DeepSeek veröffentlicht V4.1-Flash-1017, ein Update, das laut dem Unternehmen schneller ist und kürzere Ausgaben erzeugt

DeepSeek hat DeepSeek-V4.1-Flash-1017 veröffentlicht, eine aktualisierte Version seines Modells V4.1-Flash. In seiner Ankündigung erklärte das Unternehmen, die neue Version erziele höhere Benchmark-Werte, erledige Aufgaben schneller und erzeuge kürzere Antworten als ihr Vorgänger, und bezeichnete das Ergebnis als „eine Pareto-Verbesserung bei Leistung und Kosten“. Laut DeepSeek ist das Modell auf seiner Website, in seiner App und über seine API verfügbar; die Gewichte wurden auf Hugging Face und ModelScope veröffentlicht.

The Economic Times berichtete unter Berufung auf eine Agenturmeldung, DeepSeek habe das Update am Samstagnachmittag in einer Reihe von Beiträgen auf X angekündigt und es als kleinere Überarbeitung des früheren V4.1-Flash beschrieben. Der Bericht zitierte den technischen Bericht des Unternehmens auf Hugging Face, der „erhebliche Verbesserungen bei Reasoning, Programmierung, agentischen Aufgaben und visuellen Benchmarks“ geltend mache. Dem Bericht zufolge veröffentlichte DeepSeek zudem Ergebnisse für Humanity's Last Exam, einen Test mit Tausenden Fragen aus Mathematik, Naturwissenschaften und Geisteswissenschaften, und gab für das neue Modell eine Spanne von 36,8 bis 42,6 an, gegenüber 36,8 bis 39,1 für V4.1-Flash. Keine der beiden Quellen erklärt, was die Spannen darstellen, und die Zahlen wurden nicht unabhängig überprüft.

DeepSeek erklärte, das Modell sei mit Reinforcement Learning unter Verwendung von Selbst-Feedback trainiert worden, um vollständige Projekte durchgängig besser umsetzen zu können, und präsentierte Beispiele, darunter ein 3D-Modell der Verbotenen Stadt, ein browserbasiertes Rennspiel und eine mit der Godot-Engine erstellte Nachbildung von Portal 2. Nach Angaben des Unternehmens wurde das Modell für Tools wie DeepSeek Harness, Tencent CodeBuddy und WorkBuddy optimiert; es empfiehlt DeepSeek Harness v0.2.1-rc.1 oder neuer. Außerdem veröffentlichte es ein Diagramm, das DeepSWE v1.1 Pass@1 den Kosten pro Aufgabe gegenüberstellt, gemessen mit dem Harness mini-swe-v2.

Parallel zum Modell öffnete DeepSeek seine Search- und Fetch-APIs für alle Nutzer. Nach eigenen Angaben laufen sie auf der hauseigenen Suchmaschine, die laut DeepSeek Hunderte Millionen Anfragen pro Tag verarbeitet; der Preis liegt bei 0,75 $ pro 1.000 Aufrufe je Endpunkt. Laut dem Unternehmen können Nutzer der DeepSeek API diese Tools über serverseitige Tools in DeepSeek Harness, Claude Code und Codex kostenlos aufrufen, bis die Abrechnung am 31. Oktober 2026 um 16:00 UTC beginnt.

Der Bericht ordnet die Veröffentlichung in einen breiteren Wettbewerb zwischen chinesischen Open-Weight-Modellen und teureren proprietären US-Systemen von Unternehmen wie OpenAI und Anthropic sowie heimischen Rivalen wie Moonshot Kimi und Z.ai ein. Er wies darauf hin, dass auf den hohen Preisnachlass, mit dem V4.1-Flash nach dem Start Anfang September angeboten wurde, deutliche Kursverluste der in Hongkong notierten Aktien von Wettbewerbern wie MiniMax, Z.ai und Alibaba folgten. Zudem berichtete er, DeepSeek habe früher in dieser Woche einen Serverausfall von etwa fünf Stunden gehabt, den einige Experten mit unzureichender Rechenkapazität in Verbindung brachten, und dass Verlangsamungen und Störungen in den vergangenen Monaten mit wachsender Nachfrage von Entwicklern häufiger geworden seien.