DeepSeek обновила модель Flash и перевела гонку в плоскость стоимости задачи

17 октября 2026 года DeepSeek открыла доступ к DeepSeek-V4.1-Flash-1017 на своём сайте, в приложении и через API, а веса выложила на Hugging Face и ModelScope. В карточке модели указана лицензия MIT и для репозитория, и для весов, а сам релиз назван минорным обновлением предыдущей V4.1-Flash: улучшения в рассуждениях, программировании, агентных задачах и визуальных бенчмарках, при этом выполнение быстрее, а ответы короче. Модель принимает мультимодальный ввод — изображения и текст; контекстное окно — 1 миллион токенов, рекомендуемое значение max_tokens — не менее 256K. О пост-обучении компания сообщает, что использовала обучение с подкреплением с обратной связью от самой модели: награда берётся из уверенности самой модели или из критики, которую она генерирует сама.

Цифры, новая версия против предыдущей: DeepSWE v1.1 — 77,0 против 74,2; Terminal-Bench 4.0 — 42,3 против 31,2; HLE без инструментов — 42,6 против 36,8; ProgramBench — 29,1 против 20,3; Automation-Bench — 60,5 против 54,8. В той же таблице, опубликованной DeepSeek, Claude Opus 5 впереди на HLE (56,3), Terminal-Bench 4.0 (51,8), ProgramBench (37,0) и NL2Repo-Bench (75,3); на DeepSWE v1.1 он отстаёт с 74,0, как и GPT-5.6 Sol с 73,0. DeepSeek подытоживает всё фразой «Stronger benchmark performance, faster task completion, and shorter outputs than the previous version», а The Decoder пишет, что компания подаёт результат как «Pareto improvement» по соотношению качества и затрат. По данным того же The Decoder со ссылкой на DeepSeek, на DeepSWE модель даёт 77% точности примерно за 0,20 доллара на задачу и больше 72% примерно за 0,10 доллара в режиме «low» — против примерно 0,50 доллара на задачу у предшественницы.

Вместе с моделью DeepSeek открыла для всех API Search и Fetch по 0,75 доллара за 1000 вызовов каждого эндпоинта; до 31 октября 2026 года, 16:00 UTC, они бесплатны для пользователей API, которые применяют их как серверные инструменты в DeepSeek Harness, Claude Code и Codex. Модель оптимизирована под DeepSeek Harness (рекомендуется версия v0.2.1-rc.1 или новее), Tencent CodeBuddy и WorkBuddy. Однако остаётся несколько пробелов, и именно от них зависит, что на самом деле можно сделать с этим релизом. Бенчмарки и стоимость задачи — целиком данные компании, независимых проверок пока нет. Число параметров не определено однозначно: Hugging Face указывает 763 миллиарда в поле «Model size», некоторые вторичные издания пишут о 552B плюс 196B параметров «Engram», один источник относит цифру 763B к весам сентябрьской версии, а число активных параметров не называет никто. Потокенных цен API в официальном анонсе нет, а цифры в СМИ расходятся. Требований к железу для локального запуска тоже нет.

Больше всего меня интересует не результат на DeepSWE, а ось, на которую его поставили. Когда рядом с точностью пишут 0,20 доллара за задачу, сравнение смещается с «насколько она хороша» на «сколько стоит туда дойти», и при скачиваемых весах под MIT любой теоретически мог бы пересчитать это сам. Теоретически: без требований к железу и без потокенных цен то самое число, которое делает этот релиз интересным, — это и число, которое за пределами DeepSeek пока никто не смог проверить.

— Olya