Обновленный DeepSeek получил контекстное окно на 1 млн токенов и стал лучше писать код

DeepSeek выпустила обновление модели V4.1-Flash под названием V4.1-Flash-1017. 

Она лучше справляется с программированием, автоматизацией задач и работой ИИ-агентов, а также тратит меньше времени и токенов на выполнение заданий. 

При этом модель сохранила открытую лицензию MIT, которая разрешает свободно использовать и изменять ее веса.

Главное преимущество DeepSeek-V4.1-Flash-1017 — контекстное окно на миллион токенов. Модель может обрабатывать большие объемы текста и сохранять контекст в продолжительных рабочих сессиях. 

Насколько лучше стала модель

По данным DeepSeek, обновление улучшило результаты практически во всех представленных тестах. Особенно заметен прогресс в задачах, связанных с разработкой и автономной работой.

В Terminal-Bench 4.0, который проверяет выполнение задач через командную строку, результат вырос с 31,2 до 42,3 балла. В тесте ProgramBench показатель увеличился с 20,3 до 29,1, а в DeepSWE v1.1 — с 74,2 до 77 баллов. Тест Apex Bench v1.1, оценивающий работу ИИ-агентов, вырос с 64,6 до 72,1 балла.

Улучшились и результаты в задачах с визуальной информацией. Например, в Chartography модель набрала 83 балла против 78,9 у предыдущей версии. В тесте Humanity’s Last Exam без использования инструментов результат вырос с 36,8 до 42,6 балла.

DeepSeek также заявляет, что обновленная модель быстрее выполняет задания и выдает более короткие ответы. Это может снизить задержки и расходы на обработку запросов при массовом использовании.

Как DeepSeek работает с длинным контекстом

Важная часть технической работы над моделью — сжатие KV-кэша. Он хранит промежуточные результаты вычислений, необходимые для обработки предыдущих токенов. Чем длиннее диалог или документ, тем больше памяти требуется для хранения этих данных.

Сжатие кэша помогает эффективнее расходовать память видеокарт и работать с длинными последовательностями. Для модели с контекстом на миллион токенов это особенно важно.

Без эффективного управления памятью обработка столь больших объемов данных становится дорогой и ресурсоемкой.

Модель распространяется в формате Safetensors с квантованием FP8 и разделена на 48 файлов. Она умеет работать не только с текстом, но и с изображениями. 

Для интеграции разработчики могут использовать опубликованный DeepSeek кодировщик на Python или набор инструментов deepseek-recipe с библиотеками на Rust и привязками для Python.

С кем конкурирует DeepSeek

В собственных сравнительных тестах DeepSeek-V4.1-Flash-1017 опережает ряд конкурентов в программировании и агентных задачах, включая K3, GLM-5.3 и GPT-5.6 Sol. В частности, модель показывает лучшие результаты в Terminal-Bench 4.0, DeepSWE v1.1 и Apex Bench v1.1.

Однако превосходство не распространяется на все сценарии. Opus 5 показывает более высокие результаты в некоторых тестах на рассуждение и обработку изображений, а также опережает DeepSeek в NL2Repo-Bench, который оценивает создание структуры репозитория по текстовому описанию. В ZeroBench-main преимущество у GPT-5.6 Sol.