DeepSeek V4.1 Flash 1017: 77 % bei DeepSWE und API

DeepSeek-V4.1-Flash-1017 ist die am 17. Oktober 2026 veröffentlichte Aktualisierung von V4.1 Flash. DeepSeek hat die offizielle Website, die App und die API gleichzeitig umgestellt und die Modellgewichte veröffentlicht. In der Ergebnistabelle steigt DeepSWE v1.1 gegenüber der Vorgängerversion von 74.2 auf 77.0; alle 11 Tests verbessern sich. DeepSeek hebt außerdem kürzere Bearbeitungszeiten und kürzere Ausgaben hervor. Offizielle Veröffentlichung

Zwei Namen sind zu unterscheiden: DeepSeek-V4.1-Flash-1017 bezeichnet die Modellversion, deepseek-flash dagegen die Modell-ID der offiziellen DeepSeek-API. Modell-ID und Adresse unseres Gateways werden unabhängig vom direkten Anbieterzugang konfiguriert. Unsere Konditionen stehen auf der Seite mit den aktuellen Modellpreisen; Anbieterpreise werden hier nicht aufgeführt.

Kennzahlen und Quellen

• Veröffentlichung: 17. Oktober 2026. Website, App und API wurden gleichzeitig aktualisiert. Ankündigung
• DeepSWE v1.1: 77.0 (Reasoning-Stufe max) statt 74.2, ein Plus von 2.8 Prozentpunkten. Die offizielle Tabelle verwendet die Umgebung Mini-SWE-V2. Offizielle Testergebnisse
• Terminal-Bench 4.0: 42.3 statt 31.2, ein Plus von 11.1 Punkten. Dieser Test nutzt das Claude-Code-Framework. Offizielle Testergebnisse
• ProgramBench: 29.1 statt 20.3, ein Plus von 8.8 Punkten. Offizielle Testergebnisse
• Automation-Bench V1.0.6: 60.5 statt 54.8. Offizielle Testergebnisse
• Harness: v0.2.1-rc.1 oder neuer. Diese Aktualisierung empfiehlt DeepSeek für das neue Modell. Ankündigung

Die Werte stammen aus DeepSeeks Veröffentlichungsmaterial; wir haben sie nicht unabhängig nachgemessen. Für einen Vergleich müssen Modellversion, Testdatensatz, Agenten-Framework und Reasoning-Stufe berücksichtigt werden.

Was bringt 1017? Alle 11 Benchmarks im Versionsvergleich

Test	Vorherige Version von V4.1 Flash	V4.1 Flash 1017
HLE (ohne Tools)	36.8 / 39.1*	42.6 / 44.0*
Terminal-Bench 4.0	31.2	42.3
DeepSWE v1.1	74.2	77.0
ProgramBench	20.3	29.1
NL2Repo-Bench	65.4	68.2
Automation-Bench V1.0.6	54.8	60.5
Agents’ Last Exam	31.8	35.4
Apex Bench v1.1	64.6	72.1
Chartography (mit Tools)	78.9	83.0
BabyVision (mit Tools)	89.6	92.5
ZeroBench-main (mit Tools)	49.0	51.0

* kennzeichnet die reine Textteilmenge von HLE. Terminal-Bench 4.0 verwendet Claude Code, DeepSWE verwendet Mini-SWE-V2 und ZeroBench-main wird mit Pass@5 bewertet. Die Werte entsprechen der Originaltabelle; die Kennzahlen der verschiedenen Tests sind nicht durchgehend dieselbe Art von Erfolgsquote.

Bildquelle: DeepSeeks offizielle Ergebnistabelle.

Unter den sechs aufgeführten Modellversionen erreicht 1017 in DeepSWE, Automation-Bench, Agents’ Last Exam und Apex Bench den höchsten Wert. Claude Opus 5 liegt unter anderem bei HLE, Terminal-Bench und ProgramBench weiterhin vorn; GPT-5.6-Sol erzielt bei ZeroBench-main mehr Punkte. Entscheidend ist die eigene Aufgabenart, nicht die Verallgemeinerung von vier Spitzenwerten auf sämtliche Fähigkeiten.

