DeepSeek-V4.1-Flash-1017 обошла Opus 5.0 в тестах на программирование
DeepSeek обновила модель класса Flash: DeepSeek-V4.1-Flash-1017 набрала 77% в бенчмарке DeepSWE и по ряду тестов опередила конкурентов от OpenAI и Anthropic. Ставка сделана на агентное программирование и краткие ответы.
DeepSeek выпустила обновлённую компактную модель DeepSeek-V4.1-Flash-1017. По заявленным результатам, она превосходит более крупные и дорогие модели OpenAI и Anthropic при заметно меньших затратах вычислительных ресурсов. Перед официальным запуском руководитель направления постобучения DeepSeek Ву Юй (Wu Yu) написал: «Вступаем в эпоху демократизированного программирования по желанию».
Результаты в бенчмарках
В DeepSWE 1.1 новая модель набрала 77% против 74% у Opus 5.0. В AutomationBench у неё 60,5% против 50,3%, а в Apex Bench — 72,1% против 65,8%. По данным, которые приводятся в сравнении, модель также опережает GLM-5.3 и Kimi K3, а также такие модели, как GPT-5.6 Sol.
Что осталось от предыдущей версии
Базовую архитектуру V4.1-Flash в DeepSeek сохранили. Она включает Causal Encoder-Decoder (CED), Compressed Sparse Attention 2 (CSA2), квантование FP4 и SWA Bounded Replay. Именно эти решения помогли сократить KV-кэш модели до 890 байт на токен.
Что нового
Первое изменение — оптимизация под агентные среды. Модель изначально настроена на работу в средах для агентного программирования, включая собственную среду DeepSeek. Если запустить её в цикле, где она тестирует свой код, обнаруживает ошибку, исправляет и пробует снова, она работает заметно лучше прошлой версии.
Второе — предельно сжатый вывод. Модель специально обучали быть менее многословной: вместо длинных пояснений она сразу выдаёт нужный код или ответ. Более короткие ответы означают меньше токенов, а значит, более высокую скорость и низкую стоимость.
Роль обучения с подкреплением
Особое внимание уделили обучению с подкреплением (RL), которое похоже на дрессировку с поощрениями и наказаниями. Здесь система штрафовала модель за многословие и вознаграждала за поиск самого короткого и эффективного пути к правильному ответу.
В сумме эти шаги, по заявлению разработчиков, дают максимум отдачи на вложенные ресурсы: высокую производительность при минимальной стоимости. Результаты пока получены в бенчмарках, и независимых проверок на практике в материале не приводится.
