DeepSeek V4.1 Flash 1017: DeepSWE 77%와 API 연동
DeepSeek-V4.1-Flash-1017은 2026년 10월 17일 공개된 V4.1 Flash 업데이트 버전입니다. 공식 웹사이트, 앱, API가 동시에 업데이트됐으며 모델 가중치도 공개됐습니다. 공식 비교표에서 DeepSWE v1.1은 이전 버전의 74.2에서 77.0으로 올랐고, 표에 나온 11개 평가 모두 개선됐습니다. 작업 완료 시간과 출력 길이가 줄어든 점도 이번 업데이트의 특징입니다. 공식 발표
먼저 두 이름을 구분해야 합니다. DeepSeek-V4.1-Flash-1017은 버전명이고, deepseek-flash는 DeepSeek 공식 API에서 사용하는 모델 ID입니다. 당사 게이트웨이는 공식 API 직접 연결과 별도로 모델 ID와 접속 주소를 설정합니다. 당사 요금은 실시간 모델 가격 페이지를 확인하세요. 이 글에는 공급업체의 요금을 싣지 않습니다.
주요 수치와 출처
- 공개일: 2026년 10월 17일. 웹사이트, 앱, API가 동시에 업데이트됐습니다. 발표
- DeepSWE v1.1: max 추론 강도에서 77.0으로, 이전 74.2보다 2.8%포인트 상승. 공식 표는 Mini-SWE-V2 환경을 사용했습니다. 공식 평가 자료
- Terminal-Bench 4.0: 42.3으로, 이전 31.2보다 11.1점 상승. Claude Code 프레임워크를 사용한 평가입니다. 공식 평가 자료
- ProgramBench: 29.1로, 이전 20.3보다 8.8점 상승. 공식 평가 자료
- Automation-Bench V1.0.6: 60.5, 이전 버전은 54.8. 공식 평가 자료
- Harness 요건: v0.2.1-rc.1 이상. 새 모델에 맞춰 DeepSeek가 권장하는 업데이트입니다. 발표
이 수치는 DeepSeek의 발표 자료에서 가져왔으며 당사가 독립적으로 재측정한 결과는 아닙니다. 비교할 때는 모델 버전, 평가 데이터셋, 에이전트 프레임워크와 추론 강도를 함께 확인해야 합니다.
1017에서 달라진 점: 11개 벤치마크 비교
| 평가 | 이전 V4.1 Flash | V4.1 Flash 1017 |
|---|---|---|
| HLE(도구 미사용) | 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(도구 사용) | 78.9 | 83.0 |
| BabyVision(도구 사용) | 89.6 | 92.5 |
| ZeroBench-main(도구 사용) | 49.0 | 51.0 |
*는 HLE의 텍스트 전용 하위 집합을 뜻합니다. Terminal-Bench 4.0은 Claude Code, DeepSWE는 Mini-SWE-V2를 사용했고 ZeroBench-main은 Pass@5로 평가됐습니다. 표는 원본 수치를 그대로 사용합니다. 서로 다른 평가의 지표를 모두 같은 종류의 통과율로 해석하면 안 됩니다.
그림: DeepSeek 공식 벤치마크 비교표.
표에 나온 6개 모델 버전 가운데 1017은 DeepSWE, Automation-Bench, Agents’ Last Exam, Apex Bench에서 가장 높은 점수를 기록했습니다. HLE, Terminal-Bench, ProgramBench 등에서는 Claude Opus 5가 여전히 더 높고, ZeroBench-main에서는 GPT-5.6-Sol이 앞섭니다. 네 항목의 우위를 모든 능력의 우위로 확대하기보다 실제 작업 유형에 맞춰 선택해야 합니다.
기존 프로젝트의 버그 수정에는 DeepSWE가 더 직접적인 참고 자료이며, 명령줄 작업에는 Terminal-Bench의 개선 폭이 중요합니다. 같은 저장소, 테스트, 도구 권한으로 신구 버전을 비교하고 테스트 통과 여부, 재시도 횟수, 전체 실행 시간과 출력량을 기록하는 것이 좋습니다.
처음부터 프로젝트 개발하기: 자기 피드백 강화학습과 Harness
DeepSeek는 1017이 자기 피드백 기반 강화학습으로 프로젝트 전체를 개발하는 능력을 강화했다고 설명합니다. 모델은 첫 결과물을 만든 뒤에도 결과를 점검하고 문제를 찾아 수정합니다. 공식 시연에는 자금성 3D 모델, 웹 레이싱 게임, Godot로 재현한 Portal 2와 여러 시대를 아우르는 3D 장면이 포함됩니다. 이는 공급업체의 시연이며 실제 운영 프로젝트의 인수 테스트 결과는 아닙니다. 사례와 설명
이번 학습은 DeepSeek Harness, Tencent CodeBuddy, WorkBuddy 등의 환경에 맞춰 최적화됐습니다. Harness를 사용할 때는 v0.2.1-rc.1 이상으로 업데이트하세요. 9월 글에서 다룬 v0.1.5를 현재 권장 버전으로 사용하면 안 됩니다.
