DeepSeek опублікувала модель DeepSeek-V4.1-Flash-1017 у відкритому доступі. Вона має 763 млрд параметрів, підтримує текст і зображення, може звертатися до інструментів та працювати в режимі міркування. Репозиторій і ваги поширюються за ліцензією MIT, тому модель можна завантажити й розгорнути самостійно за наявності потрібної інфраструктури.
Рекомендований обсяг контексту становить до 1 млн токенів. Токени – це частини тексту, якими модель вимірює обсяг вхідних даних і відповіді. У документації DeepSeek реліз названо оновленням V4.1-Flash із поліпшеннями для міркування, програмування, роботи з інструментами та аналізу зображень.
Під агентними задачами тут маються на увазі сценарії, де модель не лише формує відповідь, а виконує послідовність кроків і за потреби користується доступними інструментами. Саме для таких завдань оприлюднені порівняння з іншими моделями.
Результати DeepSeek відрізняються за тестами
За даними картки моделі, результат DeepSeek-V4.1-Flash-1017 у Terminal-Bench 4.0 зріс із 31,2 у попередній версії до 42,3. У ProgramBench показник збільшився з 20,3 до 29,1.
У таблиці розробника модель набрала 77,0 бала в DeepSWE v1.1 проти 74,0 в Opus 5 і 73,0 в GPT-5.6 Sol. В Automation-Bench v1.0.6 її результат становить 60,5 проти 50,3 в Opus 5. Водночас у HLE без інструментів і в Terminal-Bench 4.0 вищі результати має Opus 5.
Ці цифри походять із картки моделі DeepSeek і описують виконання конкретних тестів за їхніми умовами. Тому вони показують сильні сторони V4.1-Flash-1017 у частині завдань, але не дають підстав вважати її кращою за закриті моделі в усіх агентних сценаріях.
Відкрита ліцензія робить модель доступною для власного розгортання, але розмір у 763 млрд параметрів означає, що для цього потрібна відповідна обчислювальна інфраструктура.