Für bestehende Projekte bildet DeepSWE eher die Behebung von Codeproblemen ab. Für Kommandozeilenaufgaben ist der Zuwachs bei Terminal-Bench besonders relevant. Vergleichen Sie die Versionen am selben Repository mit identischen Tests und Tool-Berechtigungen. Erfassen Sie bestandene Tests, Wiederholungsversuche, Gesamtdauer und Ausgabemenge.

Projekte von Grund auf: Selbstfeedback, RL und Harness

Laut DeepSeek verbessert 1017 die vollständige Projektentwicklung durch Reinforcement Learning mit Selbstfeedback: Nach einer ersten Umsetzung prüft das Modell das Ergebnis, erkennt Probleme und überarbeitet es. Die offiziellen Beispiele umfassen ein 3D-Modell der Verbotenen Stadt, ein Browser-Rennspiel, einen Nachbau von Portal 2 in Godot und 3D-Szenen aus unterschiedlichen Epochen. Es handelt sich um Anbieterdemos, nicht um die Abnahme produktiver Projekte. Beispiele und Erläuterungen

Das Training wurde unter anderem für DeepSeek Harness, Tencent CodeBuddy und WorkBuddy optimiert. Aktualisieren Sie Harness auf v0.2.1-rc.1 oder neuer; die im September-Artikel genannte v0.1.5 ist nicht mehr die aktuelle Empfehlung.

Mit einer vorhandenen Node.js-Installation lässt sich die Weboberfläche über das offizielle Paket starten:

npx @deepseek-ai/dsh@latest web

Prüfen Sie danach die tatsächlich gestartete Version, hinterlegen Sie in den Einstellungen den API-Key des jeweiligen Dienstes und wählen Sie einen Arbeitsbereich. Beginnen Sie in einem getrennten Arbeitsbereich mit einer kleinen, durch Tests abgesicherten Aufgabe, bevor Sie weitere Tool-Berechtigungen vergeben. DeepSeek-Harness-Projekt

Wie hängt 1017 mit der Architekturvorstellung im September zusammen?

Das im September veröffentlichte V4.1-Flash-Basismodell kombiniert natives Text-Bild-MoE mit einer Causal-Encoder-Decoder-Architektur (CED). Die offizielle Modellkarte nennt 552B Backbone-Parameter, davon pro Token etwa 8B aktive Parameter beim Prefill und 16B beim Decoding. Die teilweise genannte Größe von 550B ist eine Rundung. Die Gesamtzahl der Backbone-Parameter und die Zahl der aktiven Parameter beschreiben unterschiedliche Größen. Modellkarte von V4.1 Flash

Das Basismodell reduziert außerdem den globalen KV-Cache pro Token von 3514 Byte bei V4 Flash auf 890 Byte. Das betrifft den Cache und nicht den gesamten GPU-Speicherbedarf des Modells. Bei 1017 stehen Training, Aufgabenleistung und Ausführungseffizienz im Mittelpunkt; die Architekturänderungen aus September sind keine zusätzlichen Oktober-Neuerungen. Weitere Hintergründe bietet der Architektur- und Integrationsleitfaden zu V4.1 Flash.

API-Aufrufe: Version, Modell-ID und URL getrennt betrachten

Am 17. Oktober 2026 ordnet die offizielle Spezifikationsseite deepseek-flash ausdrücklich DeepSeek-V4.1-Flash-1017 zu. Verwenden Sie den Veröffentlichungsnamen nicht ungeprüft als API-Modell-ID. Offizielle Modellversionen

Zugriff	Vollständige URL für Chat-Anfragen	Modell-ID	Herausgeber des Keys
Direkt bei DeepSeek	https://api.deepseek.com/v1/chat/completions	deepseek-flash	DeepSeek
Unser Gateway	https://api.llm-token.cn/v1/chat/completions	deepseek-v4.1-flash gemäß unserem Katalog	贵数智能

Ein aktualisierter offizieller Alias bedeutet nicht, dass alle Drittanbieterkanäle gleichzeitig umgestellt wurden. Die Angabe 1017 auf unserer Seite bezeichnet die hier vorgestellte Version. Prüfen Sie vor der Anbindung die verfügbare ID im Modellkatalog. Benötigen Sie eine bestimmte Version, klären Sie dies mit unserem Support. Vertauschen Sie die Keys der beiden Dienste nicht und ergänzen Sie kein zweites /v1, wenn die Base URL dieses Segment bereits enthält.

