شرکت DeepSeek روز ۲۵ مهر ۱۴۰۵ (۱۷ اکتبر ۲۰۲۶) مدل DeepSeek-V4.1-Flash-1017 را منتشر کرد. به گفته‌ی خودِ شرکت، این مدل از نسخه‌ی قبلی سریع‌تر است، خروجی کوتاه‌تر می‌دهد و در آزمونِ کدنویسیِ DeepSWE به ۷۷٪ دقت می‌رسد، آن هم با هزینه‌ای کمتر از ۰٫۲۰ دلار برای هر کار. وزن‌های مدل روی Hugging Face و ModelScope هم گذاشته شده است.
DeepSeek-V4.1-Flash-1017 چه چیز تازه‌ای دارد؟
DeepSeek می‌گوید این به‌روزرسانی «بهبودِ پارتو» است؛ یعنی هم عملکرد بهتر شده و هم هزینه پایین آمده، بدونِ اینکه یکی فدای دیگری شود. طبق اعلامیه‌ی رسمی، مدل با یادگیریِ تقویتی و بازخوردِ خودِ مدل آموزش دیده تا پروژه‌های نرم‌افزاریِ کامل را از اول تا آخر انجام دهد. The Decoder می‌نویسد مدل برای ساختِ بازی، طراحیِ سه‌بعدی و حتی انیمیشنِ ویدیوهای توضیحیِ کوتاه هم هدف‌گیری شده است. محیط‌های پیشنهادیِ کار با آن Deepseek Harness و ابزارهای Tencent CodeBuddy و WorkBuddy هستند.
برای انجام عملیِ همین کار می‌توانی از چت با هوش مصنوعی به فارسی در هوش نو استفاده کنی.
نامِ API هم عوض شد: deepseek-flash حالا به همین مدل وصل است. نام‌های قدیمیِ deepseek-v4-flash و deepseek-v4-flash-vision-exp هنوز کار می‌کنند، ولی بازنشسته شده‌اند و درخواست‌هایشان به مدلِ تازه می‌رود و با قیمتِ Flash حساب می‌شود.
عددها چه می‌گویند؟
| مدل / حالت | دقت در DeepSWE | هزینه‌ی هر کار |
|---|---|---|
| V4.1-Flash-1017، حالتِ بالا | ۷۷٫۰٪ | کمتر از ۰٫۲۰ دلار |
| V4.1-Flash-1017، حالتِ پایین | بیش از ۷۲٪ | حدود ۰٫۱۰ دلار |
| V4.1-Flash قبلی | ۷۴٫۲٪ | حدود ۰٫۵۰ دلار |
DeepSeek می‌گوید مدل در چند دسته‌ی کدنویسی و ایجنت از رقبای بزرگ‌تری مثل Claude Opus 5، GPT 5.6-Sol، Kimi K3 و GLM 5.3 بهتر است. در نمودارِ هزینه هم مدل‌هایی مثل Claude Opus 5 و GPT-6 Astra و Gemini 3.8 Flash بین حدود ۲ تا بیش از ۱۰ دلار برای هر کار خرج برمی‌دارند. نکته‌ی مهم: همه‌ی این نتیجه‌ها را خودِ DeepSeek منتشر کرده و هنوز آزمونِ مستقلی در دست نیست. در متنِ اعلامیه هم جزئیاتِ عددی بیشتر در نمودار است، نه در متن. اندازه‌ی مدل، طولِ زمینه، قیمتِ هر توکن و مجوزِ وزن‌ها در منبع‌هایی که دیدم نیامده بود.
API جست‌وجو و خواندنِ صفحه
همراهِ مدل، DeepSeek موتورِ جست‌وجوی خودش را با دو API به نام Search و Fetch برای همه‌ی توسعه‌دهندگان باز کرده است. قیمت برای هر نقطه‌ی پایانی ۰٫۷۵ دلار به ازای هر هزار فراخوانی است. اگر از راهِ ابزارهای سمتِ سرورِ Deepseek Harness، Claude Code یا Codex استفاده کنی، تا ساعت ۱۶:۰۰ به وقتِ UTC روزِ ۳۱ اکتبر ۲۰۲۶ رایگان است و بعد از آن هزینه می‌گیرند. آموزشِ راه‌اندازی در api-docs.deepseek.com/guides/search آمده است.
The Decoder در همین گزارش نوشته که دولتِ چین قصد دارد قوانینِ انتشارِ مدل‌های وزن‌باز را سخت‌تر کند. این هنوز برنامه است، نه قانونِ نهایی.
این خبر برای کاربرِ فارسی‌زبان چه معنایی دارد؟
برای برنامه‌نویس‌ها و تیم‌های کوچک، مهم‌ترین چیز هزینه است. اگر ادعای DeepSeek در آزمون‌های مستقل هم تأیید شود، کارهایی مثل رفع باگ یا نوشتنِ ویژگیِ تازه با کسری از هزینه‌ی مدل‌های گران انجام می‌شود. وزن‌های باز هم یعنی می‌شود مدل را روی زیرساختِ خودت اجرا کرد، البته اگر سخت‌افزارش را داشته باشی. تا آزمونِ مستقل نیامده، بهتر است مدل را روی کارِ خودت بسنجی و فقط به نمودارِ شرکت اکتفا نکنی.
برای گفت‌وگو و کار با DeepSeek و مدل‌های دیگر به فارسی، در ابزارهای هوش‌نو می‌توانی چتِ هوش مصنوعی را امتحان کنی. برای گرفتنِ جواب بهتر از این مدل پرامپت‌نویسی در DeepSeek را بخوان. اگر مدل‌های وزن‌بازِ دیگر را هم دنبال می‌کنی، Muse Spark Open متا و FLUX 3 Image Klein را ببین.
سؤالات متداول
DeepSeek-V4.1-Flash-1017 را از کجا می‌شود استفاده کرد؟
از راهِ وب‌سایت، اپ و APIی DeepSeek. وزن‌ها هم روی Hugging Face با نامِ deepseek-ai/DeepSeek-V4.1-Flash-1017 و روی ModelScope هستند.
نامِ مدل در API چیست؟
نامِ deepseek-flash حالا به این مدل اشاره می‌کند و روشِ فراخوانی عوض نشده است.
آیا نتیجه‌های آزمون مستقل‌اند؟
نه. عددها را خودِ DeepSeek داده و بر اساسِ منبع‌هایی که دیدیم، هنوز ارزیابیِ مستقلی منتشر نشده است.
