Минорный апдейт DeepSeek обогнал Opus 5 на DeepSWE

DeepSeek-V4.1-Flash-1017, новая сборка открытой модели, появилась 17 октября в карточке DeepSeek на Hugging Face с результатом 77,0 на DeepSWE v1.1 против 74,0 у Opus 5, и в API она уже отвечает по имени deepseek-flash. На своём сервере меняются только веса: конфиг, токенизатор и код сборки промптов, по нашей сверке репозиториев, совпадают с прежней V4.1-Flash байт в байт.
Сами разработчики называют 1017 минорным обновлением V4.1-Flash. По их словам, сборка быстрее выполняет задачи и пишет более короткие ответы, поэтому обходится дешевле. Лицензия у репозитория и весов MIT, контекстное окно 1M токенов, а кроме Hugging Face и API модель доступна в чате DeepSeek.
Где 1017 первая
Все цифры ниже взяты из таблицы DeepSeek, и обвязки в ней разные: DeepSWE v1.1 прогоняли через Mini-SWE-V2, Terminal-Bench 4.0 через Claude Code. На DeepSWE прежняя V4.1-Flash набирала 74,2, GPT-5.6 Sol в той же строке 73,0. На Terminal-Bench 4.0 «минорное» обновление дало прирост ещё больше, с 31,2 до 42,3, и всё равно Opus 5 с 51,8 впереди.
Из 11 строк таблицы 1017 лидирует в четырёх: кроме DeepSWE, в Automation-Bench v1.0.6 (60,5), Agents' Last Exam (35,4) и Apex Bench v1.1 (72,1). В шести из остальных семи впереди Opus 5, в том числе на HLE без инструментов (56,3 против 42,6) и в ProgramBench (37,0 против 29,1), а в ZeroBench с инструментами первая GPT-5.6 Sol с 53,0. Открытую GLM-5.3 сборка обходит во всех восьми строках, где у GLM есть результат.
Цены и лимиты API
Цены опубликованы на странице цен API, которую мы открыли 18 октября. Модель за deepseek-flash там значится как DeepSeek-V4.1-Flash-1017, а старые имена deepseek-v4-flash и deepseek-v4-flash-vision-exp обслуживает та же 1017 по цене Flash. За миллион токенов, в непиковые и пиковые часы:
- попадание в кэш: 0,003 и 0,006 доллара;
- промах кэша: 0,15 и 0,30 доллара;
- вывод: 0,60 и 1,20 доллара.
Непиковый тариф действует всё время, кроме 01:00-04:00 и 06:00-10:00 UTC с понедельника по пятницу. Менялась ли цена по сравнению с прежними сборками, мы не проверяли.
Попадание в кэш стоит в 50 раз дешевле промаха. В анонсе V4.1-Flash DeepSeek объясняет, что у агентов оплата попаданий в кэш часто составляет большую долю расходов, и сжатие кэша их заметно снижает: KV-кэшу V4.1-Flash, по словам компании, нужно вчетверо меньше HBM и в восемь раз меньше места на SSD, чем прошлому поколению.
Вывод в API ограничен 384K токенов. Карточка советует ставить max_tokens не меньше 256K, а temperature и top_p держать на 1,0.
Свой сервер и формат промптов
V4.1-Flash устроена как MoE на 552B параметров с новой архитектурой Causal Encoder-Decoder: на обработку входа работают 8B активных параметров, на генерацию 16B, изображения модель понимает сама. По конфигу 1017 основные веса хранятся в FP8, эксперты в FP4.
Шаблона чата в формате Jinja в репозитории 1017 нет. Вместо него лежит эталонная реализация на Python, encoding.py, с тестами на многоходовые диалоги, вызов инструментов, режим рассуждений, числовой уровень усилия, системные сообщения посреди диалога и картинки. Для продакшена DeepSeek предлагает deepseek-recipe: библиотеки на Rust с привязками к Python, которые переводят запросы Messages, Chat Completions и Responses API в промпты или токены V4 и V4.1 и разбирают ответ модели обратно, включая потоковый. Инференс, выполнение инструментов и HTTP остаются на стороне вызывающего кода.
Авторский разбор
Что мы проверили
18 октября мы сравнили файлы репозиториев DeepSeek-V4.1-Flash и DeepSeek-V4.1-Flash-1017, пересчитали таблицу из карточки, открыли страницу цен API и прогнали deepseek-recipe 0.1.1 против эталонного encoding.py на примерах из карточки.
Таблица при пересчёте сходится, а сама сборка оказалась обновлением одних весов. Цен в карточке действительно нет, но на странице API они опубликованы; шаблона Jinja нет только в репозитории 1017, в базовом он лежит с 1 октября. При этом библиотека, которую DeepSeek предлагает для продакшена, в режиме рассуждений собирает историю диалога иначе, чем эталон.
- Общие файлы в двух репозиториях - одни и те же объекты Hugging Face: config.json, токенизатор, LICENSE, папки encoding/ и inference/. Различаются README.md, .gitattributes и 48 шардов safetensors, суммарный размер весов одинаковый: 510 296 708 312 байт.
- Шаблон чата в базовом репозитории весит 15 348 байт и перенесён из encoding.py.
- encoding.py в 1017 уже включает исправление от 16 октября про порядок картинок от инструментов и рассуждения текущего хода. deepseek-recipe последний раз обновлялась 10 сентября; повторяет ли она это исправление, мы сверяли по документации, без замера.
| Режим рассуждений, история | deepseek-recipe 0.1.1 | encoding.py |
|---|---|---|
| Прошлый ответ с рассуждением | <think>…</think>Hi there! | </think>Hi there! |
| Прошлые ответы без рассуждения | <think></think> | </think> |
Пример с инструментами, их вызовами, уровнем усилия и режимом рассуждений, как и обычный чат без рассуждений, совпал байт в байт. Поле "task": "action" эталон превращает в <|action|>Search, а в запросе Chat Completions его не выразить. Сверка шла на запросах Chat Completions с настройками конвертации по умолчанию, два примера не дали однозначного результата, а влияние на ответы модели мы не проверяли.
Если вы собираете промпты через deepseek-recipe 0.1.1 в режиме рассуждений, в модель уйдут рассуждения прошлых ответов, которые эталонный кодировщик из истории выбрасывает.
Дальше
Anthropic показала Конгрессу свой проект закона об ИИ
1 миллиард долларов ущерба или 50 пострадавших: только при таком риске власти смогут остановить модель по законопроекту, который Anthropic тихо показывает Конгрессу, пишет Politico. Где бы вы поставили порог для запрета модели: выше или ниже миллиарда?
Читайте также
Комментарии
Пока никто не написал. Будьте первым.
Присоединяйтесь к разговору
Войдите, чтобы оставить комментарий. Он появится после модерации.

