DeepSeek V4.1 Flash 1017.

1DeepSeek V4.1 Flash 1017 म्हणजे काय

DeepSeek-V4.1-Flash हे DeepSeek च्या V4.1 कुटुंबातील सर्वात लहान मॉडेल आहे, आणि त्यात चित्रे समजण्याची क्षमता अंगभूत आहे. ते 10 सप्टेंबर 2026 रोजी DeepSeek च्या API मध्ये आले; 17 ऑक्टोबरला DeepSeek ने त्याच्या जागी DeepSeek-V4.1-Flash-1017 आणले, ज्याला ते छोटे अपडेट म्हणतात (DeepSeek API चेंजलॉग).

हे अपडेट रिझनिंग, कोडिंग, एजंटिक आणि व्हिज्युअल बेंचमार्क सुधारते, आणि मॉडेल कमी वेळात, छोट्या आउटपुटसह कामे पूर्ण करते. DeepSeek ने ते स्वतःच्या DeepSeek Harness, Tencent CodeBuddy आणि WorkBuddy साठी ट्यून केले आहे, आणि DeepSeek Harness 0.2.1-rc.1 किंवा त्यानंतरची आवृत्ती सुचवते (Hugging Face).

अपडेटना तारीख देण्याची DeepSeek ची पद्धत नाव पाळते: 1017 म्हणजे महिना आणि दिवस, म्हणजे 17 ऑक्टोबर.

2बेंचमार्क: V4.1 Flash आणि इतरांशी 1017 ची तुलना

या आकड्यांनुसार, DeepSWE, Agents' Last Exam आणि Apex Bench वर 1017 तक्त्यातील प्रत्येक मॉडेलच्या पुढे आहे, आणि टूलशिवाय रिझनिंग, टर्मिनलवरील काम आणि संपूर्ण प्रोग्राम बनवण्यात Opus 5 च्या मागे आहे. Chartography (78.9 वरून 83.0) आणि BabyVision (89.6 वरून 92.5) सारख्या चार्ट आणि चित्र चाचण्यांमध्येही सुधारणा आहे.

प्रत्येक कामाचा खर्चही कमी होतो. The Decoder ने दिलेल्या DeepSeek च्या चार्टमध्ये, सर्वोच्च सेटिंगवर एका DeepSWE कामाचा खर्च $0.20 पेक्षा थोडा कमी येतो, तर आधीच्या आवृत्तीला सुमारे $0.50.

3पॅरामीटर, कॉन्टेक्स्ट आणि आकार

डाउनलोडपैकी सुमारे 189 GiB दोन Engram टेबल आहेत: मॉडेल गणना करण्याऐवजी ज्यात शोधून पाहते अशी मोठी मेमरी, प्रति टोकन काही ओळी. DwarfStar सारखे रनटाइम ती SSD वर ठेवतात आणि फक्त लागणाऱ्या ओळी वाचतात, म्हणूनच मॉडेल त्याच्या डाउनलोड आकारापेक्षा खूप कमी मेमरीत चालू शकते (Hugging Face वर antirez).

4API नाव आणि किंमत

DeepSeek च्या API मध्ये मॉडेलचे नाव deepseek-flash आहे, आणि ते आता 1017 कडे निर्देश करते; जुनी नावे deepseek-v4-flash आणि deepseek-v4-flash-vision-exp सध्या त्याकडेच वळवली जातात. 1017 सोबत कॉल करण्याची पद्धत आणि किंमती बदललेल्या नाहीत, असे DeepSeek सांगते (DeepSeek).

DeepSeek ची शिफारस: temperature 1.0, top_p 1.0 आणि लांब उत्तरांसाठी जागा (max_tokens किमान 256K). वेट Jinja चॅट टेम्पलेटशिवाय येतात: प्रॉम्प्ट मॉडेलच्या रिपॉझिटरीतील एन्कोडिंग कोडने तयार केले जातात.

5तुमच्या स्वतःच्या Mac वर ते चालवता येईल का?

