DeepSeek обновила открытую модель V4.1-Flash: вышел чекпоинт DeepSeek-V4.1-Flash-1017, который прибавил на агентных бенчмарках относительно прошлой версии Flash и стал отвечать короче и быстрее. Веса открыты по лицензии MIT. Одновременно компания впервые вынесла наружу собственный поисковый движок: Search и Fetch API доступны сторонним разработчикам по фиксированной цене — готовый веб-инструмент для агентов и RAG-приложений.

image
image
image

Что произошло

Минорный чекпоинт DeepSeek-V4.1-Flash-1017 датирован 17 октября 2026 года. Обновлённая модель доступна на сайте компании, в приложении и по API под именем deepseek-flash, веса выложены на Hugging Face под лицензией MIT. По данным DeepSeek, новая версия обходит прошлую Flash на всех 11 заявленных бенчмарках: Terminal-Bench 4.0 вырос с 31.2 до 42.3, ProgramBench — с 20.3 до 29.1. В сравнении с конкурентами результат смешанный: DeepSWE v1.1 — 77.0 против 74.0 у Claude Opus 5 и 73.0 у GPT-5.6-Sol, Automation-Bench — 60.5 против 50.3 у Opus 5, Agents' Last Exam — 35.4 против 28.6, однако по HLE (56.3), Terminal-Bench 4.0 (51.8) и NL2Repo-Bench (75.3) впереди всё ещё Claude Opus 5. Параллельно открыты Search и Fetch API на собственном поисковом движке DeepSeek: $0.75 за 1000 успешных вызовов на каждом из эндпоинтов POST /v1/tools/search и /v1/tools/fetch. Пиковая цена самой модели по API — $0.30 за 1 млн входных и $1.20 за 1 млн выходных токенов.

Контекст

Выпуск минорных чекпоинтов стал для DeepSeek привычным форматом итераций: архитектура не меняется, точечно улучшается поведение модели. V4.1-Flash-1017 сохраняет характеристики прошлой версии — 763B параметров и контекст до 1 млн токенов. Сильный продуктовый сигнал связан не только с моделью: поисковый движок компании и раньше обрабатывал сотни миллионов запросов в день, но работал исключительно внутри её сервисов, а теперь впервые открыт для сторонних разработчиков. Это укладывается в заметный паттерн последнего времени — вендоры монетизируют не только саму модель, но и вертикальные API вокруг неё: поиск, извлечение страниц, исполнение кода.

Почему это важно для индустрии

Для индустрии дешевеют сразу два слоя агентного стека. «Мозг» — deepseek-flash: при MIT-лицензии и цене уровня commodity открытая модель становится кандидатом на агентные задачи фронтир-уровня, а веса можно скачать и прогнать собственные evals, что даёт более высокую проверяемость, чем у закрытых аналогов. «Руки» — Search и Fetch API: для отрасли это прямой удар по сторонним web-search-инструментам, которые до сих пор выступали посредниками в агентных пайплайнах, и способ снизить стоимость живых данных для LLM-агентов. Если связка «открытые веса, дешёвый API и нативный веб-поиск» подтвердит качество в продакшене, она может стать дефолтным бейслайном для агентных и RAG-приложений, и командам закрытых моделей придётся обосновывать ценовую премию. Конкурентное давление при этом смещается с разового лидерства в таблицах на скорость итераций и стоимость end-to-end решения задачи.

Почему это важно для пользователей

Всё из анонса доступно немедленно: модель уже работает на сайте и в приложении, её можно вызвать по API под именем deepseek-flash или скачать веса с Hugging Face и запустить на своей инфраструктуре. Практичный первый шаг — не доверять таблице, а прогнать две-три собственные задачи в своём harness и сравнить с прошлой Flash и текущим фаворитом. Search и Fetch можно протестировать бесплатно: вызовы через DeepSeek Harness, Claude Code и Codex не тарифицируются до 31 октября 2026 года, этого достаточно, чтобы собрать и обкатать связку «агент плюс живые данные» без затрат. Более короткие ответы снижают объём выходных токенов, за которые идёт отдельная оплата, что особенно заметно на многошаговых сценариях с большим числом вызовов.

Что пока неизвестно / ограничения

Все цифры бенчмарков — самоотчёт DeepSeek, а методики сравнения различаются: агентные evals чувствительны к конфигурации harness, числу попыток и версиям инструментов, поэтому разницу вроде 77.0 против 74.0 без опубликованных протоколов нельзя отделить от различий тестовых условий. Формулировка «сильнее на всех 11 заявленных бенчмарках» описывает прогресс относительно собственной прошлой версии Flash, а не превосходство над конкурентами: против Claude Opus 5 результат смешанный, с проигрышем минимум по трём метрикам. Технического отчёта к чекпоинту нет, поэтому источник прироста — новые данные, RL-посттрейнинг или специализация под тестовые форматы — неизвестен и потребует независимых воспроизведений.

Источники

Автор

Look at AI, редакция