DeepSeek V4.1 Flash 1017: 77 % en DeepSWE y API
DeepSeek-V4.1-Flash-1017 es la actualización de V4.1 Flash que DeepSeek publicó el 17 de octubre de 2026. La web oficial, la aplicación y la API se actualizaron a la vez, y los pesos del modelo ya están disponibles. En la tabla de lanzamiento, DeepSWE v1.1 sube de 74.2 a 77.0 respecto a la versión anterior y las 11 pruebas mejoran. DeepSeek también destaca una menor duración de las tareas y respuestas más cortas. Anuncio oficial
Conviene distinguir dos nombres: DeepSeek-V4.1-Flash-1017 es el nombre de la versión, mientras que deepseek-flash es el ID de modelo de la API oficial de DeepSeek. Los identificadores y las direcciones de nuestra pasarela se configuran por separado del acceso directo al proveedor. Para consultar nuestras tarifas, visite los precios actuales de los modelos; este artículo no incluye las tarifas del proveedor.
Datos clave y fuentes
- Fecha de publicación: 17 de octubre de 2026. Actualización simultánea de la web, la aplicación y la API. Anuncio
- DeepSWE v1.1: 77.0 (nivel de razonamiento max) frente a 74.2, una mejora de 2.8 puntos porcentuales. La tabla oficial utiliza el entorno Mini-SWE-V2. Resultados oficiales
- Terminal-Bench 4.0: 42.3 frente a 31.2, una mejora de 11.1 puntos. Esta prueba utiliza el framework Claude Code. Resultados oficiales
- ProgramBench: 29.1 frente a 20.3, una mejora de 8.8 puntos. Resultados oficiales
- Automation-Bench V1.0.6: 60.5 frente a 54.8. Resultados oficiales
- Harness: v0.2.1-rc.1 o posterior. Es la actualización que recomienda DeepSeek para el nuevo modelo. Anuncio
Los resultados proceden del material de lanzamiento de DeepSeek; nuestro sitio no los ha reproducido de forma independiente. Para compararlos, hay que conservar la versión del modelo, el conjunto de pruebas, el framework del agente y el nivel de razonamiento.
¿Qué cambia en 1017? Las 11 pruebas frente a la versión anterior
| Prueba | Versión anterior de V4.1 Flash | V4.1 Flash 1017 |
|---|---|---|
| HLE (sin herramientas) | 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 (con herramientas) | 78.9 | 83.0 |
| BabyVision (con herramientas) | 89.6 | 92.5 |
| ZeroBench-main (con herramientas) | 49.0 | 51.0 |
* identifica el subconjunto de HLE que solo contiene texto. Terminal-Bench 4.0 utiliza Claude Code; DeepSWE, Mini-SWE-V2; y ZeroBench-main se evalúa con Pass@5. Los valores se conservan tal como aparecen en la tabla original: las métricas de pruebas distintas no equivalen todas a una misma tasa de aciertos.
Fuente de la imagen: tabla de evaluación publicada por DeepSeek.
Entre las seis versiones de modelos que aparecen en la tabla, 1017 obtiene la mayor puntuación en DeepSWE, Automation-Bench, Agents’ Last Exam y Apex Bench. Claude Opus 5 sigue por delante en HLE, Terminal-Bench y ProgramBench, entre otras pruebas; GPT-5.6-Sol puntúa más en ZeroBench-main. La elección depende de las tareas concretas, no de convertir cuatro primeros puestos en una superioridad general.
Para proyectos existentes, DeepSWE se aproxima más a la corrección de problemas de código. En tareas de línea de comandos, resulta especialmente relevante el avance de Terminal-Bench. Compare ambas versiones con el mismo repositorio, las mismas pruebas y los mismos permisos de herramientas, registrando las pruebas superadas, los reintentos, el tiempo total y el volumen de salida.
Proyectos desde cero: autoevaluación, RL y Harness
Según DeepSeek, 1017 refuerza el desarrollo integral de proyectos mediante aprendizaje por refuerzo basado en autoevaluación: después de generar una primera versión, el modelo comprueba el resultado, identifica problemas y lo corrige. Los ejemplos oficiales incluyen un modelo 3D de la Ciudad Prohibida, un juego de carreras web, una recreación de Portal 2 con Godot y escenas 3D que recorren distintas épocas. Son demostraciones del proveedor, no pruebas de aceptación de proyectos en producción. Ejemplos y explicación
El entrenamiento se optimizó para DeepSeek Harness, Tencent CodeBuddy, WorkBuddy y otros entornos. Si utiliza Harness, actualice a v0.2.1-rc.1 o posterior; la v0.1.5 citada en el artículo de septiembre ya no es la recomendación actual.
Con Node.js instalado, puede iniciar la interfaz web mediante el paquete oficial:
npx @deepseek-ai/dsh@latest web
Compruebe después la versión que se ha iniciado, configure la clave API del servicio correspondiente y seleccione un espacio de trabajo. Empiece con una tarea pequeña que tenga pruebas en un espacio independiente antes de ampliar los permisos de las herramientas. Proyecto DeepSeek Harness
¿Cómo encaja con la arquitectura V4.1 Flash de septiembre?
