W skrócie
- DeepSeek-V4.1-Flash-1017 to aktualizacja modelu DeepSeek-V4.1-Flash, wydanego 10 września 2026 roku. Ta sama architektura i nazwa w API, lepsze wyniki i krótsze odpowiedzi.
- W testach samego DeepSeek najwięcej zyskuje w agentowym programowaniu: 42,3 w Terminal-Bench 4.0 zamiast 31,2 oraz 77,0 w DeepSWE v1.1.
- To model typu mixture of experts (MoE) z 552 mld parametrów, z których przy każdym generowanym tokenie pracuje 16 mld, i z kontekstem do 1 mln tokenów. Wagi są darmowe na licencji MIT.
- Pełne wagi zajmują około 510 GB. Na Macu potrzebny jest Mac Studio z 256–512 GB pamięci albo strumieniowanie z SSD przy 128 GB.
1Czym jest DeepSeek V4.1 Flash 1017
DeepSeek-V4.1-Flash to najmniejszy model z rodziny V4.1 od DeepSeek, z wbudowanym rozumieniem obrazów. Trafił do API DeepSeek 10 września 2026 roku; 17 października DeepSeek zastąpił go modelem DeepSeek-V4.1-Flash-1017, który nazywa drobną aktualizacją (dziennik zmian API DeepSeek).
Aktualizacja poprawia wyniki w benchmarkach rozumowania, programowania, zadań agentowych i obrazów, a model kończy zadania szybciej i z krótszą odpowiedzią. DeepSeek dostroił go do własnego DeepSeek Harness oraz do Tencent CodeBuddy i WorkBuddy i zaleca DeepSeek Harness 0.2.1-rc.1 lub nowszy (Hugging Face).
Nazwa wynika z nawyku DeepSeek, by datować aktualizacje: 1017 to miesiąc i dzień, czyli 17 października.
2Benchmarki: 1017 na tle V4.1 Flash i innych
| Benchmark | V4.1 Flash 1017 | V4.1 Flash | Opus 5 | GPT-5.6 Sol | Kimi K3 | GLM-5.3 |
|---|---|---|---|---|---|---|
| HLE, bez narzędzi | 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 |
Według tych liczb 1017 wyprzedza wszystkie modele z tabeli w DeepSWE, Agents' Last Exam i Apex Bench, a ustępuje Opus 5 w rozumowaniu bez narzędzi, pracy w terminalu i budowaniu całych programów. Poprawia się też w testach wykresów i obrazów, takich jak Chartography (83,0 zamiast 78,9) i BabyVision (92,5 zamiast 89,6).
Spada też koszt zadania. Na wykresach DeepSeek, które przytacza The Decoder, zadanie DeepSWE przy najwyższym ustawieniu kosztuje niecałe $0,20 wobec około $0,50 w poprzedniej wersji.
3Parametry, kontekst i rozmiar
| DeepSeek-V4.1-Flash-1017 | |
|---|---|
| Parametry łącznie | 552 mld (mixture of experts) |
| Aktywne na token | 8 mld przy czytaniu promptu, 16 mld przy generowaniu |
| Eksperci | 384 kierowanych i 1 współdzielony, 6 na token |
| Kontekst | Do 1 048 576 tokenów |
| Pamięć na token kontekstu | Około 890 bajtów, jedna czwarta tego, co w V4 Flash |
| Wagi | FP8, eksperci w FP4; około 510 GB |
| Wejście | Tekst i obrazy |
| Licencja | MIT |
Około 189 GiB pobieranych plików to dwie tabele Engram: duża pamięć, którą model odczytuje zamiast obliczać, po kilka wierszy na token. Środowiska uruchomieniowe takie jak DwarfStar trzymają je na SSD i czytają tylko potrzebne wiersze, dlatego model może działać w znacznie mniejszej ilości pamięci, niż wynosi rozmiar pobierania (antirez na Hugging Face).
