DeepSeek presenta DeepSeek-V4.1-Flash-1017 en Hugging Face como una actualización menor de DeepSeek-V4.1-Flash. El modelo image-text-to-text aparece etiquetado para Transformers, Safetensors, precisión de 8 bits y fp8. Tiene 763B params y admite los tipos de tensor BF16, F32, F8_E4M3 e I8. El repositorio usa la licencia MIT.

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

DeepSeek comunica mejoras en razonamiento, programación, tareas agénticas y benchmarks visuales. La actualización también reduce el tiempo de ejecución y la longitud de las respuestas. La ficha la sitúa como una mejora de la relación entre rendimiento y coste en varios agent harnesses.

La tabla compara el modelo con DS-V4.1-Flash, K3, GLM-5.3, GPT-5.6 Sol y Opus 5. En HLE w/o tools, DeepSeek-V4.1-Flash-1017 obtiene 42.6, o 44.0 en el subconjunto marcado. DS-V4.1-Flash obtiene 36.8, o 39.1, K3 43.5, GLM-5.3 42.0, GPT-5.6 Sol 44.5 y Opus 5 56.3. En Terminal-Bench 4.0, los valores en el mismo orden son 42.3, 31.2, 12.6, 37.9, 39.9 y 51.8.

En DeepSWE v1.1, el nuevo modelo alcanza 77.0. Los valores de comparación son 74.2, 67.5, 66.9, 73.0 y 74.0. ProgramBench registra 29.1, 20.3, 17.5, 19.0, 23.0 y 37.0. En NL2Repo-Bench, las cifras son 68.2, 65.4, 58.0, 58.0, 56.8 y 75.3.

Automation-Bench v1.0.6 registra 60.5, 54.8, 46.7, 48.8, 45.8 y 50.3. En Agents’ Last Exam, los resultados son 35.4, 31.8, 27.6, 28.5, 26.7 y 28.6. Apex Bench v1.1 registra 72.1, 64.6, 47.8, 56.6, 54.3 y 65.8.

En las pruebas con herramientas, Chartography registra 83.0, seguido por 78.9, 68.1, ningún valor para GLM-5.3, 79.9 y 84.0. BabyVision registra 92.5, 89.6, 85.7, ningún valor de GLM-5.3, 88.9 y 94.1. ZeroBench-main registra 51.0, 49.0, 41.0, ningún valor de GLM-5.3, 53.0 y 52.0. El símbolo † identifica el subconjunto de texto de HLE. DeepSeek utilizó Claude Code harness para Terminal-Bench 4.0 y Mini-SWE-V2 harness para DeepSWE v1.1.

La versión no incluye una plantilla de chat en formato Jinja. Su carpeta encoding contiene la implementación de referencia autónoma en Python encoding.py. Las pruebas cubren conversaciones de varios turnos, llamadas a herramientas, el modo thinking, el esfuerzo de razonamiento numérico, mensajes de sistema introducidos durante una conversación e imágenes intercaladas.

DeepSeek también publica deepseek-recipe, un conjunto de bibliotecas Rust con bindings para Python. El paquete convierte Messages, Chat Completions y solicitudes de Responses API al formato Conversation. Después codifica prompts de DeepSeek V4 y V4.1 o IDs de tokens, y analiza respuestas completas o transmitidas en streaming. Incluye soporte para thinking, llamadas a herramientas, imágenes y parámetros de generación. La inferencia, la ejecución de herramientas y el transporte HTTP quedan a cargo del llamador.

La ficha remite a la carpeta inference para convertir los pesos y ejecutar el modelo localmente. Documenta Transformers, vLLM, SGLang, Docker Model Runner, Google Colab, Kaggle y aplicaciones locales. Hay cuantizaciones para llama.cpp, Ollama, LM Studio y aplicaciones compatibles. Los parámetros recomendados son temperature 1.0, top_p 1.0, una ventana de contexto de 1M tokens y max_tokens de al menos 256K.

La cita incluida atribuye el trabajo a DeepSeek-AI, con el título DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression y el año 2026.