Node.js가 설치돼 있다면 공식 패키지로 웹 인터페이스를 실행할 수 있습니다.
npx @deepseek-ai/dsh@latest web
실행 후 실제 버전이 요건을 충족하는지 확인하고, 설정에서 이용할 서비스의 API Key를 입력한 다음 작업 공간을 선택하세요. 독립된 작업 공간에서 테스트가 있는 작은 작업부터 실행하고, 필요한 만큼 도구 권한을 넓히는 편이 좋습니다. DeepSeek Harness 저장소
9월 V4.1 Flash 아키텍처 발표와의 관계
9월 공개된 V4.1 Flash 기반 모델은 이미지와 텍스트를 네이티브로 처리하는 멀티모달 MoE와 Causal Encoder-Decoder(CED) 구조를 사용합니다. 공식 모델 카드에는 백본 파라미터 552B, 입력 프리필 단계에서 토큰당 약 8B, 디코딩 단계에서 약 16B 활성화로 명시돼 있습니다. 일부 소개의 550B는 반올림한 수치입니다. 전체 백본 파라미터 수와 활성 파라미터 수는 다른 지표입니다. V4.1 Flash 모델 카드
기반 모델은 토큰당 전역 KV Cache도 V4 Flash의 3514바이트에서 890바이트로 줄였습니다. 이는 캐시 크기의 변화이지 모델 전체를 배포하는 데 필요한 GPU 메모리가 아닙니다. 1017 발표의 핵심은 학습, 작업 성능과 실행 효율입니다. 9월의 아키텍처 변경을 10월 신규 기능으로 다시 계산하면 안 됩니다. 자세한 배경은 V4.1 Flash 아키텍처와 연동 가이드를 참고하세요.
API 호출: 버전명, 모델 ID와 URL을 구분하세요
2026년 10월 17일 기준 DeepSeek 공식 사양은 deepseek-flash가 DeepSeek-V4.1-Flash-1017에 연결된다고 명시합니다. 발표에 쓰인 모델 이름을 그대로 API ID로 지정하지 마세요. 공식 모델 버전 정보
| 연결 방식 | 전체 채팅 요청 URL | 모델 ID | Key 발급 주체 |
|---|---|---|---|
| DeepSeek 공식 API 직접 연결 | https://api.deepseek.com/v1/chat/completions |
deepseek-flash |
DeepSeek |
| 당사 게이트웨이 | https://api.llm-token.cn/v1/chat/completions |
당사 목록에 따라 deepseek-v4.1-flash 지정 |
贵数智能 |
공식 별칭이 업데이트됐다고 모든 제3자 채널이 동시에 전환되는 것은 아닙니다. 당사 페이지의 1017은 이 글에서 다루는 발표 버전을 뜻합니다. 연동 전에 모델 목록에서 사용 가능한 ID를 확인하고, 고정 버전이 필요하면 지원팀에 문의하세요. 두 서비스의 Key를 섞어 쓰거나 이미 /v1이 포함된 Base URL에 /v1을 다시 붙이지 마세요.
다음은 당사 게이트웨이의 요청 형식입니다. 실행 전에 유효한 Key를 준비하고 목록의 모델 ID를 확인해야 합니다.
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
}'
공식 API에 직접 연결하려면 전체 URL을 https://api.deepseek.com/v1/chat/completions로 변경하고 DeepSeek Key를 사용하며 model을 deepseek-flash로 바꾸세요. 일반 텍스트 결과는 choices[0].message.content에서 읽고, 도구 호출은 클라이언트의 도구 실행 절차에 따라 처리합니다. API 요청 형식 튜토리얼
Search와 Fetch: 검색 도구는 별도 URL 사용
DeepSeek는 자체 Search와 Fetch API도 공개했습니다. Search는 키워드로 웹페이지를 찾고, Fetch는 지정한 페이지를 읽어 Markdown 본문을 반환합니다. 먼저 검색한 다음 원문을 읽는 에이전트 작업 흐름에 적합합니다.
| 기능 | DeepSeek 공식 POST URL |
|---|---|
| 웹 검색 | https://api.deepseek.com/v1/tools/search |
| 웹페이지 본문 가져오기 | https://api.deepseek.com/v1/tools/fetch |
두 API 모두 DeepSeek Key를 사용하며 채팅 API와 독립적입니다. DeepSeek가 제공한다고 당사 게이트웨이가 같은 경로를 자동으로 중계하는 것은 아닙니다. /v1/tools/search나 /v1/tools/fetch를 당사 주소에 그대로 붙이지 마세요. 요청 필드와 제한은 Search & Fetch 공식 문서를 확인하세요.
자주 묻는 질문
DeepSeek V4.1 Flash와 V4.1 Flash 1017은 서로 다른 API ID인가요?
아닙니다. V4.1 Flash는 모델 제품군이고 1017은 10월 17일 업데이트 버전을 나타냅니다. 공식 API는 현재도 deepseek-flash로 호출합니다. 당사 게이트웨이는 자체 목록의 ID를 사용하므로 표시 이름만으로 상위 공급자의 스냅샷을 판단할 수는 없습니다.
기존 DeepSeek API 모델 이름을 계속 사용할 수 있나요?
현재 공식 설명에 따르면 deepseek-v4-flash와 deepseek-v4-flash-vision-exp는 1017이 요청을 처리하는 호환 별칭입니다. 현재 사양 페이지는 deepseek-v4-pro를 여전히 V4-Pro-0813으로 따로 명시합니다. 9월 전환 계획을 그대로 현재 매핑으로 간주하지 마세요. 당사 별칭은 당사 모델 목록을 기준으로 합니다. 현재 공식 모델 정보
모델 가중치는 어디서 받을 수 있나요?
Hugging Face의 1017 저장소 또는 ModelScope의 1017 저장소를 이용하세요. 배포 전에 해당 저장소의 버전, 라이선스, 추론 프레임워크와 하드웨어 요구 사항을 확인해야 합니다. 활성 파라미터 8B만으로 전체 배포에 필요한 자원을 추정해서는 안 됩니다.
함께 읽기
업데이트: 2026년 10월 17일. 이 글은 발표 자료와 연동 문서를 해설합니다. 이후 버전 매핑 변경은 이용 중인 서비스의 최신 문서를 확인하세요.