‏DeepSeek-V4.1-Flash-1017 منتشر شد

DeepSeek-AI یه آپدیت تاریخ‌دار برای مدل DeepSeek-V4.1-Flash منتشر کرده به اسم V4.1-Flash-1017. عدد 1017 تاریخ انتشار یعنی 17 اکتبره و نسل جدیدی از مدل نیست. مدل open-weight هست، یعنی وزن‌هاش آزادانه در دسترسه، و با لایسنس MIT اومده. برای استدلال، کدنویسی، کارهای ایجنتی و ورودی تصویر و متن ساخته شده و به‌صورت 48 فایل safetensors با کوانتیزاسیون FP8 (یعنی وزن‌ها با دقت 8 بیتی ذخیره شدن) عرضه می‌شه.

به گفته‌ی model card خود DeepSeek، فاصله‌ی این آپدیت با نسخه‌ی قبلی کم نیست. تو Terminal-Bench 4.0 که انجام کار تو خط فرمان رو می‌سنجه، امتیاز از 31.2 به 42.3 رسیده. DeepSWE v1.1 از 74.2 به 77.0، ProgramBench از 20.3 به 29.1، Automation-Bench از 54.8 به 60.5 و Apex Bench v1.1 از 64.6 به 72.1 رفته. تو HLE بدون ابزار هم امتیاز کلی از 36.8 به 42.6 رسیده. DeepSeek می‌گه زمان انجام کار و طول خروجی هم کمتر شده، یعنی هزینه‌ی توکن و تأخیر برای هر کار پایین میاد.

مدل با چهار رقیب مقایسه شده: K3، GLM-5.3، GPT-5.6 Sol و Opus 5. تو Terminal-Bench، DeepSWE، ProgramBench، Automation-Bench، Agents' Last Exam (35.4) و Apex Bench بالاترین امتیاز رو بین هر پنج مدل داره. ولی Opus 5 تو HLE بدون ابزار (56.3 در برابر 44.0)، NL2Repo-Bench (75.3 در برابر 68.2)، Chartography و BabyVision جلوتره. GPT-5.6 Sol هم تو ZeroBench-main کمی بهتره. یعنی Flash تو کارهای چندمرحله‌ای و ابزارمحور قویه، ولی تو استدلال و دانش خالص هنوز مدل‌های بزرگ‌تر برتری دارن.

عنوان گزارش فنی این خط مدل «Pushing the Limits of KV Cache Compression» هست. KV cache یعنی حافظه‌ای که مدل transformer محاسبات attention توکن‌های قبلی رو توش نگه می‌داره که هر بار از اول حساب نکنه. این حافظه با طول متن بزرگ می‌شه و تو متن‌های طولانی بخش زیادی از حافظه‌ی GPU رو می‌گیره. فشرده‌سازیش اجازه می‌ده مدل context طولانی‌تر و درخواست‌های هم‌زمان بیشتری رو با حافظه‌ی کمتر جواب بده. با context window یک میلیون توکنی این مدل، این موضوع پایه‌ی کاره، نه یه جزئیات کوچیک.

تنظیمات پیشنهادی DeepSeek اینه: temperature برابر 1.0، top_p برابر 1.0، context یک میلیون توکن و حداقل max_tokens برابر 256K. نکته‌ی جالب اینه که این نسخه chat template به فرمت Jinja نداره، یعنی همون قالبی که بیشتر مدل‌های open-weight برای مرتب کردن نوبت‌های گفتگو استفاده می‌کنن. به‌جاش یه پیاده‌سازی مرجع پایتونی تو پوشه‌ی encoding گذاشته که چندنوبتی، tool calling، حالت thinking و تصویر رو پوشش می‌ده.

برای production هم DeepSeek پروژه‌ی جداگانه‌ی deepseek-recipe رو معرفی کرده که مجموعه‌ای از کتابخونه‌های Rust با binding پایتونه. این ابزار درخواست‌های سبک Messages، Chat Completions و Responses رو به فرمت داخلی DeepSeek تبدیل می‌کنه و خروجی مدل رو هم به جواب کامل یا stream برمی‌گردونه. ولی اجرای خود مدل، اجرای ابزارها و لایه‌ی HTTP به عهده‌ی خود توسعه‌دهنده‌ست. نویسنده معتقده برای کسایی که الان روی V4.1 کار می‌کنن، این آپدیت یه ارتقای ساده‌ست و تنها دردسرش نبودن قالب Jinja هست.

نکات کلیدی:

• لایسنس MIT، وزن‌ها به‌صورت 48 فایل safetensors با کوانتیزاسیون FP8.
• Terminal-Bench 4.0 از 31.2 به 42.3 و Apex Bench v1.1 از 64.6 به 72.1 رسیده.
• Opus 5 هنوز تو HLE بدون ابزار با 56.3 جلوتره.
• context window یک میلیون توکن و حداقل max_tokens پیشنهادی 256K.
• chat template به فرمت Jinja نداره و باید از encoder پایتونی پوشه‌ی encoding یا deepseek-recipe استفاده کرد.
• deepseek-recipe با Rust نوشته شده و binding پایتون داره، ولی inference و HTTP رو انجام نمی‌ده.