DeepSeek-V4.1-Flash-1017: минорная версия с агентскими скачками, веса под MIT и ни одного Jinja-шаблона
17 октября DeepSeek выложила V4.1-Flash-1017 на Hugging Face: 763 млрд параметров, контекст 1 млн токенов, ввод текст+изображение, лицензия MIT на репозиторий и веса. В их таблице DeepSWE вырос с 74.2 до 77.0, Terminal-Bench с 31.2 до 42.3, но Opus 5 всё ещё впереди в нескольких колонках. Шаблон чата теперь не Jinja-строка, а эталонный кодировщик на Python и набор библиотек на Rust.
Факты проверены 18 октября 2026
17 октября DeepSeek опубликовала DeepSeek-V4.1-Flash-1017 на Hugging Face, назвав это минорным обновлением V4.1-Flash. В карточке указаны 763 млрд параметров, окно контекста 1 млн токенов и ввод текст+изображение. Репозиторий и веса распространяются по лицензии MIT, я прочитал сам файл LICENSE. Собственная таблица DeepSeek показывает большие скачки на агентских тестах, хотя Opus 5 от Anthropic остаётся впереди в нескольких колонках. Я ничего не устанавливал и не запускал. Карточка модели
Что реально выложено
Веса и карточка модели, не сервер и не приложение. DeepSeek называет 1017 минорным обновлением V4.1-Flash с существенными улучшениями в рассуждениях, коде, агентских и визуальных задачах, плюс сокращение времени выполнения и длины ответов, что подаётся как улучшение границы Парето производительности и стоимости в нескольких агентских харнесах. В карточке указаны Safetensors, 763 млрд параметров, метка Image-Text-to-Text, окно контекста 1 млн токенов и рекомендуемые max_tokens от 256K при temperature 1.0 и top_p 1.0.
Сигнал популярности ранний и слабый: карточка показывала 10 233 скачивания за последний месяц, когда я проверил 18 октября, через день после релиза. Это первый пульс, а не принятие.
Таблица бенчмарков читается в обе стороны
Собственная таблица DeepSeek сообщает о росте DeepSWE v1.1 с 74.2 до 77.0, Terminal-Bench 4.0 с 31.2 до 42.3, ProgramBench с 20.3 до 29.1, Automation-Bench v1.0.6 с 54.8 до 60.5 и Agents' Last Exam с 31.8 до 35.4. Харнесы названы: Claude Code для Terminal-Bench 4.0 и Mini-SWE-V2 для DeepSWE v1.1.
Та же таблица оставляет Opus 5 от Anthropic впереди в HLE без инструментов (56.3 против 42.6), Terminal-Bench (51.8 против 42.3), ProgramBench (37.0 против 29.1) и NL2Repo-Bench (75.3 против 68.2). Все цифры в карточке измерены самой DeepSeek, поэтому честное прочтение направленное: разрыв с платным фронтиром на части агентских тестов сократился, но не закрылся. Проверяемыми эти заявления делает в принципе то, что веса можно скачать. На практике 763 млрд параметров означают, что проверить их почти никто не может.
Шаблон и есть главный сигнал
В этом релизе нет Jinja-шаблона чата. Вместо него в репозитории лежит папка encoding с самодостаточной эталонной реализацией на Python и тестами для многоходовых диалогов, вызова инструментов, режима размышлений, числового уровня усилий, системных сообщений в середине диалога и перемежающихся изображений. Для продакшена DeepSeek указывает на deepseek-recipe, набор библиотек на Rust с привязками к Python, который преобразует запросы Messages, Chat Completions и Responses API в формат Conversation и разбирает вывод модели обратно, оставляя инференс, выполнение инструментов и HTTP-транспорт вызывающей стороне.
Это реальное изменение в том, как релиз модели относится к собственному интерфейсу. Jinja-строка это намёк, который плывёт; протестированный эталонный кодировщик плюс поддерживаемый набор инструментов с пониманием протокола это договор. Если вы запускаете агентов на этой модели, формат промпта теперь код, который вы встраиваете, а не строка, которую копируете.
Две идеи, которые стоит забрать
Открытые веса как предложение проверки, а не сама проверка. Лицензия MIT на веса означает, что любой с достаточным железом может проверить заявленные цифры. При 763 млрд параметров круг тех, кто реально может это сделать, мал, поэтому открытость настоящая, но аудит делегирован горстке лабораторий и провайдеров инференса.
Номера версий как коммуникация. Минорное обновление с датой в имени, которое двигает Terminal-Bench на одиннадцать пунктов, говорит, что церемония мажорных версий закончилась: возможности теперь приходят порциями, а реальный дифф это таблица бенчмарков и папка encoding, а не анонс.
Разобранный пример: бюджет промпта против окна в 1 млн токенов
# 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})")