Zusammenfassung:
DeepSeek V4.1 Flash wurde auf Version V4.1-Flash-1017 aktualisiert und die offizielle Webseite sowie die APP- und API-Modelle wurden gleichzeitig auf das neue Modell geändert. Im Vergleich zur Vorgängerversion von DeepSeek V4.1 Flash hat das neue Modell in allen Aspekten der Benchmark-Tests große Verbesserungen erzielt.
Während wir die Leistung verbesserten, verkürzten wir auch die Aufgabenlaufzeit und Ausgabelänge des Modells, sodass Benutzer Aufgaben zu geringeren Kosten und schneller erledigen können (wie in der Abbildung unten dargestellt) und so ein neues Leistungs-Kosten-Pareto-Optimum unter mehreren Kabelbäumen erreicht. Diesmal haben wir uns insbesondere auf die Optimierung von Plattform-Frameworks wie DeepSeek Harness, Tencent CodeBuddy und WorkBuddy konzentriert. Bitte aktualisieren Sie auf DeepSeek Harness 0.2.1-rc.1 und höher, um die beste Erfahrung bei der Anpassung an die neue Version des Modells zu erhalten.
DeepSeek V4.1 Flash 1017 verwendet das Mini-Swe-v2-Framework, um das Leistungs-/Kostendiagramm von DeepSWE zu testen
Komplette Projektentwicklung von Grund auf
DeepSeek V4.1 Flash 1017 nutzt Reinforcement Learning (RL)-Trainingstechnologie, die auf Selbstfeedback basiert, um die Fähigkeit zu verbessern, komplette Projekte von Grund auf in Aspekten wie der Spieleentwicklung und der 3D-Modellierung zu erstellen, und kann die Umsetzung von „wunschgemäßeren“ Programmieraufgaben und Projektentwicklungsanfragen unterstützen. Der folgende Fall zeigt den Projekteffekt, der direkt durch die neue Version des Modells durch sehr kurze Interaktionsrunden innerhalb der DeepSeek Harness-Framework-Umgebung mit weniger Aufforderungswörtern und Materialreferenzen erzielt wird:
Beispiel 1: Anzeigeeffekt der 3D-Modellierung der Verbotenen Stadt
Beispiel 2: Entwicklungsergebnisse eines Web-Rennspiels
Beispiel 3: Der Reproduktionseffekt des Spiels „Portal 2“, das auf Basis der Godot-Engine entwickelt wurde
Beispiel 4: Valley of Ages – verwenden Sie 3D-Szenen, um den Entwicklungsprozess von der Urzeit bis zur Neuzeit dynamisch darzustellen
Offene selbstentwickelte Such-API
Die Suchfunktionen von DeepSeek im Web und in der API werden seit langem durch die selbstentwickelte DeepSeek-Suchmaschine unterstützt, die jeden Tag Hunderte Millionen Suchanfragen aus der ganzen Welt stabil verarbeitet.
DeepSeek Search ist eine KI-native universelle Suchmaschine, die Hunderte Milliarden Webseiten auf der ganzen Welt indiziert, die Suche in mehreren Sprachen unterstützt und qualitativ hochwertige, hochrelevante, verlässliche und aktuelle Ergebnisse in Echtzeit liefert. Wir filtern SEO-Betrug, GEO-Manipulation und minderwertige AIGC durch strenge Identifizierungsmechanismen, um sicherzustellen, dass Benutzern und LLM verlässliche und glaubwürdige Informationen präsentiert werden.
Diese neue, von DeepSeek API veröffentlichte Version bietet Unterstützung für die Such- und Abrufschnittstellen und die damit verbundenen Funktionen sind offiziell für die Öffentlichkeit zugänglich. Der Preis für beide Schnittstellen beträgt 5 Yuan pro Tausend.
Detaillierte Gebrauchsanweisungen
Weitere Informationen finden Sie in der offiziellen API-Dokumentation:
API-Leitfaden – Websuche und Crawl
.
Bitte beachten Sie, dass aktuelle Benutzer, wenn sie die DeepSeek-API in DeepSeek Harness/Claude Code/Codex verwenden, bereits über serverseitige Toolaufrufe auf die Such-/Abrufschnittstelle zugegriffen haben. Diese Such-/Abrufschnittstellenanrufe werden derzeit nicht in Rechnung gestellt und werden zwei Wochen später (00:00 Uhr am 1. November 2026, Pekinger Zeit) pro Anruf abgerechnet.
Open-Source-Modell
Die Download-Adresse der Modellgewichte von DeepSeek-V4.1-Flash-1017 lautet wie folgt:
HuggingFace:
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
ModelScope:
https://modelscope.cn/models/deepseek-ai/DeepSeek-V4.1-Flash-1017
Kommentare