DeepSeek-V4.1-Flash-1017 - 추론, 코딩, 에이전트 및 시각 벤치마크 성능을 개선한 모델 업데이트

DeepSeek-V4.1-Flash-1017은 기존 V4.1-Flash의 소규모 업데이트로, 추론, 코딩, 에이전트 작업과 시각 벤치마크 성능을 개선함 공개 평가에서 Terminal-Bench 4.0 점수는 31.2에서 42.3으로, ProgramBench는 20.3에서 29.1로 상승함 작업 실행 시간과 출력 길이도 줄여, 여러 에이전트 하네스에서 성능 대비 비용을 개선함 Jinja 형식 채팅 템플릿은 제공하지 않으며, 프롬프트 인코딩용 Python 참조 구현과 프로덕션용 도구 모음인 deepseek-recipe를 제공함 권장 설정은 1M 토큰 컨텍스트 창, max_tokens 256K 이상이며, 저장소와 모델 가중치에는 MIT 라이선스가 적용됨 성능과 실행 효율 개선 DeepSeek-V4.1-Flash-1017은 DeepSeek-V4.1-Flash를 업데이트한 모델로, 성능 향상과 함께 작업 시간 및 출력 길이 감소를 달성함 사용자가 더 빠르고 낮은 비용으로 작업을 완료할 수 있으며, 여러 에이전트 하네스에서 성능과 비용의 파레토 경계를 개선함 추론 및 코딩 평가에서 기존 모델 대비 점수가 상승함 도구 없는 HLE: 36.8 → 42.6, 텍스트 전용 하위 집합은 39.1 → 44.0 Terminal-Bench 4.0: 31.2 → 42.3 DeepSWE v1.1: 74.2 → 77.0 ProgramBench: 20.3 → 29.1 NL2Repo-Bench: 65.4 → 68.2 에이전트 평가에서도 점수가 개선됨 Automation-Bench v1.0.6: 54.8 → 60.5 Agents’ Last Exam: 31.8 → 35.4 Apex Bench v1.1: 64.6 → 72.1 도구를 사용하는 시각 평가 점수도 상승함 Chartography: 78.9 → 83.0 BabyVision: 89.6 → 92.5 ZeroBench-main: 49.0 → 51.0 비교 대상은 K3, GLM-5.3, GPT-5.6 Sol, Opus 5이며, 모든 평가에서 선두인 것은 아님 DeepSWE v1.1, Automation-Bench v1.0.6, Agents’ Last Exam, Apex Bench v1.1에서는 표에 포함된 비교 모델보다 높은 점수를 기록함 HLE, Terminal-Bench 4.0, ProgramBench, NL2Repo-Bench, Chartography, BabyVision에서는 Opus 5가 ...