DeepSeek-AIは、DeepSeek-V4.1-Flashのマイナーアップデート版「DeepSeek-V4.1-Flash-1017」をHugging Face(deepseek-ai/DeepSeek-V4.1-Flash-1017)で公開しました。Terminal-Bench 4.0で前版の31.2から42.3へ、ProgramBenchで20.3から29.1へスコアを伸ばしています。
DeepSeekは杭州の深度求索が展開するAI開発企業・ブランドで、研究成果とモデルの重みを公開しています。
何が新しいか
DeepSeek-AIによると、1017は推論、コーディング、エージェントタスク、視覚ベンチマークを改善すると同時に、タスク実行時間と出力長を削減し、より短時間・低コストでの処理を目指したモデルです。コンテキスト長は1M tokens、パイプラインタグはimage-text-to-textで、重みはMIT Licenseで公開しています。
ベンチマーク
| Benchmark | V4.1-Flash-1017 | V4.1-Flash | K3 | GLM-5.3 | GPT-5.6 Sol | Opus 5 |
|---|---|---|---|---|---|---|
| HLE w/o tools | 42.6 (44.0†) | 36.8 (39.1†) | 43.5 | 42.0† | 44.5 | 56.3 |
| Terminal-Bench 4.0 | 42.3 | 31.2 | 12.6 | 37.9 | 39.9 | 51.8 |
| DeepSWE v1.1 | 77.0 | 74.2 | 67.5 | 66.9 | 73.0 | 74.0 |
| ProgramBench | 29.1 | 20.3 | 17.5 | 19.0 | 23.0 | 37.0 |
| NL2Repo-Bench | 68.2 | 65.4 | 58.0 | 58.0 | 56.8 | 75.3 |
| Automation-Bench v1.0.6 | 60.5 | 54.8 | 46.7 | 48.8 | 45.8 | 50.3 |
| Agents’ Last Exam | 35.4 | 31.8 | 27.6 | 28.5 | 26.7 | 28.6 |
| Apex Bench v1.1 | 72.1 | 64.6 | 47.8 | 56.6 | 54.3 | 65.8 |
| Chartography (w/tools) | 83.0 | 78.9 | 68.1 | — | 79.9 | 84.0 |
| BabyVision (w/tools) | 92.5 | 89.6 | 85.7 | — | 88.9 | 94.1 |
| ZeroBench-main (w/tools) | 51.0 | 49.0 | 41.0 | — | 53.0 | 52.0 |
†はHLEのtext-only subsetです。Terminal-Bench 4.0はClaude Code harness、DeepSWE v1.1はMini-SWE-V2 harnessで評価しています。
試し方・要件
- 重みの変換とローカル推論の手順はリポジトリの
inferenceフォルダにあります。 - 推奨サンプリング設定は
temperature1.0、top_p1.0、max_tokens256K以上です。 - Jinja形式のチャットテンプレートは同梱していません。
encoding/encoding.pyのPython参照実装で、マルチターン会話、ツール呼び出し、thinking mode、数値による推論努力度、会話途中のsystem message、画像を含む会話をエンコードします。 - 本番向けには、Pythonバインディング付きRustライブラリ群
deepseek-recipeを提供しています。Messages、Chat Completions、Responses APIのリクエストをConversation形式に変換し、DeepSeek V4/V4.1のプロンプトまたはtoken IDへエンコードし、モデル出力を完全応答またはストリーミング応答として解析します。モデル推論、ツール実行、HTTPトランスポートは利用者側で実装します。
まだコメントはありません。