DeepSeek präsentiert DeepSeek-V4.1-Flash-1017 auf Hugging Face als kleinere Aktualisierung von DeepSeek-V4.1-Flash. Das Image-Text-to-Text-Modell ist für Transformers, Safetensors, 8-Bit-Präzision und fp8 gekennzeichnet. Es umfasst 763B params und unterstützt die Tensortypen BF16, F32, F8_E4M3 und I8. Das Repository steht unter der MIT-Lizenz.

terminal
pip install vllm
vllm serve "deepseek-ai/DeepSeek-V4.1-Flash-1017"

DeepSeek meldet bessere Ergebnisse bei Reasoning, Coding, agentischen Aufgaben und visuellen Benchmarks. Die Aktualisierung verkürzt außerdem die Ausführungszeit und die Ausgabelänge. Die Modellkarte ordnet sie damit an der Leistungs-Kosten-Grenze verschiedener Agenten-Harnesses ein.

Die Benchmark-Tabelle vergleicht das Modell mit DS-V4.1-Flash, K3, GLM-5.3, GPT-5.6 Sol und Opus 5. Bei HLE w/o tools erreicht DeepSeek-V4.1-Flash-1017 42.6 beziehungsweise 44.0 im markierten Teilbereich. DS-V4.1-Flash kommt auf 36.8 beziehungsweise 39.1, K3 auf 43.5, GLM-5.3 auf 42.0, GPT-5.6 Sol auf 44.5 und Opus 5 auf 56.3. Bei Terminal-Bench 4.0 lauten die Werte in derselben Reihenfolge 42.3, 31.2, 12.6, 37.9, 39.9 und 51.8.

Bei DeepSWE v1.1 erreicht das neue Modell 77.0. Die Vergleichswerte betragen 74.2, 67.5, 66.9, 73.0 und 74.0. ProgramBench ergibt 29.1, 20.3, 17.5, 19.0, 23.0 und 37.0. Bei NL2Repo-Bench sind es 68.2, 65.4, 58.0, 58.0, 56.8 und 75.3.

Automation-Bench v1.0.6 ergibt 60.5, 54.8, 46.7, 48.8, 45.8 und 50.3. Bei Agents’ Last Exam lauten die Werte 35.4, 31.8, 27.6, 28.5, 26.7 und 28.6. Apex Bench v1.1 ergibt 72.1, 64.6, 47.8, 56.6, 54.3 und 65.8.

Bei den Tests mit Werkzeugen erreicht das Modell auf Chartography 83.0. Danach folgen 78.9, 68.1, kein Wert für GLM-5.3, 79.9 und 84.0. BabyVision ergibt 92.5, 89.6, 85.7, keinen GLM-5.3-Wert, 88.9 und 94.1. ZeroBench-main ergibt 51.0, 49.0, 41.0, keinen GLM-5.3-Wert, 53.0 und 52.0. Das Zeichen † markiert bei HLE den reinen Textbereich. Für Terminal-Bench 4.0 kam der Claude Code harness zum Einsatz, für DeepSWE v1.1 das Mini-SWE-V2 harness.

Die Veröffentlichung enthält kein Chat-Template im Jinja-Format. Der Ordner encoding enthält die eigenständige Python-Referenzimplementierung encoding.py. Die Tests decken Mehrfachrunden-Konversationen, Tool-Aufrufe, den Thinking-Modus, numerischen Reasoning-Aufwand, Systemnachrichten während einer Unterhaltung und verschachtelte Bildinhalte ab.

Zusätzlich stellt DeepSeek deepseek-recipe bereit, eine Sammlung von Rust-Bibliotheken mit Python-Bindings. Das Toolkit wandelt Messages, Chat Completions und Responses API requests in das Conversation-Format um. Es erzeugt daraus DeepSeek-V4- und V4.1-Prompts oder Token-IDs und verarbeitet vollständige oder gestreamte Antworten. Unterstützt werden dabei Thinking, Tool-Aufrufe, Bilder und Generierungseinstellungen. Inferenz, Tool-Ausführung und HTTP-Transport bleiben beim Aufrufer.

Für die Gewichtskonvertierung und lokale Ausführung verweist die Modellkarte auf den Ordner inference. Dokumentiert sind Transformers, vLLM, SGLang, Docker Model Runner, Google Colab, Kaggle und lokale Apps. Quantisierungen gibt es für llama.cpp, Ollama, LM Studio und kompatible Anwendungen. Empfohlen werden temperature 1.0, top_p 1.0, ein Kontextfenster von 1M Tokens und max_tokens mit mindestens 256K.

Der angegebene BibTeX-Eintrag nennt DeepSeek-AI als Autor, trägt den Titel DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression und nennt 2026 als Jahr.