Коротко
- DeepSeek-V4.1-Flash-1017 — оновлення DeepSeek-V4.1-Flash, що вийшла 10 вересня 2026 року. Та сама архітектура й те саме ім’я в API, вищі результати й коротші відповіді.
- У власних тестах DeepSeek найбільше вона додала в агентному програмуванні: 42,3 у Terminal-Bench 4.0 замість 31,2 і 77,0 у DeepSWE v1.1.
- Це модель типу mixture of experts (MoE) на 552 млрд параметрів, з яких на кожен згенерований токен працюють 16 млрд, і з контекстом до 1 млн токенів. Ваги безкоштовні за ліцензією MIT.
- Повні ваги займають близько 510 ГБ. На Mac потрібен Mac Studio з 256–512 ГБ пам’яті або потокове читання з SSD при 128 ГБ.
1Що таке DeepSeek V4.1 Flash 1017
DeepSeek-V4.1-Flash — найменша модель родини V4.1 від DeepSeek із вбудованим розумінням зображень. Вона з’явилася в API DeepSeek 10 вересня 2026 року; 17 жовтня DeepSeek замінила її на DeepSeek-V4.1-Flash-1017 і назвала це невеликим оновленням (журнал змін API DeepSeek).
Оновлення покращує результати в бенчмарках на міркування, програмування, агентні й візуальні завдання, а самі завдання модель виконує швидше й із коротшим виводом. DeepSeek налаштувала її під власний DeepSeek Harness, а також під Tencent CodeBuddy і WorkBuddy та рекомендує DeepSeek Harness 0.2.1-rc.1 або новіший (Hugging Face).
Назва продовжує звичку DeepSeek датувати оновлення: 1017 — це місяць і день, 17 жовтня.
2Бенчмарки: 1017 проти V4.1 Flash та інших
| Бенчмарк | V4.1 Flash 1017 | V4.1 Flash | Opus 5 | GPT-5.6 Sol | Kimi K3 | GLM-5.3 |
|---|---|---|---|---|---|---|
| HLE, без інструментів | 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 |
За цими цифрами 1017 випереджає всі моделі таблиці в DeepSWE, Agents' Last Exam і Apex Bench та поступається Opus 5 у міркуваннях без інструментів, роботі в терміналі й створенні цілих програм. Вона також краще проходить тести на графіки й зображення, як-от Chartography (83,0 замість 78,9) і BabyVision (92,5 замість 89,6).
Вартість завдання теж знижується. На графіках DeepSeek, які наводить The Decoder, завдання DeepSWE на максимальному налаштуванні коштує трохи менше ніж $0,20 проти приблизно $0,50 у попередньої версії.
3Параметри, контекст і розмір
| DeepSeek-V4.1-Flash-1017 | |
|---|---|
| Усього параметрів | 552 млрд (mixture of experts) |
| Активних на токен | 8 млрд під час читання промпту, 16 млрд під час генерації |
| Експерти | 384 маршрутизовані й 1 спільний, 6 на токен |
| Контекст | До 1 048 576 токенів |
| Пам’ять на токен контексту | Близько 890 байтів, чверть від V4 Flash |
| Ваги | FP8, експерти у FP4; близько 510 ГБ |
| Вхід | Текст і зображення |
| Ліцензія | MIT |
Близько 189 ГіБ завантаження — це дві таблиці Engram: велика пам’ять, яку модель не обчислює, а переглядає, по кілька рядків на токен. Середовища виконання на кшталт DwarfStar тримають їх на SSD і читають лише потрібні рядки, тому модель може працювати в набагато меншому обсязі пам’яті, ніж важить завантаження (antirez на Hugging Face).
