DeepSeek V4.1 Flash 1017.

1Apakah DeepSeek V4.1 Flash 1017

DeepSeek-V4.1-Flash ialah model terkecil dalam keluarga V4.1 DeepSeek, dengan pemahaman imej terbina dalam. Ia tiba dalam API DeepSeek pada 10 September 2026; pada 17 Oktober DeepSeek menggantikannya dengan DeepSeek-V4.1-Flash-1017, yang disebutnya sebagai kemas kini kecil (log perubahan API DeepSeek).

Kemas kini ini meningkatkan penanda aras penaakulan, pengekodan, agentik dan visual, dan model menyiapkan tugas dengan output lebih pendek dalam masa yang lebih singkat. DeepSeek menalanya untuk DeepSeek Harness miliknya, Tencent CodeBuddy dan WorkBuddy, dan mengesyorkan DeepSeek Harness 0.2.1-rc.1 atau lebih baharu (Hugging Face).

Namanya mengikut kebiasaan DeepSeek menandakan kemas kini dengan tarikh: 1017 ialah bulan dan hari, 17 Oktober.

2Penanda aras: 1017 berbanding V4.1 Flash dan lain-lain

Berdasarkan angka ini, 1017 mendahului setiap model dalam jadual pada DeepSWE, Agents' Last Exam dan Apex Bench, dan ketinggalan di belakang Opus 5 dalam penaakulan tanpa alat, kerja terminal dan membina program penuh. Ia juga bertambah baik pada ujian carta dan imej seperti Chartography (83.0, naik daripada 78.9) dan BabyVision (92.5, naik daripada 89.6).

Kos setiap tugas juga turun. Dalam carta DeepSeek yang dilaporkan oleh The Decoder, satu tugas DeepSWE berharga sedikit di bawah $0.20 pada tetapan tertinggi, berbanding kira-kira $0.50 untuk versi sebelumnya.

3Parameter, konteks dan saiz

Kira-kira 189 GiB daripada muat turunnya ialah dua jadual Engram: memori besar yang dirujuk oleh model dan bukan dikira, beberapa baris setiap token. Runtime seperti DwarfStar menyimpannya pada SSD dan hanya membaca baris yang diperlukan, sebab itulah model ini boleh berjalan dengan memori jauh lebih kecil daripada saiz muat turunnya (antirez di Hugging Face).

4Nama API dan harga

Dalam API DeepSeek model ini dipanggil deepseek-flash, dan kini menghala ke 1017; nama lama deepseek-v4-flash dan deepseek-v4-flash-vision-exp dihalakan kepadanya buat masa ini. DeepSeek menyatakan cara panggilan dan harganya kekal sama dengan 1017 (DeepSeek).

DeepSeek mengesyorkan temperature 1.0, top_p 1.0 dan ruang untuk jawapan panjang (max_tokens sekurang-kurangnya 256K). Pemberatnya tidak disertakan templat sembang Jinja: prompt dibina dengan kod pengekodan dalam repositori model.

5Bolehkah anda menjalankannya pada Mac sendiri?

Boleh, tetapi hanya pada Mac yang terbesar. Mac Studio dengan memori 512 GB (M3 Ultra atau M5 Ultra) memuatkan binaan 4-bit sepenuhnya; 256 GB mencukupi untuk binaan 2-bit dengan jadual Engram dibiarkan pada SSD; Mac 128 GB boleh menstrim dari SSD, secara perlahan. Larian pertama yang diterbitkan, pada M3 Ultra dengan 512 GB, menjana kira-kira 6.5 token sesaat.

Binaan mana yang perlu dimuat turun, arahannya dan kelajuannya ada dalam panduan langkah demi langkah kami: Jalankan DeepSeek V4.1 Flash pada Mac.

Untuk Mac lain, API berharga beberapa sen setiap juta token, dan model terbuka yang lebih kecil berjalan dengan baik secara tempatan: lihat Mac terbaik untuk LLM tempatan.

6Gunakan masa melahu Mac yang besar

Mac Studio yang dibeli untuk menjalankan model seperti ini menghabiskan kebanyakan harinya dengan menunggu. MLX Node meminjamkan masa lapang itu kepada MLX Network, yang menjalankan kerja AI pada Mac dengan rangka kerja MLX Apple, dan memperoleh token MLX untuk kerja yang disahkan: sehingga 1 MLX sehari pada kerusi percuma, dan sehingga 320 dengan kerusi khas Ultra yang berjalan pada Mac Ultra. MLX yang dilombong dikunci selama 30 hari, lebih singkat dengan kerusi khas; lihat risiko.

7Soalan

Apakah DeepSeek V4.1 Flash 1017?

Ia kemas kini 17 Oktober 2026 bagi DeepSeek-V4.1-Flash, model mixture-of-experts open-weight daripada DeepSeek. Ia mengekalkan seni bina dan nama API, dan mendapat skor lebih tinggi pada penanda aras penaakulan, pengekodan, ejen dan imej.

Apakah perbezaan antara V4.1 Flash dan 1017?

Saiz model dan API yang sama, latihan lebih baharu. Dalam ujian DeepSeek, 1017 mendapat 42.3 berbanding 31.2 pada Terminal-Bench 4.0 dan 77.0 berbanding 74.2 pada DeepSWE v1.1, dan ia menulis jawapan lebih pendek, jadi kos setiap tugas lebih rendah.

Berapa banyak parameter DeepSeek V4.1 Flash?

552 bilion kesemuanya. Ia mengaktifkan 8 bilion setiap token semasa membaca prompt dan 16 bilion semasa menulis, serta menambah dua jadual carian Engram yang besar yang boleh kekal pada cakera.

Adakah DeepSeek V4.1 Flash 1017 percuma?

Pemberatnya percuma untuk dimuat turun dan digunakan di bawah lesen MIT. Menggunakannya melalui API DeepSeek perlu dibayar: $0.15 setiap juta token input dan $0.60 setiap juta token output, seperti yang disenaraikan di OpenRouter.

Bolehkah saya menjalankan DeepSeek V4.1 Flash 1017 secara tempatan?

Boleh, dengan memori yang sangat besar. Pada Mac, Mac Studio dengan 512 GB menjalankan binaan 4-bit dan 256 GB menjalankan binaan 2-bit dengan jadual Engram pada SSD. Mac yang lebih kecil lebih sesuai menggunakan API atau model yang lebih kecil.