DeepSeek V4.1-Flash-1017 стал сильнее в агентских задачах, а цена осталась прежней

17 октября DeepSeek выпустила V4.1-Flash-1017, минорное обновление Flash. Прошлая версия, V4.1-Flash, вышла 10 сентября. По заявлению DeepSeek, модель лучше справляется с агентскими задачами и тратит меньше времени на задачу. Ответы при этом стали короче. Контекстное окно не меняли, это тот же миллион токенов. Максимальный размер ответа в API до 384 тысяч токенов. Лицензия MIT и цена по официальному прайсу остались прежними. Подробности есть в описании модели и релизных заметках.

На Terminal-Bench 4.0, тесте на работу в терминале, результат вырос с 31,2 до 42,3. ProgramBench прибавил с 20,3 до 29,1, Apex Bench v1.1 с 64,6 до 72,1. На HLE, сложном академическом тесте, 42,6 против 36,8. DeepSWE v1.1 почти не сдвинулся, 77,0 против 74,2.

Все эти цифры вендорские. Terminal-Bench гоняли в Claude Code, DeepSWE в Mini-SWE-V2, так что это результат модели вместе с обвязкой, а не чистой модели. На Terminal-Bench Opus 5 всё ещё впереди, 51,8. С Opus 5 на HLE разрыв 13,7 балла. Зато на Apex Bench, DeepSWE, Automation-Bench и Agents' Last Exam 1017 в таблице DeepSeek обходит и Opus 5, и GPT-5.6 Sol. Если смотреть на таблицу целиком, 1017 заметно ближе к Opus 5, чем прошлый Flash, но HLE и Terminal-Bench остаются за Opus 5.

В метаданных Hugging Face у 1017 записано 763 млрд параметров. У прошлой версии, V4.1-Flash, было заявлено 552 млрд. Но на каждый токен работает не вся модель. При чтении запроса включается около 8 млрд параметров, при генерации ответа 16 млрд. Откуда взялись 763 млрд у 1017, DeepSeek не объяснила. На работу через API это не влияет. Что именно считали в DeepSeek, из описания не понять, а по API это не проверить.

Саммаризация статьи или подготовка «исследования» за счёт изучения десятка разных ссылок. Плюс разбор логов и проход по каталогу. В таких задачах один ответ почти ничего не решает. Важна цепочка действий: вызвал инструмент, получил результат, сделал следующий шаг. У Flash она часто ломалась к десятому вызову. Он повторял тот же запрос, терял уже собранные данные и в итоге бросал задачу на половине. После этого всё приходилось запускать заново. Если 1017 доводит цепочку до конца, то на длинных задачах это полезнее, чем те 11 баллов, которые она добавила на Terminal-Bench.

Проверять 1017 на одном вопросе бессмысленно. Нужен сценарий от десяти до двадцати вызовов инструментов, где есть ветвление и проверка результата. Тогда видно, стало ли меньше шагов или модель просто быстрее отвечает. И цена закрытой задачи там же считается.

По официальному прайсу видно, что миллион входных токенов стоит $0,15 в непиковые часы и $0,30 в пиковые. Миллион выходных токенов стоит $0,60 и $1,20 соответственно. Непиковое время это всё, кроме 01:00-04:00 и 06:00-10:00 UTC по будням. Ночью и на выходных платите вдвое меньше. Прогон на 10 тысяч входных и 2 тысячи выходных токенов в непиковые часы обходится примерно в $0,003. Мелочь, но на тысячах прогонов это уже разница.

Главное ограничение здесь в размере модели. Дома её не запустить. Если нужна локальная модель на одной видеокарте, 1017 не ваш случай. Открытые веса дают лицензию и возможность развернуть модель в своём облаке. Для ноутбука это слишком много. Для 1017 понадобится сервер с несколькими GPU и большим объёмом памяти. Такой можно арендовать, например, в Selectel, где есть GPU-серверы на час, день или месяц. Про другие способы доступа к моделям из России я писал раньше, в статье «Доступные ИИ модели в России в 2026».

На Hacker News тред собрал 913 баллов и 680 комментариев. В обсуждении больше говорят о цене и о локальном запуске.

Я уже писал, что подписки на нейросети дорожают, а токены дешевеют. 1017 продолжает эту линию. За те же деньги вендор отдаёт более сильного агента, но реальная стоимость считается по доведённой до конца задаче. Поэтому советую взять один свой сценарий, прогнать его на старой и новой версии и сравнить стоимость результата. Если новая версия закрывает задачу за меньшее число шагов, она окупится даже при том же прайсе. Если нет, то кроме таблицы ничего и не изменилось.