2026-10-18
DeepSeek-V4.1-Flash-1017 sube las puntuaciones en las mismas máquinas
El 17 de octubre de 2026 DeepSeek publicó una actualización solo de pesos. La misma arquitectura y la misma memoria que el 9 de septiembre, con puntuaciones más altas en código, agentes y visión, y respuestas más cortas.
El 17 de octubre de 2026 DeepSeek publicó DeepSeek-V4.1-Flash-1017. Es la actualización de pesos de DeepSeek-V4.1-Flash, publicado el 9 de septiembre. El catálogo de SophyAI ya sirve este checkpoint.
Qué se mantiene
La arquitectura, la configuración, el tokenizer y el formato del prompt son los del lanzamiento. Siguen los 48 shards, unos 510 GB, la precisión mixta MXFP4/MXFP8 y el mínimo oficial de 614 GB de HBM. El contexto nativo sigue en 1 millón de tokens. La licencia sigue siendo MIT.
Las máquinas del catálogo no cambian: vLLM en 8× H200, en 8× B200/B300 y, como perfil avanzado, en 4× B200. La imagen vllm/vllm-openai:deepseekv41-flash-0909 carga los pesos nuevos, porque la configuración es idéntica. La ruta de Mac con ds4 Metal sigue en el Q2 del lanzamiento de septiembre.
Dónde suben las puntuaciones
Los números de la tabla son los que DeepSeek publicó en la ficha del 1017. No son medidas de SophyAI.
| Benchmark | 9 de septiembre | 1017 |
|---|---|---|
| HLE sin herramientas | 36,8 | 42,6 |
| 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 |
| Automation-Bench | 54,8 | 60,5 |
| Agents' Last Exam | 31,8 | 35,4 |
| Apex Bench | 64,6 | 72,1 |
| Chartography, con herramientas | 78,9 | 83,0 |
| BabyVision, con herramientas | 89,6 | 92,5 |
| ZeroBench-main, con herramientas | 49,0 | 51,0 |
Los saltos más amplios están en Terminal-Bench 4.0, de 31,2 a 42,3, y en ProgramBench, de 20,3 a 29,1. HLE sin herramientas pasa de 36,8 a 42,6. En tareas de agentes, Automation-Bench sube de 54,8 a 60,5 y Agents' Last Exam de 31,8 a 35,4. La visión con herramientas también gana en Chartography, BabyVision y ZeroBench.
DeepSeek indica que, junto con las puntuaciones, el modelo escribe salidas más cortas y cierra las tareas antes. Una medida independiente de sference, hecha el 17 de octubre sobre los mismos problemas y la misma pila, encuentra en AIME una mediana de 1.124 tokens de salida frente a 1.681 del 9 de septiembre, cerca de un 21 % menos, con 100 respuestas correctas de 120 frente a 101. Con reasoning_effort 1 la mediana baja a 790 tokens. Tampoco son medidas de SophyAI.
En el catálogo
El checkpoint servido es deepseek-ai/DeepSeek-V4.1-Flash-1017. El perfil de producto sigue siendo vLLM en 8× H200. Los precios por hora del catálogo siguen siendo los de la búsqueda en Vast del 12 de septiembre de 2026: no los hemos vuelto a medir con los pesos nuevos, y no publicamos tok/s propios.