DeepSeek-v4.1-Flash-1017
DeepSeek выпустила обновление DeepSeek-V4.1-Flash-1017 — минорную версию модели DeepSeek-V4.1-Flash, которая заметно улучшает рассуждения, написание кода, агентные задачи и визуальные бенчмарки. Одновременно модель сокращает время выполнения задач и длину вывода, что снижает стоимость и продвигает границу Парето «производительность–цена» сразу в нескольких агентных средах. Веса и репозиторий распространяются под лицензией MIT.
Ключевые цифры: на Terminal-Bench 4.0 результат вырос с 31,2 до 42,3, на ProgramBench — с 20,3 до 29,1, на Apex Bench v1.1 — с 64,6 до 72,1, на Automation-Bench v1.0.6 — с 54,8 до 60,5. На HLE без инструментов — 42,6 (44,0 для текстового подмножества), на DeepSWE v1.1 — 77,0, на NL2Repo-Bench — 68,2, на Agents' Last Exam — 35,4. В задачах с инструментами: Chartography — 83,0, BabyVision — 92,5, ZeroBench-main — 51,0.
В релизе нет шаблона чата в формате Jinja: вместо него в папке encoding лежит самодостаточная реализация на Python с тестами для многоходовых диалогов, вызова инструментов, режима размышления и изображений. Для продакшена отдельно выложен набор библиотек deepseek-recipe на Rust с привязками к Python. Рекомендуемые параметры сэмплирования: temperature 1.0, top_p 1.0, контекст 1M токенов, max_tokens не менее 256K.