El modelo base V4.1 Flash publicado en septiembre combina un MoE multimodal nativo de texto e imagen con una arquitectura Causal Encoder-Decoder (CED). Su ficha oficial especifica 552B de parámetros en la red principal, con aproximadamente 8B activos por token durante el prefill y 16B durante la decodificación. El valor 550B de algunas presentaciones es un redondeo. Los parámetros totales de la red y los parámetros activos son medidas distintas. Ficha de V4.1 Flash
El modelo base también reduce la caché KV global por token de los 3514 bytes de V4 Flash a 890 bytes. Esa cifra describe la caché, no toda la memoria de GPU necesaria para desplegar el modelo. 1017 se centra en el entrenamiento, el rendimiento en tareas y la eficiencia de ejecución; los cambios de arquitectura de septiembre no son novedades adicionales de octubre. Puede ampliar el contexto en la guía de arquitectura e integración de V4.1 Flash.
Cómo usar la API: versión, ID y URL por separado
A fecha de 17 de octubre de 2026, la página oficial de especificaciones vincula expresamente deepseek-flash con DeepSeek-V4.1-Flash-1017. No utilice directamente el nombre del lanzamiento como si fuera un ID de API. Versiones oficiales de los modelos
| Acceso | URL completa de la solicitud de chat | ID del modelo | Emisor de la clave |
|---|---|---|---|
| Directo a DeepSeek | https://api.deepseek.com/v1/chat/completions |
deepseek-flash |
DeepSeek |
| Nuestra pasarela | https://api.llm-token.cn/v1/chat/completions |
deepseek-v4.1-flash, según nuestro catálogo |
贵数智能 |
Actualizar un alias oficial no garantiza que todos los canales de terceros cambien al mismo tiempo. La mención 1017 en nuestra página identifica la versión presentada en este artículo. Antes de integrar el servicio, confirme el ID disponible en el catálogo de modelos; si necesita una versión concreta, consulte al equipo de soporte. No intercambie las claves de los dos servicios ni añada otro /v1 a una URL base que ya lo incluya.
Este es el formato de solicitud de nuestra pasarela. Antes de ejecutarlo, necesita una clave válida y debe verificar el ID del modelo en el catálogo:
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
}'
Para acceder directamente al proveedor, cambie la URL completa a https://api.deepseek.com/v1/chat/completions, use una clave de DeepSeek y establezca model en deepseek-flash. El texto de respuesta se lee en choices[0].message.content; las llamadas a herramientas deben seguir el proceso de ejecución del cliente. Tutorial de formatos de API
Search y Fetch: URL independientes para las herramientas de búsqueda
DeepSeek también ofrece sus herramientas Search y Fetch. Search localiza páginas por palabras clave; Fetch lee una página concreta y devuelve su contenido en Markdown. Son útiles para agentes que primero buscan fuentes y después las consultan.
| Función | URL POST oficial de DeepSeek |
|---|---|
| Buscar páginas web | https://api.deepseek.com/v1/tools/search |
| Obtener el contenido de una página | https://api.deepseek.com/v1/tools/fetch |
Ambas interfaces utilizan una clave de DeepSeek y son independientes de la interfaz de chat. Que el proveedor las ofrezca no significa que nuestra pasarela reenvíe automáticamente esas rutas. No añada /v1/tools/search o /v1/tools/fetch directamente a nuestra dirección. Los campos y límites están en la documentación oficial de Search & Fetch.
Preguntas frecuentes
¿V4.1 Flash y V4.1 Flash 1017 tienen dos ID de API diferentes?
No. V4.1 Flash es la familia del modelo y 1017 identifica la actualización del 17 de octubre. La API oficial sigue utilizando deepseek-flash. Nuestro servicio tiene sus propios ID de catálogo; el nombre visible no basta para deducir qué versión sirve el proveedor de origen.
¿Siguen funcionando los nombres anteriores de la API de DeepSeek?
La documentación oficial actual indica que deepseek-v4-flash y deepseek-v4-flash-vision-exp son alias de compatibilidad cuyas solicitudes atiende 1017. La página de especificaciones todavía muestra deepseek-v4-pro por separado como V4-Pro-0813. No confunda las medidas transitorias de septiembre con la correspondencia actual. Los alias de nuestra pasarela son los que figuran en nuestro catálogo. Descripción oficial actual
¿Dónde se descargan los pesos del modelo?
En el repositorio 1017 de Hugging Face o en el repositorio 1017 de ModelScope. Antes de desplegarlo, revise la versión, la licencia, los requisitos del framework de inferencia y el hardware necesario. Los 8B de parámetros activos no permiten estimar los recursos del modelo completo.
Lecturas relacionadas
- Arquitectura e integración de DeepSeek V4.1 Flash
- Nuestro catálogo de modelos y precios actuales
- URL de API, formatos de solicitud y resolución de problemas
- Anuncio oficial de DeepSeek 1017
Actualizado el 17 de octubre de 2026. Este artículo interpreta el material de lanzamiento y la documentación de integración. Para correspondencias posteriores entre identificadores y versiones, consulte la documentación vigente del servicio correspondiente.