На събота, 17 октомври 2026 г., DeepSeek смени модела зад API името deepseek-flash с нов контролен пункт, DeepSeek-V4.1-Flash-1017. Цената не се промени, контекстният прозорец не се промени и методът за извикване не се промени. Промени се моделът: DeepSeek съобщава за двуцифрено подобрение в тестовете за терминал и за създаване на програми и казва, че новият контролен пункт завършва задачите по-бързо и с по-кратки изходи.
Краткият отговор: ако използваш кодиращи агенти или работни процеси с интензивна употреба на инструменти върху септемврийския V4.1 Flash, превключи. Плащаш същата цена на токен и според собствената диаграма на разходите на DeepSeek плащаш значително по-малко на завършена задача. Ако работният ти товар е Q&A, изискващ много знания, аргументът е по-слаб и граничните модели все още водят там.
В AIHubMix новият контролен пункт има собствен идентификатор, deepseek-v4.1-flash-1017, така че нищо не се променя автоматично, докато не смениш името на модела.
Какво се промени и какво остана същото
Бележката за изданието на DeepSeek release note нарича 1017 „Парето подобрение в производителността и цената“, а картата на Hugging Face го нарича „малка актуализация“. И двете са верни: архитектурата и API повърхността не са променени, а посттренировката е нова (DeepSeek описва „обучение с подсилване със самообратна връзка за подобряване на разработката на проекти от край до край“).
| Елемент | Септемврийски V4.1 Flash | V4.1 Flash 1017 |
|---|---|---|
| Архитектура | 552B MoE, 8B / 16B активни | Същата |
| Контекст / максимален изход | 1M / 384K | Същите |
| Вход | Текст и изображения | Същият |
| Разсъждение по подразбиране | Вкл., усилие high | Същото |
| Нива на усилие | low / high / max | Същите |
| Име в API на DeepSeek | deepseek-flash | deepseek-flash (сега 1017) |
| Списъчна цена | Без промяна | Без промяна |
| Дължина на изхода | Дълга | По-кратка (DeepSeek, без конкретна стойност) |
Старите имена deepseek-v4-flash и deepseek-v4-flash-vision-exp все още работят в API на DeepSeek и сега и двете използват 1017 на цени за Flash. DeepSeek не предлага начин да се фиксира септемврийският контролен пункт, така че всеки, който извиква deepseek-flash директно, вече е бил преместен.
Къде паднаха подобренията
Всички цифри по-долу идват от картата на модела и списъка с промени на DeepSeek; никой все още не ги е възпроизвел независимо. The Decoder и Kingy.ai са съставили същата таблица и отбелязват същото предупреждение.
| Бенчмарк | Септември | 1017 | Промяна |
|---|---|---|---|
| Terminal-Bench 4.0 | 31.2 | 42.3 | +11.1 |
| ProgramBench | 20.3 | 29.1 | +8.8 |
| Apex Bench v1.1 | 64.6 | 72.1 | +7.5 |
| HLE, без инструменти | 36.8 | 42.6 | +5.8 |
| Automation-Bench | 54.8 | 60.5 | +5.7 |
| Agents' Last Exam | 31.8 | 35.4 | +3.6 |
| DeepSWE v1.1 | 74.2 | 77.0 | +2.8 |
| NL2Repo-Bench | 65.4 | 68.2 | +2.8 |
| BabyVision, с инструменти | 89.6 | 92.5 | +2.9 |
Terminal-Bench 4.0 беше изпълнен в харнес на Claude Code; DeepSWE — в mini-SWE-v2.
Картината е ясна: най-големите скокове са при дълги терминални сесии и при създаване на програма от нулата, което съвпада с това, за което DeepSeek казва, че е обучавал. Поправянето на бъгове на ниво хранилище (DeepSWE, NL2Repo) и визията се промениха с два до три пункта.
По-кратките изходи са истинското подобрение
Септемврийският контролен пункт беше скъп за работа за евтин модел, защото говореше много. Когато Artificial Analysis изпълни своя Intelligence Index върху него при максимално усилие, той генерира около 250M изходни токена срещу медиана от 130M и с 62% повече от собствения V4 Pro 0813 на DeepSeek.
1017 точно това адресира. Диаграмата на DeepSWE на DeepSeek (цена на задача по абсцисата, както я чете The Decoder) поставя септемврийския модел на 74,2% при около $0,50 на задача, 1017 при най-високата си настройка — на 77,0% при малко под $0,20, а 1017 при ниската си настройка — над 72% при около $0,10. Тъй като цената на токен е идентична, почти цялата икономия идва от това, че моделът използва по-малко токени и завършва с по-малко ходове.
