello consulta invece di calcolare, poche righe per token. Runtime come DwarfStar le lasciano sull'SSD e leggono solo le righe che servono, ed è per questo che il modello può girare con molta meno memoria della dimensione del download (antirez su Hugging Face).
4Nome API e prezzo
Nell'API di DeepSeek il modello si chiama deepseek-flash, che ora punta a 1017; i vecchi nomi deepseek-v4-flash e deepseek-v4-flash-vision-exp per ora vengono instradati su di esso. DeepSeek dice che con 1017 il metodo di chiamata e i prezzi sono rimasti invariati (DeepSeek).
| Provider | Input, per milione di token | Output, per milione di token |
|---|---|---|
| DeepSeek | 0,15 $ | 0,60 $ |
| Cloudflare | 0,10 $ | 0,60 $ |
| DeepInfra | 0,098 $ | 0,294 $ |
| Together, Fireworks, Baseten | 0,30 $ | 1,20 $ |
DeepSeek consiglia una temperatura di 1,0, top_p di 1,0 e spazio per risposte lunghe (max_tokens di almeno 256K). I pesi non includono un template di chat Jinja: i prompt si costruiscono con il codice di codifica presente nel repository del modello.
5Puoi eseguirlo sul tuo Mac?
Sì, ma solo sui Mac più grandi. Un Mac Studio con 512 GB di memoria (M3 Ultra o M5 Ultra) contiene per intero le versioni a 4 bit; 256 GB bastano per una versione a 2 bit con le tabelle Engram lasciate sull'SSD; un Mac da 128 GB può fare streaming dall'SSD, lentamente. La prima esecuzione pubblicata, su un M3 Ultra con 512 GB, generava circa 6,5 token al secondo.
Quale versione scaricare, i comandi e le velocità sono nella nostra guida passo passo: Eseguire DeepSeek V4.1 Flash su Mac.
Per tutti gli altri Mac, l'API costa pochi centesimi per milione di token, e i modelli aperti più piccoli girano bene in locale: vedi il miglior Mac per LLM in locale.
6Metti al lavoro le ore libere di un grande Mac
Un Mac Studio comprato per eseguire modelli come questo passa gran parte della giornata ad aspettare. MLX Node presta quel tempo libero a MLX Network, che esegue lavori di AI sui Mac con il framework MLX di Apple, e guadagna token MLX per il lavoro verificato: fino a 1 MLX al giorno con un posto gratuito, e fino a 320 con un posto dedicato Ultra su un Mac Ultra. Gli MLX minati restano bloccati 30 giorni, meno con un posto dedicato; vedi i rischi.
7Domande
- Cos'è DeepSeek V4.1 Flash 1017?
- È l'aggiornamento del 17 ottobre 2026 di DeepSeek-V4.1-Flash, il modello mixture of experts a pesi aperti di DeepSeek. Mantiene l'architettura e il nome API e ottiene punteggi più alti nei benchmark di ragionamento, programmazione, agenti e immagini.
- Qual è la differenza tra V4.1 Flash e 1017?
- Stesse dimensioni del modello e stessa API, addestramento più recente. Nei test di DeepSeek, 1017 ottiene 42,3 invece di 31,2 su Terminal-Bench 4.0 e 77,0 invece di 74,2 su DeepSWE v1.1, e scrive risposte più brevi, quindi i compiti costano meno.
- Quanti parametri ha DeepSeek V4.1 Flash?
- 552 miliardi in totale. Ne attiva 8 miliardi per token durante la lettura del prompt e 16 miliardi durante la scrittura, e aggiunge due grandi tabelle di lookup Engram che possono restare su disco.
- DeepSeek V4.1 Flash 1017 è gratis?
- I pesi si scaricano e si usano gratuitamente con licenza MIT. L'uso tramite l'API di DeepSeek è a pagamento: 0,15 $ per milione di token in input e 0,60 $ per milione di token in output, secondo OpenRouter.
- Posso eseguire DeepSeek V4.1 Flash 1017 in locale?
- Sì, con tanta memoria. Su Mac, un Mac Studio con 512 GB esegue le versioni a 4 bit e uno con 256 GB una versione a 2 bit con le tabelle Engram sull'SSD. Per i Mac più piccoli conviene l'API o un modello più piccolo.
Fonti
- changelog dell'API DeepSeekapi-docs.deepseek.com
- Hugging Facehuggingface.co
- The Decoderthe-decoder.com
- V4.1 Flashhuggingface.co
- antirez su Hugging Facehuggingface.co
- OpenRouteropenrouter.ai