Modelle

DeepSeek V4.1-Flash-1017: Mehr Tempo, kürzere Antworten

DeepSeek V4.1-Flash-1017 ist ein kleines Update mit großer Wirkung: bessere Agenten- und Coding-Werte bei kürzeren Antworten - MIT-lizenziert, mit 1M Kontext.

, Redaktion KI Fachblatt · mit KI-Unterstützung erstellt, redaktionell verantwortet (so arbeiten wir) · · 2 Min. Lesezeit

Schematische Darstellung der CED-Architektur: 20 Encoder-Schichten gefolgt von 20 Decoder-Schichten, der KV-Cache wird aus dem Encoder projiziert
Causal Encoder-Decoder: Der Decoder bezieht seinen globalen KV-Cache aus den Encoder-Zuständen - Grundlage der Effizienz von V4.1-Flash. · Eigene Grafik (Redaktion)
Kurz gesagt
  • DeepSeek hat mit V4.1-Flash-1017 ein Update seines offenen Flash-Modells veröffentlicht: bessere Reasoning-, Coding-, Agenten- und Vision-Werte bei kürzerer Ausführungszeit und kürzeren Antworten [1].
  • Auf Terminal-Bench 4.0 springt das Modell von 31,2 auf 42,3 Prozent (Claude-Code-Harness); DeepSeek nennt weitere Sprünge bei ProgramBench (20,3 auf 29,1) und Agents' Last Exam (31,8 auf 35,4) [1].
  • Die Gewichte stehen unter MIT-Lizenz; empfohlen werden Temperatur 1.0, ein Kontextfenster von einer Million Tokens und mindestens 256K max_tokens [1].

DeepSeek hat Mitte Oktober mit V4.1-Flash-1017 ein Update seines offenen Flash-Modells nachgelegt. Es ist ausdrücklich ein 'minor update' - aber eines mit klarer Richtung: bessere Werte bei Reasoning, Coding, Agenten- und visuellen Aufgaben, bei gleichzeitig kürzerer Ausführungszeit und kürzeren Antworten. Laut DeepSeek verschiebt das die Kosten-Fähigkeits-Pareto-Front über mehrere Agenten-Harnesses hinweg [1].

Die Zahlen des Updates

Der auffälligste Sprung: Auf Terminal-Bench 4.0 (im Claude-Code-Harness gemessen) steigt das Modell von 31,2 auf 42,3 Prozent - und liegt damit vor GPT-5.6 Sol (39,9) und GLM-5.3 (37,9), wenn auch hinter Opus 5 (51,8) [1]. DeepSWE v1.1 im Mini-SWE-V2-Harness steigt auf 77,0 Prozent und führt damit die Karten-Tabelle an [1]. Auch die Vision-Werte mit Tools steigen durchgängig, etwa Chartography auf 83,0 und BabyVision auf 92,5 Prozent [1].

V4.1-Flash-1017 im Benchmark-Vergleich (Herstellerangaben)
Benchmark1017V4.1-FlashBester anderer Wert
Terminal-Bench 4.042,331,251,8 (Opus 5)
DeepSWE v1.177,074,274,0 (Opus 5)
ProgramBench29,120,337,0 (Opus 5)
NL2Repo-Bench68,265,475,3 (Opus 5)
Automation-Bench v1.0.660,554,850,3 (Opus 5)
Agents' Last Exam35,431,828,6 (Opus 5)
Apex Bench v1.172,164,665,8 (Opus 5)
HLE ohne Tools42,636,856,3 (Opus 5)

Auffällig an der Tabelle: Bei den Agenten-Benchmarks (Agents' Last Exam, Automation-Bench, Apex Bench) führt das 1017-Update das gesamte Vergleichsfeld an, bei den reinen Wissens- und Repo-Benchmarks bleibt Opus 5 vorn [1]. Wie immer bei Hersteller-Tabellen gilt: DeepSeek wählt Harness, Reasoning-Einstellungen und Vergleichsmodelle selbst.

Terminal-Bench 4.0 (Claude-Code-Harness)
015304560Opus 5, Gelöste Aufgaben in Prozent: 51,8Opus 5DS-1017, Gelöste Aufgaben in Prozent: 42,3DS-1017GPT-5.6 Sol, Gelöste Aufgaben in Prozent: 39,9GPT-5.6 SolGLM-5.3, Gelöste Aufgaben in Prozent: 37,9GLM-5.3DS-Flash, Gelöste Aufgaben in Prozent: 31,2DS-FlashKimi K3, Gelöste Aufgaben in Prozent: 12,6Kimi K3Prozent
Daten als Tabelle
Gelöste Aufgaben in Prozent
Opus 551,8
DS-101742,3
GPT-5.6 Sol39,9
GLM-5.337,9
DS-Flash31,2
Kimi K312,6

Herstellerangaben DeepSeek [1]

Die Architektur dahinter

V4.1-Flash ist ein multimodales Mixture-of-Experts-Modell mit 552 Milliarden Backbone-Parametern und Unterstützung für Kontexte bis zu einer Million Tokens; die Hugging-Face-Seite beziffert die Gesamtgröße der Gewichtsdateien auf 763 Milliarden Parameter [1][3]. Der Clou ist die CED-Architektur (Causal Encoder-Decoder): 20 kausale Encoder-Schichten gefolgt von 20 Decoder-Schichten, wobei der globale KV-Cache des Decoders aus den letzten Encoder-Zuständen projiziert wird statt aus jeder Decoder-Schicht selbst [3].

