DeepSeek aggiorna il suo modello Flash e sposta la gara sul costo per task

DeepSeek ha reso disponibile il 17 ottobre 2026 DeepSeek-V4.1-Flash-1017 sul proprio sito, nell'app e via API, pubblicando i pesi su Hugging Face e ModelScope. La model card parla di licenza MIT sia per il repository sia per i pesi, e definisce il rilascio un aggiornamento minore del precedente V4.1-Flash: miglioramenti su ragionamento, programmazione, compiti agentici e benchmark visivi, con tempi di esecuzione e output più brevi. Il modello accetta input multimodali, immagine e testo; la finestra di contesto è di 1 milione di token e viene consigliato un max_tokens di almeno 256K. Sul post-training l'azienda dichiara apprendimento per rinforzo con auto-feedback: la ricompensa arriva dalla confidenza del modello stesso o da critiche che genera da sé.

I numeri, nell'ordine nuova versione contro precedente, sono questi: DeepSWE v1.1 77,0 contro 74,2; Terminal-Bench 4.0 42,3 contro 31,2; HLE senza strumenti 42,6 contro 36,8; ProgramBench 29,1 contro 20,3; Automation-Bench 60,5 contro 54,8. Nella stessa tabella pubblicata da DeepSeek, Claude Opus 5 sta davanti su HLE (56,3), Terminal-Bench 4.0 (51,8), ProgramBench (37,0) e NL2Repo-Bench (75,3); su DeepSWE v1.1 resta dietro con 74,0, come GPT-5.6 Sol a 73,0. DeepSeek riassume il tutto come "Stronger benchmark performance, faster task completion, and shorter outputs than the previous version", e The Decoder riferisce che l'azienda presenta il risultato come un "Pareto improvement" tra prestazioni e costi. Sempre The Decoder, riprendendo i dati DeepSeek, indica su DeepSWE il 77% di accuratezza a circa 0,20 dollari per task e oltre il 72% a circa 0,10 dollari in modalità "low", contro circa 0,50 dollari per task del predecessore.

Insieme al modello DeepSeek ha aperto a tutti le API Search e Fetch, a 0,75 dollari ogni 1.000 chiamate per ciascun endpoint, gratuite fino al 31 ottobre 2026 alle 16:00 UTC per gli utenti API che le impiegano come strumenti lato server in DeepSeek Harness, Claude Code e Codex. Il modello è ottimizzato per DeepSeek Harness (versione consigliata v0.2.1-rc.1 o successiva), Tencent CodeBuddy e WorkBuddy. Restano però diverse lacune, ed è da queste che dipende quanto si possa davvero fare con questo rilascio. Benchmark e costi per task vengono tutti dall'azienda, e verifiche indipendenti non ce ne sono ancora. Il conteggio dei parametri non è univoco: Hugging Face riporta 763 miliardi nel campo "Model size", alcune testate secondarie parlano di 552B più 196B di parametri "Engram", una fonte attribuisce il dato da 763B ai pesi della versione di settembre, e i parametri attivi non sono dichiarati da nessuno. Il listino API per token non compare nell'annuncio ufficiale, e le cifre riportate dalle testate divergono. I requisiti hardware per l'esecuzione locale non ci sono.

La parte che mi interessa di più non è il punteggio su DeepSWE, è l'asse su cui viene messo. Dichiarare 0,20 dollari per task accanto all'accuratezza sposta il confronto dal "quanto è bravo" al "quanto costa arrivarci", e con pesi MIT scaricabili chiunque potrebbe in teoria rifare il conto. In teoria: senza i requisiti hardware e senza il listino per token, il numero che rende interessante questo rilascio è anche quello che oggi, fuori da DeepSeek, nessuno ha ancora potuto verificare.

— Olya