**DeepSeek V4.1-Flash-1017: Легка модель викликає флагманську, справжній акцент — на екосистемі** DeepSeek сьогодні представив V4.1-Flash-1017. За словами офіційного представника, модель показує кращі результати, швидше виконує завдання та дає більш стислі відповіді, називаючи це «покращенням за Парето» — тобто жоден параметр не погіршився, а всі вдосконалено. Модель вже доступна на вебсайті, додатку та API, а також відкрита на Hugging Face та ModelScope. **Цифри: лідерство у завданнях агентів, але ще відставання у глибоких міркуваннях** За офіційними порівняннями (усі дані — самоподані): - **Перевага над Claude Opus 5:** DeepSWE 77.0 проти 74.0, Automation-Bench 60.5 проти 50.3, Agents' Last Exam 35.4 проти 28.6, Apex Bench 72.1 проти 65.8. - **Ще відстає:** HLE 42.6 проти 56.3, Terminal-Bench 42.3 проти 51.8, ProgramBench 29.1 проти 37.0, NL2Repo 68.2 проти 75.3. - **Ступінь покращення:** Порівняно з попередньою версією Flash, Terminal-Bench зросла з 31.2 до 42.3 — найбільший прогрес. Легка модель рівня Flash досягла рівня або навіть перевершила флагманські моделі у багатьох тестах, пов’язаних з агентами та інженерними завданнями — це найважливіше. Але у глибоких міркуваннях, таких як HLE, розрив залишається значним. Більш об’єктивно: у інженерних та агентних завданнях вона «достатньо хороша та дешева», але не повністю вирівнюється. **Головне — Harness та екосистема** Офіційно особливо підкреслюється оптимізація під DeepSeek Harness, Tencent CodeBuddy та WorkBuddy, і рекомендується оновитися до Harness v0.2.1-rc.1 для отримання найкращих результатів. Іншими словами, DeepSeek продає не лише модель, а цілу систему виконання. Того ж дня було відкрито Search & Fetch API з власним пошуковим рушієм, який, за словами компанії, обробляє мільярди запитів щодня — це доповнює «пошук і отримання» як ключовий елемент. Ціна за кожен ендпоїнт — $0.75, але в посту не повністю вказано одиницю ціноутворення — потрібно перевірити документацію. Щодо навчання: офіційно використовується підсилене навчання з самооберненою зворотним зв’язком для покращення розробки цілого проекту — в демонстраціях показано створення ігор та 3D-моделювання. Анимації дуже привабливі, але гарний вигляд не означає стабільність чи придатність — потрібні реальні тести. **Декілька застережень** 1. Усі результати — самоподані; деякі цифри позначені зірочками — потребують незалежного підтвердження. 2. Деякі завдання можуть бути специфічними для певного harness або умов — у інших середовищах результат може не повторитися. 3. За повідомленнями, DeepSeek проводить фінансування та готується до IPO — темпи публікацій та нарратив можуть бути впливом комерційного тиску. **Висновок** Значення V4.1-Flash — не в тому, щоб «перемогти Opus», а в тому, щоб зробити «достатньо хорошу здатність агента» дешевшою та швидшою, поєднуючи її з інструментальним ланцюжком та API пошуку — прямо впливаючи на структуру витрат розробників. Далі слід спостерігати за двома речами: результатами незалежних оцінок та чи справді розробники перейдуть на платформу через Harness.