Das Ergebnis: Pro Token aktiviert das Modell nur 8 Milliarden Parameter beim Prefill und 16 Milliarden beim Decode - teuer ist vor allem die Eingabe, und genau die wird bei Agenten-Workloads billig [3]. Dazu kommen SWA Bounded Replay, das den persistenten KV-Cache auf etwa ein Achtel von V4-Flash drückt, und Compressed Sparse Attention 2 mit drei statischen Modi (Full, Reindex, Reuse) [3].

Kein Jinja-Template - aber ein Rust-Toolkit

Praktisch relevant: Das Release enthält bewusst kein Jinja-Chat-Template. Stattdessen liefert DeepSeek eine eigenständige Python-Referenzimplementierung (encoding.py) mit Testfällen für Mehrfachdialoge, Tool-Aufrufe, Thinking-Modus und Bildinhalte [1]. Für den Produktivbetrieb empfiehlt DeepSeek deepseek-recipe: eine Sammlung von Rust-Bibliotheken mit Python-Bindings, die Messages-, Chat-Completions- und Responses-API-Anfragen in das Conversation-Format des Modells übersetzt - MIT-lizenziert, rund 2.500 GitHub-Sterne [1][2]. Modellinferenz, Tool-Ausführung und HTTP-Transport bleiben bewusst dem Aufrufer überlassen [2].

Für eigene Deployments nennt die Karte empfohlene Parameter: Temperatur 1.0, top_p 1.0, Kontextfenster 1M Tokens und mindestens 256K max_tokens [1]. Die Gewichte stehen unter der MIT-Lizenz - inklusive kommerzieller Nutzung [1].

Einordnung: Effizienz als Wettbewerbsachse

Das 1017-Update ist Mitte Oktober erschienen; gut eine Woche später hat auch OpenAI mit GPT-6.1 Terra ein Effizienz-Modell nachgelegt - die Richtung ist bei beiden gleich: kürzere, schnellere, billigere Agenten-Ausführung statt maximaler Einzelleistung. DeepSeeks Unterschied bleibt die Offenheit: MIT-Lizenz und 95.889 Downloads im letzten Monat (Stand: 27.10.2026) [1]. Wer V4.1-Flash bereits einsetzt, bekommt mit 1017 ein Drop-in-Update; die vollständige Architektur- und Kompressionsgeschichte steht in unseren früheren Analysen zum KV-Cache und zu DeepInfer [3].

Methode

Analyse auf Basis der DeepSeek-Modellkarten (V4.1-Flash-1017 und V4.1-Flash) sowie des deepseek-recipe-Repositorys. Alle Benchmark-Zahlen stammen vom Hersteller und wurden in herstellereigenen Harness-Konfigurationen erhoben; sie wurden nicht unabhängig reproduziert.

Grenzen

Die Vergleichswerte für andere Modelle (Opus 5, GPT-5.6 Sol, GLM-5.3, Kimi K3) stammen aus DeepSeeks eigener Tabelle, nicht aus unabhängigen Messungen. Das Modell wurde von der Redaktion nicht selbst ausgeführt; lokale Inferenz eines Modells dieser Größe ist ohne entsprechende GPU-Infrastruktur nicht praktikabel.

Quellen

  1. deepseek-ai/DeepSeek-V4.1-Flash-1017 - Modellkarte, Hugging Face / DeepSeek (abgerufen 2026-10-27) ↩1 ↩2 ↩3 ↩4 ↩5 ↩6
  2. deepseek-ai/deepseek-recipe - Repository, GitHub / DeepSeek (abgerufen 2026-10-27) ↩1 ↩2
  3. deepseek-ai/DeepSeek-V4.1-Flash - Modellkarte, Hugging Face / DeepSeek (abgerufen 2026-10-27) ↩1 ↩2 ↩3 ↩4 ↩5

Häufige Fragen

Was ist DeepSeek V4.1-Flash-1017?

Ein Update des offenen DeepSeek-V4.1-Flash-Modells mit besseren Reasoning-, Coding-, Agenten- und Vision-Werten bei kürzerer Ausführungszeit und kürzeren Antworten. Veröffentlicht Mitte Oktober 2026 unter MIT-Lizenz [1].

Unter welcher Lizenz steht das Modell?

Unter der MIT-Lizenz - die Gewichte und das Repository dürfen auch kommerziell genutzt werden [1].

Wie groß ist das Kontextfenster?

DeepSeek empfiehlt ein Kontextfenster von einer Million Tokens und mindestens 256K max_tokens pro Antwort [1].

Brauche ich ein spezielles Chat-Template?

Das Release enthält kein Jinja-Template. DeepSeek liefert eine Python-Referenz (encoding.py) und empfiehlt für Produktion das MIT-lizenzierte Rust-Toolkit deepseek-recipe, das API-Anfragen ins Modellformat übersetzt [1][2].

Wie sehr verbessert sich das Modell gegenüber V4.1-Flash?

Auf Terminal-Bench 4.0 von 31,2 auf 42,3 Prozent, auf ProgramBench von 20,3 auf 29,1 und auf Agents' Last Exam von 31,8 auf 35,4 - Herstellerangaben im jeweils genannten Harness [1].

Weiterlesen