DeepSeek-V4.1-Flash-1017: עדכון משני עם קפיצות סוכנתיות, משקלים תחת MIT, ובלי תבנית Jinja

העובדות נבדקו ב-18 באוקטובר 2026

ב-17 באוקטובר DeepSeek פרסמה ב-Hugging Face את DeepSeek-V4.1-Flash-1017 ותיארה אותו כעדכון משני ל-V4.1-Flash. בכרטיס רשומים 763 מיליארד פרמטרים, חלון הקשר של מיליון אסימונים וקלט טקסט-תמונה. המאגר והמשקלים תחת רישיון MIT, שקראתי במאגר עצמו. טבלת המדדים של DeepSeek מראה קפיצות גדולות במבחני סוכנים, בעוד Opus 5 של Anthropic נשאר מלפנים בכמה עמודות. לא התקנתי ולא הרצתי דבר. כרטיס המודל

מה באמת עלה

משקלים וכרטיס מודל, לא שרת ולא אפליקציה. DeepSeek מתארת את 1017 כעדכון משני ל-V4.1-Flash עם שיפורים מהותיים בהסקה, בקוד, במשימות סוכנתיות ובמדדים חזותיים, ועם קיצור זמן ביצוע המשימות ואורך הפלט, כקידמת פרטו טובה יותר של ביצועים מול עלות בכמה מעטפות סוכנים. בכרטיס רשומים Safetensors, 763 מיליארד פרמטרים, תגית Image-Text-to-Text, חלון הקשר של מיליון אסימונים והמלצה על max_tokens של לפחות 256K ב-temperature ‏1.0 ו-top_p ‏1.0.

אות הפופולריות מוקדם ודל: הכרטיס הראה 10,233 הורדות בחודש האחרון כשבדקתי ב-18 באוקטובר, יום אחרי ההשקה. זה דופק ראשון, לא אימוץ.

טבלת המדדים נקראת לשני הכיוונים

הטבלה של DeepSeek מדווחת על עלייה ב-DeepSWE v1.1 מ-74.2 ל-77.0, ב-Terminal-Bench 4.0 מ-31.2 ל-42.3, ב-ProgramBench מ-20.3 ל-29.1, ב-Automation-Bench v1.0.6 מ-54.8 ל-60.5 וב-Agents' Last Exam מ-31.8 ל-35.4. המעטפות נקובות: Claude Code ל-Terminal-Bench 4.0 ו-Mini-SWE-V2 ל-DeepSWE v1.1.

אותה טבלה משאירה את Opus 5 של Anthropic מלפנים ב-HLE בלי כלים (56.3 מול 42.6), ב-Terminal-Bench ‏(51.8 מול 42.3), ב-ProgramBench ‏(37.0 מול 29.1) וב-NL2Repo-Bench ‏(75.3 מול 68.2). כל מספר בכרטיס הוא מדידה של DeepSeek עצמה, ולכן הקריאה הכנה היא כיוונית: הפער מול החזית בתשלום הצטמצם בחלק ממבחני הסוכנים, לא נסגר. מה שהופך את הטענות לניתנות לבדיקה בעיקרון הוא שהמשקלים זמינים להורדה. בפועל, 763 מיליארד פרמטרים משאירים מעטים שיכולים לבדוק.

התבנית היא הסימן האמיתי

במהדורה הזו אין תבנית שיחה בפורמט Jinja. במקום זה המאגר נושא תיקיית encoding עם יישום ייחוס עצמאי ב-Python ומקרי בדיקה לשיחות רב-תוריות, קריאות כלים, מצב חשיבה, רמת מאמץ מספרית, הודעות מערכת באמצע שיחה ותוכן תמונה משולב. לייצור DeepSeek מפנים ל-deepseek-recipe, ספריות Rust עם כריכות Python שממירות בקשות Messages, Chat Completions ו-Responses API לפורמט Conversation ומפרקות את פלט המודל בחזרה, ומשאירות את ההסקה, ביצוע הכלים ותעבורת ה-HTTP למפעיל.

זה שינוי אמיתי ביחס של מהדורת מודל לממשק שלה. מחרוזת Jinja היא רמז שסוטה; מקודד ייחוס שנבדק וערכת כלים מתוחזקת שמודעת לפרוטוקול הם חוזה. אם אתם מריצים סוכנים על המודל הזה, פורמט הפרומפט הוא עכשיו קוד שמטמיעים, לא מחרוזת שמעתיקים.

שתי רעיונות ששווה לקחת

משקלים פתוחים כהצעת אימות, לא האימות עצמו. רישיון MIT על המשקלים אומר שכל מי שיש לו מספיק חומרה יכול לבדוק את מספרי המדדים. ב-763 מיליארד פרמטרים מעגל האנשים שבאמת יכולים לבצע את הבדיקה קטן, כך שהפתיחות אמיתית אבל הביקורת מופקדת בידי קומץ מעבדות וספקי הסקה.

מספרי גרסה כתקשורת. עדכון משני עם תאריך בשם שמזיז את Terminal-Bench באחד-עשר נקודות אומר שטקס הגרסאות הגדולות נעלם: היכולת מגיעה עכשיו במנות, וה-diff שבאמת קוראים הוא טבלת המדדים ותיקיית encoding, לא ההודעה.

דוגמה מפורטת: תקציב פרומפט מול חלון של מיליון אסימונים

# Planning a prompt budget against a 1M-token window (illustrative; not from the repo)
CONTEXT   = 1_000_000   # advertised window, tokens
MAX_OUT   = 256_000     # card recommends max_tokens >= 256K
sys_tools = 12_000      # system prompt + tool schemas, your estimate
per_file  = 1_500       # rough tokens per source file you paste in

headroom = CONTEXT - MAX_OUT - sys_tools
print(f"input headroom: {headroom:,} tokens = about {headroom // per_file:,} files of ~{per_file} tokens")
for files in (100, 300, 480):
    need = sys_tools + files * per_file
    left = CONTEXT - need
    verdict = "fits with full output budget" if left >= MAX_OUT else "output budget gets squeezed"
    print(f"{files:>3} files -> {need:,} in, {left:,} left ({verdict})")

מקורות

• כרטיס המודל (Hugging Face)
• קובץ LICENSE במאגר (MIT)
• סיקור של The Decoder (משני)