Две предупреждения. DeepSeek не е казал колко по-кратки са изходите и тези разходи на задача са прочетени от диаграма на доставчика, а не измерени от трета страна. Пусни собствения си работен товар, преди да планираш около 60% спестяване.
Колко близо се доближава до по-горното ниво
В линията на DeepSeek по-горното ниво е V4 Pro 0813, а 1017 вече го е изпреварил при всеки агентен бенчмарк, който DeepSeek публикува за двата (Terminal-Bench 4.0: 42,3 срещу 12,4; DeepSWE: 77,0 срещу 62,7). Това ще има отделна публикация в тази серия.
Спрямо граничните модели картината е смесена. Таблицата на DeepSeek изпреварва Claude Opus 5 при DeepSWE, Automation-Bench, Agents' Last Exam и Apex, но Opus 5 все още води при Terminal-Bench 4.0 (51,8), ProgramBench (37,0), NL2Repo (75,3) и HLE (56,3). DeepSeek сравнява и с по-стари модели: Opus 5.5, Sonnet 5.5 и поколението GPT-6 не са в таблицата му, а Google отделно съобщава за Opus 5.5 с 66,4 при Terminal-Bench 4.0.
Цена и реални разходи
| Модел | Вход на DeepSeek | Изход на DeepSeek | Вход на AIHubMix | Изход на AIHubMix |
|---|---|---|---|---|
| V4.1 Flash (септември) | $0.30 | $1.20 | $0.3098 | $1.2392 |
| V4.1 Flash 1017 | $0.30 | $1.20 | $0.3098 | $1.2392 |
| V4 Pro 0813 | $1.32 | $3.96 | $1.3944 | $4.1832 |
Пикови цени на 1M токена, cache miss. Пиковите часове са 01:00–04:00 и 06:00–10:00 UTC в делничните дни; всеки друг час, събота и неделя и китайските национални празници са извън пик, с половин цена. Cache hit при Flash струва $0,006 на DeepSeek и $0,0062 на AIHubMix в пиково време. AIHubMix в момента предлага ограничена във времето 30% отстъпка за 1017; цифрите тук използват списъчните цени.
Една сесия на агент, изчислена. Няма публикуван тест с броя токени на задача за 1017, затова този пример използва заявени допускания: сесия за поправка на бъг от 40 извиквания на модела, общо 1,2M входни токена, от които 90% се обслужват от кеша, и 60K изходни токена, включително разсъждения. По списъчните цени на AIHubMix:
| Модел | Пик | Извън пик |
|---|---|---|
| V4.1 Flash 1017 | $0.118 | $0.059 |
| V4 Pro 0813 | $0.469 | $0.233 |
Изчисление за 1017 в пиково време: 0,12M × $0,3098 + 1,08M × $0,0062 + 0,06M × $1,2392 = $0,118.
Същите броеве токени струват същото и при септемврийския модел, защото цената е идентична. Разликата се вижда в самите броеве токени: ако 1017 се нуждае от по-малко ходове и по-кратки отговори за същата поправка, сметката намалява със същата стойност. Планирането на пакетната работа извън пиковите часове я намалява още наполовина.
Усилието е другата възможност за настройка. Документът за V4.1 Flash на DeepSeek съпоставя ниските, високите и максималните нива на API с вътрешни стойности на усилие 50, 75 и 100 и отчита, че последната стъпка към max „удължава траекториите на агентите с 1,6–1,8 пъти за само маргинални подобрения“. Стартирай агентите с high, което е по подразбиране, и запази max за най-трудните задачи.
Къде не е най-добрият избор
- Въпроси, изискващи много знания. HLE без инструменти е 42,6, заметно зад Opus 5 (56,3) и под Claude Haiku 5.5 (45,9, според Anthropic). Суровите знания все още са слабото място на линията Flash.
- Дълги, трудни сесии в shell. Terminal-Bench 4.0 с 42,3 е голям скок, но Sonnet 5.5 (70,6) и Opus 5.5 (66,4) са в друга лига при този бенчмарк.
- Работни товари, които изискват замразен модел. В собствения API на DeepSeek
deepseek-flashе плаващ псевдоним и септемврийският контролен пункт не може да се фиксира. Ако имаш нужда от възпроизводимо поведение, извиквай модел с дата в идентификатора. - Трафик, който попада изцяло в пиковите часове. Цената извън пик е наполовина от пиковата; работен товар, затворен в делничния прозорец 01:00–10:00 UTC, плаща пълната тарифа.
Кой да превключи, кой да изчака
- Превключи сега: кодиращи агенти, терминална автоматизация и конвейери с извикване на инструменти върху септемврийския Flash. Същата цена, по-добри резултати и по-малко токени на задача според измерването на DeepSeek.
- Превключи след регресионен тест: продуктивни промпти със строги изходни формати или набори за оценка. По-кратките изходи могат да счупят парсъри, които очакват старата многословност.
