Im Quellenvergleich
Worin die Quellen übereinstimmen
DeepSeek hat die aktualisierte Modellversion DeepSeek-V4.1-Flash-1017 veröffentlicht. Das Modell ist über Website, App und API verfügbar. Die Gewichte stehen unter der MIT-Lizenz zur kommerziellen Nutzung offen. Laut Unternehmen arbeitet das Modell schneller, erzeugt kürzere Ausgaben und verbessert sich bei Softwareentwicklung und Agenten-Aufgaben. Trainiert wird mit Reinforcement Learning mit Selbst-Feedback (RLSF), bei dem das Modell seine eigene Konfidenz oder selbst erzeugte Kritiken als Belohnungssignal nutzt. In den vom Unternehmen veröffentlichten Vergleichstests übertrifft V4.1-Flash-1017 den Vorgänger und in mehreren Disziplinen auch größere Konkurrenzmodelle wie Claude Opus 5. Beim DeepSWE-Benchmark erreicht es laut unternehmenseigener Grafik 77 Prozent Erfolgsquote bei geringeren Kosten als die Vorversion. Unabhängige Bewertungen stehen noch aus. Die Quellen berichten weitgehend übereinstimmend.
Worin sie sich unterscheidenVergleichsmodelle in den unternehmenseigenen Benchmarks·Kosten pro Aufgabe beim DeepSWE-Benchmark·Reaktionen von außen auf die Leistungswerte+4 weitere
Vergleichsmodelle in den unternehmenseigenen Benchmarks- Das Modell schlägt in mehreren Disziplinen auch größere Konkurrenzmodelle wie GPT 5.6-Sol, Kimi K3 und GLM 5.3.1
- Das Modell übertrifft in einigen Entwicklungs-Benchmarks GPT-6 Astra und GPT-6.1 Sol von OpenAI sowie Claude Opus 5 von Anthropic.2
Kosten pro Aufgabe beim DeepSWE-Benchmark- Beim DeepSWE-Benchmark erreicht das Modell 77,0 Prozent bei knapp unter 0,20 US-Dollar pro Aufgabe, der Vorgänger 74,2 Prozent bei rund 0,50 US-Dollar.1
- Beim Coding-Agent-Test DeepSWE v1.1 erreicht das Modell mit der Inferenz-Einstellung max eine Erfolgsquote von 77 Prozent bei geringeren Kosten als die Vorversion, ohne konkrete Dollarbeträge zu nennen.2
Reaktionen von außen auf die Leistungswerte- Thomas Wolf, Mitgründer von Hugging Face, lobte den Fortschritt auf X und äußerte Interesse daran, wie sich die Werte außerhalb der eigenen Umgebung bewerten lassen.2
Preise der Modell-API- Die Preise bleiben unverändert: pro Million Tokens außerhalb der Stoßzeit 0,003 Dollar (Cache-Treffer) für Eingaben, 0,15 Dollar (Cache-Fehltreffer) für Eingaben und 0,6 Dollar für Ausgaben; zu Stoßzeiten verdoppeln sie sich.2
Öffnung der Search- und Fetch-APIs- DeepSeek öffnet seine Search- und Fetch-APIs für alle Entwickler; jeder Endpunkt kostet regulär 0,75 US-Dollar pro 1.000 Aufrufe, für Nutzer der DeepSeek-API sind die Funktionen bis zum 31. Oktober 2026 (16:00 Uhr UTC) kostenlos.1
Mögliche Regulierung von Open-Weight-Modellen in China- Die chinesische Regierung plant offenbar, die Veröffentlichung von Open-Weight-Modellen stärker zu regulieren oder zu unterbinden.1
Optimierung auf Entwicklungsumgebungen- Das Modell ist auf Entwicklungsumgebungen wie DeepSeek Harness (empfohlen ab Version v0.2.1-rc.1), Tencent CodeBuddy und WorkBuddy optimiert.1