DeepSeek-V4.1-Flash-1017이 2026년 10월 17일 정식 출시됐고, DeepSeek은 같은 날 공식 위챗 계정과 공식 소셜 계정, Hugging Face 모델 페이지를 통해 배포를 시작했습니다. 웹사이트와 앱, API 모두 새 모델로 전환됐고 API 이름은 deepseek-flash 그대로, 가격도 이전 버전과 같습니다. 가중치는 Hugging Face와 ModelScope에 MIT 라이선스로 공개됐습니다. 마이너 업데이트로 분류되지만 공식 벤치마크 표에서 상승분은 거의 전부 프로그래밍과 에이전트 작업에 몰려 있습니다.
상승 폭이 가장 큰 곳은 프로그래밍과 에이전트
| 벤치마크 | V4.1-Flash-1017 | 이전 V4.1 Flash |
|---|---|---|
| DeepSWE v1.1 | 77.0 | 74.2 |
| Terminal-Bench 4.0 | 42.3 | 31.2 |
| ProgramBench | 29.1 | 20.3 |
| HLE(도구 없음) | 42.6 | 36.8 |
| NL2Repo-Bench | 68.2 | 65.4 |
먼저 측정 조건부터 짚어야 합니다. DeepSWE는 Mini-SWE-V2 하네스, Terminal-Bench 4.0은 Claude Code 하네스로 측정됐고 모두 DeepSeek 자체 보고 수치로, 독립적인 재검증은 아직 없습니다. 같은 표에서 1017의 DeepSWE 점수는 GPT-5.6 Sol의 73.0과 Claude Opus 5의 74.0보다 높고, Terminal-Bench 4.0에서도 K3의 12.6과 GLM-5.3의 37.9를 앞섭니다. 경량 Flash 계열 모델로서는 플래그십 점수대에 들어선 셈입니다.
Opus 5를 앞선 것은 일부 항목뿐
잣대를 일반 추론으로 바꾸면 그림이 달라집니다. HLE(도구 없음)에서는 Opus 5가 56.3 대 42.6, Terminal-Bench 4.0에서는 51.8 대 42.3, NL2Repo에서도 Opus 5가 75.3 대 68.2로 앞섭니다. 게다가 비교 기준은 Opus 5이지 더 새로운 Opus 5.5가 아닙니다. 정확히 말하면 1017은 소프트웨어 엔지니어링 벤치마크에서 플래그십급 점수에 닿았지만 일반 추론에서는 격차가 분명합니다. DeepSeek 스스로도 이번 업데이트를 minor update, 즉 소규모 업데이트로 규정합니다.
진짜 힘준 곳은 에이전트 하네스 최적화
이번 훈련에는 자기 피드백 기반 강화학습이 쓰였고, 공식 데모는 한 문장의 요구만으로 모델이 스스로 계획하고 코드를 짜서 3D 장면과 작은 게임까지 프로젝트 전체를 완성하는 작업에 집중합니다. 출시 노트는 DeepSeek Harness, 텐센트 CodeBuddy, WorkBuddy에 대한 최적화를 명시했고 Harness를 v0.2.1-rc.1 이상으로 올릴 것을 권합니다. 작업 완료가 빨라지고 출력이 짧아지면서 여러 하네스에서 성능과 비용의 파레토 프론티어가 전진했다는 것이 공식 설명입니다. 같은 일을 더 빨리 끝내고 출력 토큰이 줄어드니 작업당 실제 비용이 내려갑니다.
사용자에게 미치는 영향은 두 갈래입니다. API를 직접 호출하는 팀은 바꿀 것이 없습니다. deepseek-flash라는 이름 뒤의 모델만 새것으로 교체됐고 가격과 100만 토큰 컨텍스트는 그대로입니다. 가중치를 직접 돌리는 팀은 주의가 필요합니다. 이번 출시에는 Jinja 형식 채팅 템플릿이 포함되지 않았고, 공식은 저장소의 encoding 폴더에 참조 구현을, 프롬프트 인코딩용 Rust 툴킷 deepseek-recipe를 제공합니다. 마이그레이션 전에 이 층부터 맞춰야 합니다.
이전 버전이 9월에 나왔을 때 OpenCode가 DeepSeek V4.1 Flash를 무료로 개방해 많은 개발자가 비용 없이 써 봤습니다. 1017도 같은 개방 방식을 이어갑니다. 가중치도, 가격도, 접속 이름도 그대로이고 바뀐 것은 성적표뿐입니다.
