- DeepSeek-V4.1-Flash-1017 es una actualización menor del modelo de lenguaje que lee textos, responde preguntas y escribe código. Según el original, mejoró en razonamiento, programación, tareas de agentes que manejan varios pasos por sí solos y pruebas visuales relacionadas con imágenes.
- El equipo de desarrollo afirma que puede reducir el tiempo de ejecución de las tareas y la longitud de la salida, de modo que el mismo trabajo cuesta menos. Esta es una afirmación del equipo, y el original no incluye mediciones de organismos independientes.
- En la tabla de pruebas publicada por el equipo, Terminal-Bench 4.0 obtuvo 42.3 puntos y DeepSWE v1.1 obtuvo 77.0 puntos, por encima de los 31.2 y 74.2 puntos de la versión anterior V4.1 Flash. El original indica que las dos pruebas se midieron en los entornos de evaluación (arneses) Claude Code y Mini-SWE-V2, respectivamente.
- Esta publicación no incluye una plantilla de chat Jinja (un formato que organiza la estructura de la conversación). En su lugar incluye encoding.py, una implementación de referencia en Python. Para uso en producción también se ofrece la biblioteca deepseek-recipe, escrita en Rust. La configuración recomendada es temperature 1.0, top_p 1.0 y una ventana de contexto de 1M tokens.
O: Con base en las puntuaciones de Terminal-Bench 4.0 y DeepSWE, esto sirve a un desarrollador que quiera comparar con un modelo existente: elige una tarea de automatización de programación que realmente use y mide por su cuenta la calidad, el tiempo de respuesta y el coste de ambos modelos.
X: Las cifras de referencia son resultados publicados por el equipo de desarrollo. Los entornos de evaluación son distintos (Claude Code y Mini-SWE-V2), así que no se compararon en las mismas condiciones. Conviene comprobarlo antes de sacar conclusiones.