Das folgende Beispiel zeigt das Anfrageformat unseres Gateways. Voraussetzung sind ein gültiger Key und eine bestätigte Modell-ID im Katalog:

curl https://api.llm-token.cn/v1/chat/completions \
  -H "Authorization: Bearer $LLM_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4.1-flash",
    "messages": [
      {"role": "user", "content": "Review this repository and propose a testable bug-fix plan."}
    ],
    "stream": false
  }'

Beim direkten Zugriff lautet die vollständige URL https://api.deepseek.com/v1/chat/completions; verwenden Sie einen DeepSeek-Key und setzen Sie model auf deepseek-flash. Die normale Textantwort steht unter choices[0].message.content. Tool-Aufrufe müssen über den Ausführungsablauf des Clients verarbeitet werden. Leitfaden zu API-Formaten

Search und Fetch: separate URLs für Suchwerkzeuge

DeepSeek stellt außerdem die eigenen Werkzeuge Search und Fetch bereit. Search findet Webseiten anhand von Suchbegriffen; Fetch liest eine angegebene Seite und liefert ihren Hauptinhalt als Markdown. Damit können Agenten zunächst Quellen suchen und anschließend deren Inhalte lesen.

Funktion	Offizielle POST-URL von DeepSeek
Webseiten suchen	https://api.deepseek.com/v1/tools/search
Seiteninhalt abrufen	https://api.deepseek.com/v1/tools/fetch

Beide Schnittstellen verwenden einen DeepSeek-Key und sind von der Chat-Schnittstelle getrennt. Ihre Verfügbarkeit beim Anbieter bedeutet nicht, dass unser Gateway diese Pfade automatisch weiterleitet. Hängen Sie /v1/tools/search oder /v1/tools/fetch daher nicht einfach an unsere Adresse an. Anfragefelder und Grenzen stehen in der offiziellen Search-&-Fetch-Dokumentation.

Häufige Fragen

Sind V4.1 Flash und V4.1 Flash 1017 zwei verschiedene API-IDs?

Nein. V4.1 Flash ist die Modellfamilie; 1017 kennzeichnet die Aktualisierung vom 17. Oktober. Offizielle Aufrufe verwenden weiterhin deepseek-flash. Unser Dienst hat eigene Katalog-IDs. Allein der Anzeigename belegt nicht, welcher Snapshot beim Upstream-Anbieter ausgeführt wird.

Funktionieren ältere DeepSeek-Modellnamen noch?

Laut aktueller offizieller Dokumentation sind deepseek-v4-flash und deepseek-v4-flash-vision-exp Kompatibilitätsaliase, deren Anfragen durch 1017 bedient werden. deepseek-v4-pro wird auf der aktuellen Spezifikationsseite weiterhin getrennt als V4-Pro-0813 aufgeführt. Übertragen Sie die Übergangsregelung vom September nicht ungeprüft auf die heutige Zuordnung. Für unser Gateway gelten die Aliase im eigenen Katalog. Aktuelle offizielle Modellbeschreibung

Wo sind die Modellgewichte verfügbar?

Im 1017-Repository auf Hugging Face oder im 1017-Repository auf ModelScope. Prüfen Sie vor einem Deployment die Version, Lizenz, Anforderungen des Inferenz-Frameworks und die nötige Hardware. Aus 8B aktiven Parametern lässt sich der Ressourcenbedarf des vollständigen Modells nicht ableiten.

Weiterführende Informationen

• DeepSeek V4.1 Flash: Architektur und API-Anbindung
• Unser Modellkatalog und aktuelle Preise
• API-URLs, Anfrageformate und Fehlerbehebung
• Offizielle Veröffentlichung von DeepSeek 1017

Aktualisiert am 17. Oktober 2026. Dieser Artikel erläutert Veröffentlichungsmaterial und Integrationsdokumentation. Für spätere Zuordnungen von IDs zu Versionen ist die aktuelle Dokumentation des jeweiligen Dienstes maßgeblich.