4Nazwa w API i cena
W API DeepSeek model nazywa się deepseek-flash i ta nazwa wskazuje teraz na 1017; starsze nazwy deepseek-v4-flash i deepseek-v4-flash-vision-exp są na razie do niego przekierowywane. DeepSeek podaje, że sposób wywołania i ceny z 1017 się nie zmieniły (DeepSeek).
| Dostawca | Wejście, za milion tokenów | Wyjście, za milion tokenów |
|---|---|---|
| DeepSeek | $0,15 | $0,60 |
| Cloudflare | $0,10 | $0,60 |
| DeepInfra | $0,098 | $0,294 |
| Together, Fireworks, Baseten | $0,30 | $1,20 |
DeepSeek zaleca temperature 1.0, top_p 1.0 i zapas na długie odpowiedzi (max_tokens co najmniej 256K). Wagi nie mają szablonu czatu Jinja: prompty buduje się za pomocą kodu kodującego z repozytorium modelu.
5Czy uruchomisz go na własnym Macu?
Tak, ale tylko na największych Macach. Mac Studio z 512 GB pamięci (M3 Ultra lub M5 Ultra) mieści w całości wersje 4-bitowe; 256 GB wystarcza na wersję 2-bitową, jeśli tabele Engram zostają na SSD; Mac ze 128 GB może strumieniować model z SSD, ale powoli. Pierwsze opublikowane uruchomienie, na M3 Ultra z 512 GB, generowało około 6,5 tokena na sekundę.
Którą wersję pobrać, polecenia i prędkości znajdziesz w naszym poradniku krok po kroku: Jak uruchomić DeepSeek V4.1 Flash na Macu.
Na każdym innym Macu API kosztuje centy za milion tokenów, a mniejsze otwarte modele dobrze działają lokalnie: zobacz najlepszy Mac do lokalnych LLM.
6Niech duży Mac pracuje także w wolnych godzinach
Mac Studio kupiony do takich modeli przez większość dnia czeka. MLX Node udostępnia ten wolny czas MLX Network, sieci, która wykonuje zadania AI na Macach za pomocą frameworka MLX od Apple, i zarabia tokeny MLX za zweryfikowaną pracę: do 1 MLX dziennie na darmowym miejscu, a z dedykowanym miejscem Ultra działającym na Macu z układem Ultra do 320. Wydobyte MLX są zablokowane przez 30 dni, z dedykowanym miejscem krócej; zobacz ryzyka.
7Pytania
- Czym jest DeepSeek V4.1 Flash 1017?
- To aktualizacja DeepSeek-V4.1-Flash z 17 października 2026 roku, modelu DeepSeek typu mixture of experts z otwartymi wagami. Zachowuje architekturę i nazwę w API, a w benchmarkach rozumowania, programowania, agentów i obrazów osiąga wyższe wyniki.
- Czym różni się V4.1 Flash od 1017?
- Ten sam rozmiar modelu i API, nowszy trening. W testach DeepSeek 1017 uzyskuje 42,3 zamiast 31,2 w Terminal-Bench 4.0 i 77,0 zamiast 74,2 w DeepSWE v1.1, a do tego pisze krótsze odpowiedzi, więc zadania kosztują mniej.
- Ile parametrów ma DeepSeek V4.1 Flash?
- Łącznie 552 mld. Przy czytaniu promptu aktywuje 8 mld na token, a przy generowaniu 16 mld; do tego dochodzą dwie duże tabele Engram, które mogą zostać na dysku.
- Czy DeepSeek V4.1 Flash 1017 jest darmowy?
- Wagi można bezpłatnie pobrać i używać na licencji MIT. Korzystanie przez API DeepSeek jest płatne: $0,15 za milion tokenów wejściowych i $0,60 za milion wyjściowych, według OpenRouter.
- Czy mogę uruchomić DeepSeek V4.1 Flash 1017 lokalnie?
- Tak, jeśli masz dużo pamięci. Na Macu wersje 4-bitowe działają na Macu Studio z 512 GB, a wersja 2-bitowa na 256 GB z tabelami Engram na SSD. Na mniejszych Macach lepiej sprawdzi się API albo mniejszy model.
Źródła
- dziennik zmian API DeepSeekapi-docs.deepseek.com
- Hugging Facehuggingface.co
- The Decoderthe-decoder.com
- V4.1 Flashhuggingface.co
- antirez na Hugging Facehuggingface.co
- OpenRouteropenrouter.ai