DeepSeek V4.1 Flash 1017: 77% no DeepSWE e API
DeepSeek-V4.1-Flash-1017 é a atualização do V4.1 Flash lançada pela DeepSeek em 17 de outubro de 2026. O site oficial, o aplicativo e a API foram atualizados ao mesmo tempo, e os pesos do modelo estão disponíveis. Na tabela do lançamento, o DeepSWE v1.1 passa de 74.2 para 77.0 em relação à versão anterior, com melhora nos 11 testes apresentados. A DeepSeek também destaca a redução do tempo das tarefas e do tamanho das saídas. Anúncio oficial
É importante separar dois nomes: DeepSeek-V4.1-Flash-1017 identifica a versão; deepseek-flash é o ID usado nas chamadas à API oficial da DeepSeek. Os IDs e os endereços do nosso gateway são configurados separadamente do acesso direto ao fornecedor. Consulte os preços atuais dos modelos para conhecer nossas condições; este artigo não apresenta os preços do fornecedor.
Dados principais e fontes
- Lançamento: 17 de outubro de 2026. Site, aplicativo e API atualizados simultaneamente. Anúncio
- DeepSWE v1.1: 77.0 (nível de raciocínio max), ante 74.2, um avanço de 2.8 pontos percentuais. A tabela oficial usa o ambiente Mini-SWE-V2. Resultados oficiais
- Terminal-Bench 4.0: 42.3, ante 31.2, um avanço de 11.1 pontos. Esse teste usa o framework Claude Code. Resultados oficiais
- ProgramBench: 29.1, ante 20.3, um avanço de 8.8 pontos. Resultados oficiais
- Automation-Bench V1.0.6: 60.5, ante 54.8. Resultados oficiais
- Harness: v0.2.1-rc.1 ou mais recente. Essa é a atualização recomendada pela DeepSeek para o novo modelo. Anúncio
Esses resultados vêm do material de lançamento da DeepSeek e não foram reproduzidos de forma independente por nosso site. Ao comparar, mantenha identificados a versão do modelo, o conjunto de testes, o framework do agente e o nível de raciocínio.
O que muda no 1017? Comparação dos 11 benchmarks
| Teste | Versão anterior do V4.1 Flash | V4.1 Flash 1017 |
|---|---|---|
| HLE (sem ferramentas) | 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 (com ferramentas) | 78.9 | 83.0 |
| BabyVision (com ferramentas) | 89.6 | 92.5 |
| ZeroBench-main (com ferramentas) | 49.0 | 51.0 |
* indica o subconjunto somente textual do HLE. Terminal-Bench 4.0 usa Claude Code; DeepSWE usa Mini-SWE-V2; ZeroBench-main é avaliado em Pass@5. Os valores foram mantidos como na tabela original: as métricas de testes diferentes não são todas o mesmo tipo de taxa de aprovação.
Fonte da imagem: tabela de avaliação publicada pela DeepSeek.
Entre as seis versões de modelos da tabela, o 1017 tem a maior pontuação em DeepSWE, Automation-Bench, Agents’ Last Exam e Apex Bench. Claude Opus 5 continua à frente em HLE, Terminal-Bench e ProgramBench, entre outros; GPT-5.6-Sol pontua mais em ZeroBench-main. A escolha deve considerar o tipo de tarefa, sem transformar quatro primeiros lugares em liderança em todas as capacidades.
Para projetos existentes, o DeepSWE se aproxima mais da correção de problemas de código. Para operações de linha de comando, o avanço no Terminal-Bench merece atenção especial. Compare as versões usando o mesmo repositório, os mesmos testes e as mesmas permissões de ferramentas, registrando testes aprovados, novas tentativas, duração total e volume de saída.
Projetos do zero: autoavaliação, RL e Harness
Segundo a DeepSeek, o 1017 melhora o desenvolvimento completo de projetos com aprendizado por reforço baseado em autoavaliação: depois de gerar a primeira versão, o modelo verifica o resultado, identifica problemas e faz correções. As demonstrações oficiais incluem uma modelagem 3D da Cidade Proibida, um jogo de corrida no navegador, uma recriação de Portal 2 com Godot e cenas 3D que atravessam diferentes épocas. São exemplos do fornecedor, não resultados de aceitação de projetos em produção. Exemplos e explicação
O treinamento foi otimizado para DeepSeek Harness, Tencent CodeBuddy, WorkBuddy e outros ambientes. Ao usar o Harness, atualize para v0.2.1-rc.1 ou superior; a v0.1.5 mencionada no artigo de setembro não é mais a recomendação atual.
Com Node.js instalado, inicie a interface web pelo pacote oficial:
npx @deepseek-ai/dsh@latest web
Depois, confirme a versão efetivamente iniciada, preencha nas configurações a chave API do serviço correspondente e escolha uma área de trabalho. Comece com uma tarefa pequena que tenha testes, em uma área separada, antes de ampliar as permissões das ferramentas. Projeto DeepSeek Harness
Qual é a relação com a arquitetura V4.1 Flash de setembro?