हो, पण फक्त सर्वात मोठ्या Mac वर. 512 GB मेमरी असलेला Mac Studio (M3 Ultra किंवा M5 Ultra) 4-बिट बिल्ड पूर्णपणे सामावतो; Engram टेबल SSD वर ठेवल्यास 2-बिट बिल्डसाठी 256 GB पुरेसे आहेत; 128 GB चा Mac SSD वरून स्ट्रीम करू शकतो, पण हळू. 512 GB असलेल्या M3 Ultra वर प्रसिद्ध झालेल्या पहिल्या रनने सेकंदाला सुमारे 6.5 टोकन तयार केले.

कोणते बिल्ड डाउनलोड करायचे, कमांड आणि वेग आमच्या टप्प्याटप्प्याच्या मार्गदर्शकात आहेत: Mac वर DeepSeek V4.1 Flash चालवा.

बाकी प्रत्येक Mac साठी API चा खर्च प्रति दशलक्ष टोकन काही सेंट इतकाच आहे, आणि लहान ओपन मॉडेल लोकल छान चालतात: लोकल LLM साठी सर्वोत्तम Mac पाहा.

6मोठ्या Mac चे रिकामे तास कामाला लावा

अशी मॉडेल चालवण्यासाठी घेतलेला Mac Studio दिवसाचा बहुतेक वेळ वाट पाहत असतो. MLX Node हा मोकळा वेळ MLX Network ला देते, जे Apple च्या MLX फ्रेमवर्कने Mac वर AI जॉब चालवते, आणि पडताळलेल्या कामासाठी MLX टोकन कमावते: मोफत सीटवर दिवसाला 1 MLX पर्यंत, आणि Ultra Mac वर चालणाऱ्या Ultra समर्पित सीट सोबत 320 पर्यंत. माइन केलेले MLX 30 दिवस लॉक राहते, समर्पित सीटसह त्याहून कमी; जोखीम पाहा.

7प्रश्न

DeepSeek V4.1 Flash 1017 म्हणजे काय?

हे DeepSeek च्या ओपन-वेट मिक्सचर-ऑफ-एक्सपर्ट्स मॉडेल DeepSeek-V4.1-Flash चे 17 ऑक्टोबर 2026 चे अपडेट आहे. आर्किटेक्चर आणि API नाव तेच आहे, आणि रिझनिंग, कोडिंग, एजंट आणि चित्र बेंचमार्कवर स्कोअर जास्त आहेत.

V4.1 Flash आणि 1017 मध्ये फरक काय?

मॉडेलचा आकार आणि API तेच, ट्रेनिंग नवीन. DeepSeek च्या चाचण्यांमध्ये 1017 ला Terminal-Bench 4.0 वर 31.2 ऐवजी 42.3 आणि DeepSWE v1.1 वर 74.2 ऐवजी 77.0 मिळतात, आणि ते छोटी उत्तरे लिहिते, त्यामुळे कामांचा खर्च कमी येतो.

DeepSeek V4.1 Flash मध्ये किती पॅरामीटर आहेत?

एकूण 552 अब्ज. प्रॉम्प्ट वाचताना ते प्रति टोकन 8 अब्ज आणि लिहिताना 16 अब्ज सक्रिय करते, आणि त्यात दोन मोठे Engram लुकअप टेबल आहेत जे डिस्कवरच राहू शकतात.

DeepSeek V4.1 Flash 1017 मोफत आहे का?

वेट MIT लायसन्सखाली मोफत डाउनलोड करून वापरता येतात. DeepSeek च्या API द्वारे वापरण्यासाठी पैसे लागतात: OpenRouter वर दिल्याप्रमाणे, प्रति दशलक्ष इनपुट टोकन $0.15 आणि प्रति दशलक्ष आउटपुट टोकन $0.60.

DeepSeek V4.1 Flash 1017 लोकल चालवता येईल का?

हो, भरपूर मेमरी असेल तर. Mac वर, 512 GB चा Mac Studio 4-बिट बिल्ड चालवतो आणि 256 GB चा Engram टेबल SSD वर ठेवून 2-बिट बिल्ड चालवतो. लहान Mac साठी API किंवा लहान मॉडेल हाच चांगला पर्याय आहे.