4Ім’я в API і ціна
В API DeepSeek модель називається deepseek-flash, і тепер це ім’я вказує на 1017; старі імена deepseek-v4-flash і deepseek-v4-flash-vision-exp поки що переспрямовуються на неї. За словами DeepSeek, спосіб виклику й ціни з виходом 1017 не змінилися (DeepSeek).
| Провайдер | Вхід, за мільйон токенів | Вихід, за мільйон токенів |
|---|---|---|
| DeepSeek | $0,15 | $0,60 |
| Cloudflare | $0,10 | $0,60 |
| DeepInfra | $0,098 | $0,294 |
| Together, Fireworks, Baseten | $0,30 | $1,20 |
DeepSeek рекомендує temperature 1.0, top_p 1.0 і запас для довгих відповідей (max_tokens щонайменше 256K). Ваги постачаються без шаблону чату Jinja: промпти збираються кодом кодування з репозиторію моделі.
5Чи можна запустити її на власному Mac?
Так, але лише на найбільших Mac. Mac Studio з 512 ГБ пам’яті (M3 Ultra або M5 Ultra) повністю вміщує 4-бітні збірки; 256 ГБ вистачає для 2-бітної збірки, якщо таблиці Engram лишаються на SSD; Mac зі 128 ГБ може читати модель із SSD потоком, але повільно. Перший опублікований запуск на M3 Ultra з 512 ГБ видавав близько 6,5 токена за секунду.
Яку збірку завантажити, команди й швидкості — у нашому покроковому посібнику: Запуск DeepSeek V4.1 Flash на Mac.
Для всіх інших Mac API коштує центи за мільйон токенів, а невеликі відкриті моделі добре працюють локально: див. найкращий Mac для локальних LLM.
6Нехай великий Mac працює й у простої
Mac Studio, куплений для таких моделей, більшу частину дня простоює. MLX Node віддає цей вільний час MLX Network — мережі, що виконує завдання ШІ на Mac із фреймворком MLX від Apple, — і заробляє токени MLX за перевірену роботу: до 1 MLX на день на безкоштовному місці й до 320 з виділеним місцем Ultra на Mac із чипом Ultra. Добуті MLX блокуються на 30 дн., із виділеним місцем — менше; див. ризики.
7Запитання
- Що таке DeepSeek V4.1 Flash 1017?
- Це оновлення DeepSeek-V4.1-Flash від 17 жовтня 2026 року — MoE-моделі DeepSeek із відкритими вагами. Архітектура й ім’я в API лишилися тими самими, а результати в бенчмарках на міркування, програмування, агентів і зображення зросли.
- Чим V4.1 Flash відрізняється від 1017?
- Розмір моделі й API ті самі, навчання новіше. У тестах DeepSeek 1017 набирає 42,3 замість 31,2 у Terminal-Bench 4.0 і 77,0 замість 74,2 у DeepSWE v1.1 та пише коротші відповіді, тож завдання коштують менше.
- Скільки параметрів у DeepSeek V4.1 Flash?
- Усього 552 млрд. Під час читання промпту на токен активуються 8 млрд, під час генерації — 16 млрд; до них додаються дві великі таблиці пошуку Engram, які можуть лишатися на диску.
- DeepSeek V4.1 Flash 1017 безкоштовна?
- Ваги можна безкоштовно завантажити й використовувати за ліцензією MIT. Доступ через API DeepSeek платний: $0,15 за мільйон вхідних токенів і $0,60 за мільйон вихідних, за даними OpenRouter.
- Чи можна запустити DeepSeek V4.1 Flash 1017 локально?
- Так, якщо пам’яті багато. На Mac 4-бітні збірки працюють на Mac Studio з 512 ГБ, а 2-бітна — на 256 ГБ із таблицями Engram на SSD. Для менших Mac краще підійде API або менша модель.
Джерела
- журнал змін API DeepSeekapi-docs.deepseek.com
- Hugging Facehuggingface.co
- The Decoderthe-decoder.com
- V4.1 Flashhuggingface.co
- antirez на Hugging Facehuggingface.co
- OpenRouteropenrouter.ai