O modelo-base V4.1 Flash lançado em setembro combina MoE multimodal nativo de texto e imagem com a arquitetura Causal Encoder-Decoder (CED). O cartão oficial informa 552B de parâmetros na rede principal, com cerca de 8B ativos por token no prefill e 16B na decodificação. O número 550B usado em algumas apresentações é um arredondamento. O total de parâmetros da rede e os parâmetros ativos são medidas distintas. Cartão do V4.1 Flash
O modelo-base também reduz o cache KV global por token de 3514 bytes, no V4 Flash, para 890 bytes. Isso descreve o cache, não toda a memória de GPU necessária para implantar o modelo. O foco do 1017 é treinamento, desempenho nas tarefas e eficiência de execução; as mudanças de arquitetura de setembro não devem ser contadas novamente como novidades de outubro. Saiba mais no guia de arquitetura e integração do V4.1 Flash.
Como chamar a API: versão, ID e URL são coisas diferentes
Em 17 de outubro de 2026, a página oficial de especificações associa explicitamente deepseek-flash a DeepSeek-V4.1-Flash-1017. Não use diretamente o nome do lançamento como se fosse um ID de API. Versões oficiais dos modelos
| Forma de acesso | URL completa da requisição de chat | ID do modelo | Origem da chave |
|---|---|---|---|
| Direto à DeepSeek | https://api.deepseek.com/v1/chat/completions |
deepseek-flash |
DeepSeek |
| Nosso gateway | https://api.llm-token.cn/v1/chat/completions |
deepseek-v4.1-flash, conforme nosso catálogo |
贵数智能 |
A atualização de um alias oficial não significa que todos os canais de terceiros foram atualizados ao mesmo tempo. A indicação 1017 em nossa página identifica a versão apresentada neste artigo. Antes da integração, confira o ID disponível no catálogo de modelos. Se precisar de uma versão específica, confirme com a equipe de suporte. Não troque as chaves dos dois serviços nem acrescente outro /v1 a uma URL base que já contenha esse segmento.
O exemplo abaixo mostra o formato de requisição do nosso gateway. Antes de executar, tenha uma chave válida e confirme o ID do modelo no 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 acessar diretamente a DeepSeek, altere a URL completa para https://api.deepseek.com/v1/chat/completions, use uma chave DeepSeek e defina model como deepseek-flash. O texto da resposta fica em choices[0].message.content; chamadas de ferramentas devem seguir o fluxo de execução do cliente. Tutorial de formatos de API
Search e Fetch: as ferramentas de busca têm URLs próprias
A DeepSeek também disponibiliza suas ferramentas Search e Fetch. Search encontra páginas por palavras-chave; Fetch lê uma página específica e retorna o conteúdo em Markdown. Elas atendem agentes que primeiro procuram fontes e depois leem o material encontrado.
| Função | URL POST oficial da DeepSeek |
|---|---|
| Buscar páginas na web | https://api.deepseek.com/v1/tools/search |
| Obter o conteúdo de uma página | https://api.deepseek.com/v1/tools/fetch |
As duas interfaces usam uma chave DeepSeek e são separadas da interface de chat. A disponibilidade desses recursos no fornecedor não significa que nosso gateway encaminhe automaticamente as mesmas rotas. Não acrescente /v1/tools/search ou /v1/tools/fetch diretamente ao nosso endereço. Consulte campos e limites na documentação oficial de Search & Fetch.
Perguntas frequentes
V4.1 Flash e V4.1 Flash 1017 são dois IDs de API diferentes?
Não. V4.1 Flash é a família do modelo; 1017 identifica a atualização de 17 de outubro. A API oficial continua usando deepseek-flash. Nosso serviço usa IDs próprios de catálogo, e o nome exibido não basta para identificar a versão servida pelo provedor de origem.
Os nomes antigos da API DeepSeek ainda funcionam?
A documentação oficial atual informa que deepseek-v4-flash e deepseek-v4-flash-vision-exp são aliases de compatibilidade atendidos pelo 1017. A página de especificações ainda lista deepseek-v4-pro separadamente como V4-Pro-0813. Não trate o plano de transição de setembro como se ele definisse necessariamente o mapeamento atual. Para nosso gateway, valem os aliases do nosso catálogo. Descrição oficial atual
Onde baixar os pesos do modelo?
No repositório 1017 do Hugging Face ou no repositório 1017 do ModelScope. Antes de implantar, confira a versão, a licença, os requisitos do framework de inferência e o hardware necessário. Não estime os recursos do modelo completo a partir dos 8B de parâmetros ativos.
Continue lendo
- Arquitetura e integração do DeepSeek V4.1 Flash
- Nosso catálogo de modelos e preços atuais
- URLs de API, formatos de requisição e solução de problemas
- Anúncio oficial do DeepSeek 1017
Atualizado em 17 de outubro de 2026. Este artigo analisa os materiais de lançamento e a documentação de integração. Para mapeamentos futuros entre IDs e versões, consulte a documentação atual do serviço correspondente.