DeepSeek julkaisi lauantaina 17. lokakuuta päivitetyn V4.1-Flash-1017-mallin. Malli korvaa syyskuussa julkaistun V4.1 Flashin yhtiön verkkopalvelussa, sovelluksessa ja rajapinnassa, jossa deepseek-flash-nimi osoittaa nyt uuteen versioon.
Samalla DeepSeek julkaisi mallin painot Hugging Facessa ja ModelScopessa MIT-lisenssillä. Uutuuden toinen puolisko on kehittäjille avattu Search- ja Fetch-rajapinta, joka rakentuu DeepSeekin omalle hakukoneelle. Hacker Newsissa julkaisu nousi päivän luetuimpien joukkoon.
Flash-mallin päivitys on DeepSeekin toinen merkittävä julkaisu alle kuuteen viikkoon. Tahti kertoo, että kiinalainen laboratorio kilpailee nyt yhtä lailla agenttien käyttökustannuksilla kuin pelkillä vertailupisteillä.
Pieni aktiivinen osa isossa mallissa
V4.1-Flash-1017 on harva Mixture of Experts (MoE) -malli, jossa on yhteensä 552 miljardia parametria. Syötettä käsitellessään se aktivoi vain 8 miljardia parametria ja vastausta tuottaessaan 16 miljardia. MIT-lisenssi sallii myös kaupallisen käytön ja mallin muokkaamisen ilman erillistä sopimusta.
Konteksti-ikkuna on miljoona tokenia. DeepSeek kertoo pienentäneensä avain-arvovälimuistin, eli KV-välimuistin, noin neljännekseen edeltäjään verrattuna. Se laskee pitkien agenttiajojen muistivaatimusta selvästi.
Flash on DeepSeekin uuden arkkitehtuuriperheen pienin malli. Sen tehtävä on kilpailla hinnalla koodaus- ja agenttityössä, ei voittaa jokaista vertailua.
Pieni aktiivinen osuus tekee mallista nopean ja halvan ajaa, vaikka kokonaiskoko on suuri. Itse isännöivälle se ei silti ole kevyt: 552 miljardin parametrin painot vaativat useita palvelinluokan näytönohjaimia, vaikka laskentaa tarvitaan vähän.
Malli palkitsee itse itseään
Koulutuksen kiinnostavin yksityiskohta on jälkikoulutus. DeepSeek käytti vahvistusoppimista, jossa palkkiona toimii mallin oma itsepalaute: sen varmuus vastauksesta ja oma kritiikki tuotoksestaan.
Tavallisesti vahvistusoppiminen tarvitsee ulkoisen arvioijan, kuten ihmisarvioita, testejä tai erillisen palkkiomallin. Itsepalautteeseen nojaava menetelmä keventää tätä vaihetta, jos se toimii yhtä hyvin kuin yhtiö väittää.
Menetelmän riskit tunnetaan. Malli voi oppia olemaan varma väärästä vastauksesta, ellei palkkiota tasapainoteta huolella. Riippumattomat arviot kertovat vasta myöhemmin, miten hyvin DeepSeek on ongelman ratkaissut.
Jos menetelmä yleistyy, se voi laskea myös muiden laboratorioiden koulutuskustannuksia. Ulkoisen arvioinnin rakentaminen on vahvistusoppimisen kallein ja hitain vaihe, erityisesti pitkissä agenttitehtävissä, joissa oikeaa vastausta ei voi tarkistaa yhdellä testillä.
Vertailuluvut ja hinta per tehtävä
DeepSeekin omissa testeissä uusi Flash päihittää edeltäjänsä kaikilla mittareilla. DeepSWE v1.1 -koodausvertailussa se saa 77,0 pistettä, kun Claude Opus 5 jää lukemaan 74,0. Humanity's Last Exam -kokeessa tulos on 42,6.
Yhtiö kertoo mallin ohittavan useissa agentti- ja koodaustesteissä myös GPT-5.6 Solin, Kimi K3:n ja GLM 5.3:n. Opus 5 pitää silti kärkipaikan Terminal-Bench 4.0:ssa ja Humanity's Last Examissa.
Suurempi muutos on hinnassa. DeepSeekin kustannuskaavion mukaan yksi DeepSWE-tehtävä maksaa nyt alle 0,20 dollaria, kun edellisellä Flashilla hinta oli noin 0,50 dollaria. Kaikki luvut ovat yhtiön omia, eikä riippumattomia mittauksia ole vielä julkaistu.
Hinnan pudotus on agenttikäytössä merkittävämpi kuin yksittäisen kyselyn hinta. Koodausagentti voi ajaa saman tehtävän kymmeniä kertoja, kokeilla eri ratkaisuja ja ajaa testit uudelleen. Silloin tehtäväkohtainen hinta ratkaisee, kannattaako työ automatisoida.
Search ja Fetch tuovat haun agentteihin
Mallin rinnalla DeepSeek avasi julkiset Search- ja Fetch-rajapinnat. Search hakee tuloksia DeepSeekin omasta hakukoneesta, ja Fetch hakee yksittäisen sivun sisällön agentin käyttöön. Hinta on 5 juania eli noin 0,75 dollaria tuhatta onnistunutta kutsua kohden.
Lokakuun loppuun asti haku on ilmainen DeepSeek Harnessin, Claude Coden ja Codexin kautta. Tarjous osoittaa, että DeepSeek tavoittelee kilpailijoiden agenttityökalujen käyttäjiä eikä vain omia asiakkaitaan.
Haku on agenttien pullonkaula, koska useimmat mallit tarvitsevat ulkoisen hakupalvelun ajantasaiseen tietoon. Kun malli ja haku tulevat samalta toimittajalta, integraatio yksinkertaistuu, mutta samalla riippuvuus yhdestä palveluntarjoajasta kasvaa.
Hakurajapinnan hinta asettuu selvästi alle monien länsimaisten hakupalveluiden. Rajoitus viiteen pyyntöön sekunnissa tiliä kohden voi kuitenkin hidastaa raskaita rinnakkaisia agenttiajoja, joissa sadat aliagentit hakevat tietoa yhtä aikaa. Laskutus koskee vain onnistuneita hakuja.
Yhteenveto
V4.1-Flash-1017 jatkaa DeepSeekin linjaa: avoimet painot, salliva lisenssi ja aggressiivinen hinta. Agenttitehtävän hinta putoaa yhtiön mukaan yli puoleen, ja haku tulee samasta paketista.
Itsepalautteeseen perustuva jälkikoulutus on julkaisun teknisesti kiinnostavin osa. Jos tulokset kestävät riippumattoman arvioinnin, menetelmä voi levitä nopeasti muihinkin avoimiin malleihin.
Kehittäjälle olennaisinta on odottaa riippumattomia vertailuja ennen kuin malli korvaa kalliimman. Hakurajapinnan voi kuitenkin kokeilla jo nyt ilmaiseksi Claude Coden tai Codexin kautta lokakuun loppuun asti.