- Остани или потърси друго: Q&A, изискващ много знания, и трудно дебъгване, което вече изисква граничен модел. 1017 това не променя.
Пробвай го в AIHubMix
AIHubMix предлага 1017 чрез Chat Completions, Responses API и Anthropic Messages. Създай ключ и следвай бързото начало, след което го извикай със openai SDK:
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["AIHUBMIX_API_KEY"],
base_url="https://aihubmix.com/v1",
)
resp = client.chat.completions.create(
model="deepseek-v4.1-flash-1017",
messages=[{"role": "user", "content": "Write a Python function that merges overlapping intervals."}],
reasoning_effort="high",
max_tokens=32000,
)
print(resp.choices[0].message.content)
При тестово изпълнение на 19 октомври AIHubMix прие low, high и max за reasoning_effort, а полето model във всеки отговор показа deepseek-v4-1-flash-261017, което потвърждава, че е отговорил контролният пункт 1017. Разсъжденията са включени по подразбиране и токените за разсъждения се броят към max_tokens, затова задавай щедра стойност; картата на модела препоръчва поне 256K за дълги агентни изпълнения. За да видиш двата контролни пункта един до друг, отвори страницата за сравнение на AIHubMix.
Често задавани въпроси
DeepSeek V4.1 Flash 1017 нов модел ли е или актуализация?
Това е актуализиран контролен пункт на V4.1 Flash със същата архитектура, контекстен прозорец и API повърхност. DeepSeek го нарича малка актуализация; печалбите в бенчмарковете идват от новата посттренировка.
Промени ли се цената с 1017?
Не. DeepSeek запази цената на Flash от $0,30 за вход и $1,20 за изход на 1M токена в пиково време, а извън пиковите часове е наполовина. AIHubMix го показва с $0,3098 и $1,2392 в пиково време, с действаща в момента ограничена във времето 30% отстъпка.
Кой идентификатор на модел да използвам в AIHubMix?
Използвай deepseek-v4.1-flash-1017. Името deepseek-flash принадлежи на собствения API на DeepSeek, където сега сочи към 1017.
Мога ли да продължа да използвам септемврийския контролен пункт в API на DeepSeek?
Не. DeepSeek премести deepseek-flash и по-старите имена на Flash към 1017 и не предлага фиксирано име за септемврийската версия.
Колко по-кратки са изходите?
DeepSeek не е публикувал число. Диаграмата му за DeepSWE подсказва, че цената на задача е паднала от около $0,50 до под $0,20 при същата цена на токен, което сочи към много по-кратки изпълнения, но това е цифра от доставчика.
Кое ниво на усилие на разсъжденията да използвам?
Започни с high, което е по подразбиране. Използвай low за прости извиквания, чувствителни към латентност, и max само за най-трудните задачи, тъй като собственият документ на DeepSeek казва, че max удължава агентните изпълнения 1,6 до 1,8 пъти за малки печалби.
Дали 1017 е по-добър от Claude Opus 5?
При някои агентни бенчмаркове DeepSeek го отчита напред, например DeepSWE и Automation-Bench. Opus 5 все още води при Terminal-Bench 4.0, ProgramBench, NL2Repo и HLE, а по-новите гранични модели не бяха част от сравнението на DeepSeek.
Продължи да четеш: серията DeepSeek V4.1 Flash 1017
- Прехвърляш съществуваща интеграция? Ръководството за миграция обхваща грешката
reasoning_content400, тихата смяна на псевдонима, таксуването в пиково време и настройката на инструменти за кодиране: Миграция към DeepSeek V4.1 Flash 1017: грешката reasoning_content 400, тихата смяна на псевдонима и таксуването в пиково време - Сравняваш го с най-евтиния модел на Anthropic за агентна работа? Сравнението на живо и двата модела в задача за кодиране в терминал: DeepSeek V4.1 Flash 1017 срещу Claude Haiku 5.5: кой евтин модел да избереш за агенти за кодиране в терминал?
- Все още плащаш за V4 Pro? Тази публикация проверява дали Flash вече го е направил излишен: DeepSeek V4.1 Flash 1017 срещу V4 Pro: вече стига ли Flash?
Източници
- Бележка за изданието на DeepSeek-V4.1-Flash-1017 (DeepSeek)
- Карта на модела DeepSeek-V4.1-Flash-1017 (Hugging Face)
- DeepSeek V4.1 Flash 1017 в AIHubMix (AIHubMix)
- Deepseek V4.1 Flash 1017 надминава по-големите конкуренти в агентни задачи (The Decoder)
- DeepSeek V4.1 Flash 1017 тестван: спецификации, бенчмаркове и цена (Kingy.ai)
