Коротко
- DeepSeek-V4.1-Flash-1017 — обновление DeepSeek-V4.1-Flash, вышедшей 10 сентября 2026 года. Та же архитектура и то же имя в API, выше результаты и короче ответы.
- В собственных тестах DeepSeek сильнее всего она прибавила в агентном программировании: 42,3 в Terminal-Bench 4.0 вместо 31,2 и 77,0 в DeepSWE v1.1.
- Это модель типа mixture of experts (MoE) с 552 млрд параметров, из которых на каждый сгенерированный токен работают 16 млрд, и контекстом до 1 млн токенов. Веса бесплатны по лицензии MIT.
- Полные веса занимают около 510 ГБ. На Mac нужен Mac Studio с 256–512 ГБ памяти или потоковое чтение с SSD при 128 ГБ.
1Что такое DeepSeek V4.1 Flash 1017
DeepSeek-V4.1-Flash — самая маленькая модель семейства V4.1 от DeepSeek со встроенным пониманием изображений. Она появилась в API DeepSeek 10 сентября 2026 года; 17 октября DeepSeek заменила ее на DeepSeek-V4.1-Flash-1017 и назвала это небольшим обновлением (журнал изменений API DeepSeek).
Обновление улучшает результаты в бенчмарках на рассуждение, программирование, агентные и визуальные задачи, а сами задачи модель решает быстрее и с более коротким выводом. DeepSeek настроила ее под собственный DeepSeek Harness, а также под Tencent CodeBuddy и WorkBuddy и рекомендует DeepSeek Harness 0.2.1-rc.1 или новее (Hugging Face).
Название следует привычке DeepSeek датировать обновления: 1017 — это месяц и день, 17 октября.
2Бенчмарки: 1017 против V4.1 Flash и других
| Бенчмарк | V4.1 Flash 1017 | V4.1 Flash | Opus 5 | GPT-5.6 Sol | Kimi K3 | GLM-5.3 |
|---|---|---|---|---|---|---|
| HLE, без инструментов | 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 |
По этим цифрам 1017 опережает все модели таблицы в DeepSWE, Agents' Last Exam и Apex Bench и уступает Opus 5 в рассуждениях без инструментов, работе в терминале и создании целых программ. Она также лучше справляется с тестами на графики и изображения, например Chartography (83,0 вместо 78,9) и BabyVision (92,5 вместо 89,6).
Стоимость задачи тоже снижается. На графиках DeepSeek, которые приводит The Decoder, задача DeepSWE на максимальной настройке стоит чуть меньше $0,20 против примерно $0,50 у предыдущей версии.
3Параметры, контекст и размер
| DeepSeek-V4.1-Flash-1017 | |
|---|---|
| Всего параметров | 552 млрд (mixture of experts) |
| Активных на токен | 8 млрд при чтении промпта, 16 млрд при генерации |
| Эксперты | 384 маршрутизируемых и 1 общий, 6 на токен |
| Контекст | До 1 048 576 токенов |
| Память на токен контекста | Около 890 байт, четверть от V4 Flash |
| Веса | FP8, эксперты в FP4; около 510 ГБ |
| Вход | Текст и изображения |
| Лицензия | MIT |
Около 189 ГиБ загрузки — это две таблицы Engram: большая память, которую модель не вычисляет, а просматривает, по несколько строк на токен. Среды выполнения вроде DwarfStar держат их на SSD и читают только нужные строки, поэтому модель может работать в гораздо меньшем объеме памяти, чем весит загрузка (antirez на Hugging Face).
4Имя в API и цена
В API DeepSeek модель называется deepseek-flash, и теперь это имя указывает на 1017; старые имена deepseek-v4-flash и deepseek-v4-flash-vision-exp пока перенаправляются на нее. По словам DeepSeek, способ вызова и цены с выходом 1017 не изменились (DeepSeek).
| Провайдер | Вход, за миллион токенов | Выход, за миллион токенов |
|---|---|---|
| DeepSeek | $0,15 | $0,60 |
| Cloudflare | $0,10 | $0,60 |
| DeepInfra | $0,098 | $0,294 |
| Together, Fireworks, Baseten | $0,30 | $1,20 |
DeepSeek рекомендует temperature 1.0, top_p 1.0 и запас для длинных ответов (max_tokens не меньше 256K). Веса поставляются без шаблона чата Jinja: промпты собираются кодом кодирования из репозитория модели.
5Можно ли запустить ее на своем Mac?
Да, но только на самых больших Mac. Mac Studio с 512 ГБ памяти (M3 Ultra или M5 Ultra) целиком вмещает 4-битные сборки; 256 ГБ хватает для 2-битной сборки, если таблицы Engram остаются на SSD; Mac со 128 ГБ может читать модель с SSD потоком, но медленно. Первый опубликованный запуск на M3 Ultra с 512 ГБ выдавал около 6,5 токена в секунду.
Какую сборку скачать, команды и скорости — в нашем пошаговом руководстве: Запуск DeepSeek V4.1 Flash на Mac.
Для всех остальных Mac API обходится в центы за миллион токенов, а небольшие открытые модели хорошо работают локально: см. лучший Mac для локальных LLM.
6Пусть большой Mac работает и в простое
Mac Studio, купленный для таких моделей, большую часть дня простаивает. MLX Node отдает это свободное время MLX Network — сети, которая выполняет задачи ИИ на Mac с фреймворком MLX от Apple, — и зарабатывает токены MLX за проверенную работу: до 1 MLX в день на бесплатном месте и до 320 с выделенным местом Ultra на Mac с чипом Ultra. Добытые MLX блокируются на 30 дн., с выделенным местом — меньше; см. риски.
7Вопросы
- Что такое DeepSeek V4.1 Flash 1017?
- Это обновление DeepSeek-V4.1-Flash от 17 октября 2026 года — MoE-модели DeepSeek с открытыми весами. Архитектура и имя в API остались прежними, а результаты в бенчмарках на рассуждение, программирование, агентов и изображения выросли.
- Чем V4.1 Flash отличается от 1017?
- Размер модели и API те же, обучение новее. В тестах DeepSeek 1017 набирает 42,3 вместо 31,2 в Terminal-Bench 4.0 и 77,0 вместо 74,2 в DeepSWE v1.1 и пишет более короткие ответы, поэтому задачи обходятся дешевле.
- Сколько параметров у DeepSeek V4.1 Flash?
- Всего 552 млрд. При чтении промпта на токен активируются 8 млрд, при генерации — 16 млрд; к ним добавляются две большие таблицы поиска Engram, которые могут оставаться на диске.
- DeepSeek V4.1 Flash 1017 бесплатная?
- Веса можно бесплатно скачать и использовать по лицензии MIT. Доступ через API DeepSeek платный: $0,15 за миллион входных токенов и $0,60 за миллион выходных, по данным OpenRouter.
- Можно ли запустить DeepSeek V4.1 Flash 1017 локально?
- Да, если памяти много. На Mac 4-битные сборки работают на Mac Studio с 512 ГБ, а 2-битная — на 256 ГБ с таблицами Engram на SSD. Для Mac поменьше лучше подойдет API или модель поменьше.
Источники
- журнал изменений API DeepSeekapi-docs.deepseek.com
- Hugging Facehuggingface.co
- The Decoderthe-decoder.com
- V4.1 Flashhuggingface.co
- antirez на Hugging Facehuggingface.co
- OpenRouteropenrouter.ai