UnslothはHugging Face上のunsloth/DeepSeek-V4.1-Flash-1017-GGUFリポジトリで、DeepSeek-AIが開発したDeepSeek-V4.1-Flash-1017の技術レポートとモデル重みを公開しました。Terminal-Bench 4.0は42.3で、旧モデルDeepSeek-V4.1-Flashの31.2を上回ります。リポジトリは冒頭で「WIP - quants and implementation will be posted soon」としており、量子化版と実装は後日掲載の予定です。
UnslothはAIモデルの実行と学習のためのツール群で、量子化形式への出力に対応します。GGUFはGGMLプロジェクトで仕様が公開されている推論用モデルの保存形式です。
何が新しいか
DeepSeek-AIによると、DeepSeek-V4.1-Flash-1017はDeepSeek-V4.1-Flashのマイナーアップデートです。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し、タスク実行時間と出力長を削減したと説明しています。コンテキスト長は1M tokens、ライセンスはMIT Licenseで、pipeline_tagはimage-text-to-textです。
ベンチマーク
| Benchmark | V4.1-Flash-1017 | V4.1-Flash |
|---|---|---|
| HLE w/o tools | 42.6(テキストのみ44.0) | 36.8(39.1) |
| Terminal-Bench 4.0 | 42.3 | 31.2 |
| DeepSWE v1.1 | 77.0 | 74.2 |
| ProgramBench | 29.1 | 20.3 |
| NL2Repo-Bench | 68.2 | 65.4 |
| Automation-Bench v1.0.6 | 60.5 | 54.8 |
| Agents’ Last Exam | 35.4 | 31.8 |
| Apex Bench v1.1 | 72.1 | 64.6 |
| Chartography (w/tools) | 83.0 | 78.9 |
| BabyVision (w/tools) | 92.5 | 89.6 |
| ZeroBench-main (w/tools) | 51.0 | 49.0 |
Terminal-Bench 4.0はClaude Codeハーネス、DeepSWE v1.1はMini-SWE-V2ハーネスで測定しています。比較表ではOpus 5がTerminal-Bench 4.0で51.8、GPT-5.6 Solが39.9、GLM-5.3が37.9です。
試し方と推奨設定
重みの変換とローカル推論の手順はinference/README.mdにあります。推奨サンプリングパラメータは次のとおりです。
| Parameter | Value |
|---|---|
temperature |
1.0 |
top_p |
1.0 |
context_window |
1M tokens |
max_tokens |
≥ 256K |
プロンプトエンコーディング
このリリースにはJinja形式のchat templateが含まれません。代わりにencodingフォルダのPython参照実装encoding.pyが、マルチターン会話、ツール呼び出し、thinking mode、numeric reasoning effort、会話途中のsystem message、画像のインターリーブに対応し、テストケースも付属します。
本番利用向けには、同じプロンプト形式を提供するPythonバインディング付きRustライブラリ群のdeepseek-recipeを利用できます。Messages、Chat Completions、Responses APIのリクエストをConversation形式へ変換し、DeepSeek V4/V4.1のプロンプトまたはトークンIDへエンコードし、出力を完全またはストリーミングのレスポンスとして解析します。モデル推論、ツール実行、HTTPトランスポートは利用者側の実装です。
まだコメントはありません。