«Тот же Flash, другие цифры»: DeepSeek выпустила V4.1-Flash-1017 и открыла Search & Fetch API всем

Что вышло 17 октября

Страница релиза датирована 17 октября 2026 года и описывает DeepSeek-V4.1-Flash-1017 как minor update к DeepSeek-V4.1-Flash. Карточка модели на Hugging Face повторяет ту же формулировку и уточняет, где именно прибавка: reasoning, coding, agentic tasks и визуальные бенчмарки.

Три обещания релиза звучат так: сильнее бенчмарки, быстрее выполнение задач, короче ответы — вместе это даёт улучшение по Парето в паре «производительность — стоимость». Модель уже стоит на сайте, в приложении и в API.

Для агентских обвязок DeepSeek отдельно указывает совместимость с DeepSeek Harness, Tencent CodeBuddy и WorkBuddy: для лучшего результата нужен DeepSeek Harness v0.2.1-rc.1 или новее. Часть прироста компания объясняет обучением с подкреплением с самоподкреплением (reinforcement learning with self-feedback), которое улучшает разработку проекта целиком — от игры до 3D-моделирования.

К релизу приложены четыре демонстрации: 3D-модель Запретного города, браузерная гоночная игра, воссоздание Portal 2 на движке Godot и 3D-сцена «Valley of Ages». Веса открыты: репозиторий на Hugging Face и зеркало на ModelScope, лицензия MIT.

Бенчмарки: что именно выросло

Карточка модели приводит таблицу, в которой 1017-я версия сравнивается с предыдущим Flash и четырьмя внешними моделями — K3, GLM-5.3, GPT-5.6 Sol и Opus 5. Против предыдущего Flash цифры такие: HLE без инструментов — 42,6 против 36,8 (на текстовом подмножестве 44,0 против 39,1); Terminal-Bench 4.0 — 42,3 против 31,2; DeepSWE v1.1 — 77,0 против 74,2; ProgramBench — 29,1 против 20,3.

Дальше по той же таблице: NL2Repo-Bench — 68,2 против 65,4; Automation-Bench v1.0.6 — 60,5 против 54,8; Agents' Last Exam — 35,4 против 31,8; Apex Bench v1.1 — 72,1 против 64,6. На трёх визуальных наборах с инструментами указаны только абсолютные значения: Chartography — 83,0, BabyVision — 92,5, ZeroBench-main — 51,0.

Часть прогонов сделана не в «родной» обвязке: Terminal-Bench 4.0 считается в harness Claude Code, DeepSWE v1.1 — в Mini-SWE-V2 harness. В той же таблице Opus 5 набирает 56,3 на HLE и 51,8 на Terminal-Bench 4.0, то есть по этим двум наборам 1017-я модель остаётся позади, а по DeepSWE v1.1 (74,0 у Opus 5) и Agents' Last Exam (28,6) — впереди.

Все эти числа — из таблицы самого издателя; независимых прогонов карточка не приводит. Поэтому корректная рамка такая: DeepSeek показывает собственный замер, а не внешнюю проверку.

Контекст, режимы и тарифы

Прайс-страница DeepSeek называет версию модели прямо: MODEL VERSION — DeepSeek-V4.1-Flash-1017, а имя для API — deepseek-flash. Там же зафиксированы 1M токенов контекста и максимальный ответ 384K токенов.

Модель поддерживает режимы с рассуждением и без, а также vision; у DeepSeek-V4-Pro зрения нет. Цены за миллион токенов: попадание в кэш — 0,003 доллара в непиковые часы и 0,006 в пиковые; промах кэша — 0,15 и 0,30; выход — 0,60 и 1,20.

Пиковыми считаются 01:00–04:00 и 06:00–10:00 UTC по будням, кроме китайских государственных праздников; всё остальное время, включая выходные и праздники целиком, — непиковое. Предел одновременных запросов — 2500.

Старые имена deepseek-v4-flash и deepseek-v4-flash-vision-exp по-прежнему принимаются, но обслуживает их уже 1017-я модель по цене Flash. В карточке модели рекомендуемые параметры сэмплирования: temperature 1,0, top_p 1,0, окно 1M токенов, max_tokens не меньше 256K.

Готового Jinja-шаблона чата в релизе нет: вместо него в папке encoding лежит самодостаточная реализация на Python с тестами на многошаговые диалоги, вызов инструментов, режим рассуждения, числовую «глубину размышлений», системные сообщения посреди диалога и изображения. Для продакшена отдельно выпущен deepseek-recipe — набор библиотек на Rust с Python-биндингами, который повторяет тот же формат промпта.

Search & Fetch открыли всем

Второй пункт релиза к модели не относится, но меняет цену агентских сценариев: Search и Fetch API стали доступны всем. Оба работают на собственном поисковом движке DeepSeek, который, по утверждению компании, обслуживает сотни миллионов запросов в день по всему миру.

Тариф — 0,75 доллара за тысячу успешных вызовов, отдельно для Search и отдельно для Fetch. Пока вызовы идут серверными инструментами через DeepSeek Harness, Claude Code или Codex, они бесплатны; платный период начинается 31 октября 2026 года в 16:00 UTC, что соответствует 1 ноября 00:00 по пекинскому времени.

Технически это два обычных JSON-эндпоинта с той же bearer-аутентификацией, что и у DeepSeek API: POST https://api.deepseek.com/v1/tools/search и POST https://api.deepseek.com/v1/tools/fetch. Fetch забирает одну страницу и отдаёт её содержимое в Markdown.

У Search есть query (от 1 до 128 символов), count (по умолчанию 10, от 1 до 50), need_content, localization и ori_question. Поиск понимает операторы site: и -site:, точную фразу в кавычках и её исключение, lang:, after: и before: — например, «DeepSeek site:github.com OR site:huggingface.co lang:en after:2025».

Успешный ответ — HTTP 200 с массивом results; пустой результат при отсутствии совпадений — тоже 200 и пустой массив.

Что осталось за кадром

В релизе нет числа параметров модели, нет описания архитектурных изменений относительно сентябрьского Flash и нет данных о том, как именно собирались обучающие данные. Карточка ограничивается таблицей бенчмарков, рекомендациями по сэмплированию и ссылкой на технический отчёт.

Сравнение с конкурентами — тоже внутреннее: цифры K3, GLM-5.3, GPT-5.6 Sol и Opus 5 приведены в таблице DeepSeek без указания, в каких обвязках и с какими настройками их получали. Это делает таблицу полезной для оценки направления изменений, но не для вывода о превосходстве над конкретной моделью.

Отдельно стоит, чего в релизе нет: анонса V4.1-Pro. Прайс по-прежнему держит deepseek-v4-pro отдельной строкой с версией DeepSeek-V4-Pro-0813. Так что 1017-я — обновление внутри линии Flash, а не смена всей линейки.