DeepSeek présente DeepSeek-V4.1-Flash-1017 sur Hugging Face comme une mise à jour mineure de DeepSeek-V4.1-Flash. Ce modèle image-texte est associé à Transformers, Safetensors, à la précision 8 bits et à fp8. Il compte 763B params et accepte les types de tenseurs BF16, F32, F8_E4M3 et I8. Le dépôt est placé sous licence MIT.

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

DeepSeek annonce de meilleurs résultats en raisonnement, en programmation, dans les tâches agentiques et sur les benchmarks visuels. La mise à jour raccourcit aussi le temps d’exécution et la longueur des sorties. La fiche du modèle la présente comme une amélioration du compromis entre performances et coûts pour plusieurs agent harnesses.

Le tableau compare le modèle à DS-V4.1-Flash, K3, GLM-5.3, GPT-5.6 Sol et Opus 5. Sur HLE w/o tools, DeepSeek-V4.1-Flash-1017 obtient 42.6, ou 44.0 pour le sous-ensemble signalé. DS-V4.1-Flash obtient 36.8, ou 39.1, K3 43.5, GLM-5.3 42.0, GPT-5.6 Sol 44.5 et Opus 5 56.3. Sur Terminal-Bench 4.0, les résultats suivent le même ordre avec 42.3, 31.2, 12.6, 37.9, 39.9 et 51.8.

Sur DeepSWE v1.1, le nouveau modèle atteint 77.0. Les autres scores sont 74.2, 67.5, 66.9, 73.0 et 74.0. ProgramBench donne 29.1, 20.3, 17.5, 19.0, 23.0 et 37.0. Les résultats de NL2Repo-Bench sont 68.2, 65.4, 58.0, 58.0, 56.8 et 75.3.

Automation-Bench v1.0.6 donne 60.5, 54.8, 46.7, 48.8, 45.8 et 50.3. Sur Agents’ Last Exam, les valeurs sont 35.4, 31.8, 27.6, 28.5, 26.7 et 28.6. Apex Bench v1.1 donne 72.1, 64.6, 47.8, 56.6, 54.3 et 65.8.

Pour les tests avec outils, Chartography donne 83.0, puis 78.9, 68.1, aucune valeur pour GLM-5.3, 79.9 et 84.0. BabyVision donne 92.5, 89.6, 85.7, aucune valeur pour GLM-5.3, 88.9 et 94.1. ZeroBench-main donne 51.0, 49.0, 41.0, aucune valeur pour GLM-5.3, 53.0 et 52.0. Le symbole † désigne le sous-ensemble textuel de HLE. DeepSeek a utilisé le Claude Code harness pour Terminal-Bench 4.0 et le Mini-SWE-V2 harness pour DeepSWE v1.1.

La version publiée ne fournit pas de chat template au format Jinja. Le dossier encoding contient l’implémentation de référence Python autonome encoding.py. Ses tests couvrent les conversations à plusieurs tours, les appels d’outils, le mode thinking, le niveau d’effort de raisonnement numérique, les messages système ajoutés pendant une conversation et les images entrelacées.

DeepSeek fournit aussi deepseek-recipe, un ensemble de bibliothèques Rust avec des bindings Python. L’outil convertit les Messages, les Chat Completions et les requêtes Responses API au format Conversation. Il encode ensuite des prompts DeepSeek V4 et V4.1 ou des identifiants de tokens, puis analyse des réponses complètes ou diffusées en continu. Thinking, appels d’outils, images et paramètres de génération sont pris en charge. L’inférence, l’exécution des outils et le transport HTTP restent à la charge de l’appelant.

La fiche renvoie au dossier inference pour convertir les poids et lancer le modèle en local. Elle documente Transformers, vLLM, SGLang, Docker Model Runner, Google Colab, Kaggle et les applications locales. Des quantifications sont proposées pour llama.cpp, Ollama, LM Studio et les applications compatibles. Les paramètres recommandés sont temperature 1.0, top_p 1.0, une fenêtre de contexte de 1M tokens et max_tokens à 256K ou plus.

La citation fournie attribue le travail à DeepSeek-AI, sous le titre DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression, avec l’année 2026.