一起资讯网

DeepSeek-V4.1-Flash-1017 技术报告

DeepSeek-V4.1-Flash-1017 是 DeepSeek-V4.1-Flash 的次要更新版本。该模型在推理、编程、智能体任务及视觉基准测试中实现了显著的性能跃升。通过缩短任务执行时间并优化输出长度，新模型以更低的成本提升了处理效率，在多个智能体评估框架中推动了性能与成本的帕累托前沿。

基准测试表现

在多项权威基准测试中，DS-V4.1-Flash-1017 均展现出优于前代及竞品的竞争力：

注：完整数据涵盖 K3、GLM-5.3 等更多模型对比。† 表示 HLE 的纯文本子集。Terminal-Bench 4.0 使用 Claude Code 框架，DeepSWE v1.1 使用 Mini-SWE-V2 框架。

提示词编码与工具链

本次发布未包含 Jinja 格式的聊天模板。encoding 文件夹提供了自包含的 Python 参考实现（encoding.py），覆盖多轮对话、工具调用、思维模式、数值推理、系统消息及交错图像内容等测试用例。

针对生产环境，DeepSeek 同步发布了 deepseek-recipe。这是一套带有 Python 绑定的 Rust 库集合，提供与维护良好的协议感知工具包一致的提示词格式。它支持将 Messages、Chat Completions 和 Responses API 请求转换为 Conversation 格式，编码为 DeepSeek V4/V4.1 的提示词或 Token ID，并将模型输出解析回完整或流式响应（含思维过程、工具调用、图像及生成设置）。模型推理、工具执行和 HTTP 传输由调用方自行负责。

推理配置建议

权重转换及本地推理说明请参阅 inference 文件夹。推荐采样参数如下：

• temperature: 1.0
• top_p: 1.0
• context_window: 1M tokens
• max_tokens: ≥ 256K

许可证与引用

本仓库及模型权重均采用 MIT 许可证。如有问题，请提交 Issue 或联系 service@deepseek.com。

@misc{deepseekai2026deepseekv41flash,
      title={DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression},
      author={DeepSeek-AI},
      year={2026},
}