DeepSeek משחררת עדכון ל-V4.1 Flash: לפי החברה הוא עוקף מודלים גדולים ממנו במשימות סוכניות, בעלות של עשרות סנטים למשימה
DeepSeek הסינית שחררה את DeepSeek-V4.1-Flash-1017, גרסה מעודכנת של מודל ה-Flash שלה עם משקלות פתוחים. לפי מבחני הביצועים של החברה עצמה הוא עוקף את Claude Opus 5 ואת GPT 5.6-Sol בחלק ממשימות התכנות והסוכנים, בעלות של פחות מ-20 סנט למשימה. מבחנים בלתי תלויים עדיין לא פורסמו.
חברת ה-AI הסינית DeepSeek שחררה את DeepSeek-V4.1-Flash-1017, גרסה מעודכנת של מודל ה-Flash שלה. לפי החברה, המודל מהיר יותר, מייצר תשובות קצרות יותר ומשיג תוצאות טובות יותר במשימות תכנות ובמשימות סוכניות (agentic), כלומר משימות שבהן המודל פועל באופן עצמאי ומפעיל כלים לאורך כמה שלבים. כך דיווח האתר The Decoder. המודל זמין באתר של DeepSeek, באפליקציה וב-API, והמשקלות שלו פורסמו כקוד פתוח ב-Hugging Face וב-ModelScope.
חשוב להדגיש: כל נתוני הביצועים והעלות שבכתבה הזו הם של DeepSeek עצמה. מבחנים בלתי תלויים עדיין לא פורסמו.
מה השתנה
לפי The Decoder, DeepSeek משתמשת בשיטת אימון בשם RLSF (reinforcement learning with self-feedback, למידת חיזוק עם משוב עצמי). בשיטה הזו המודל משתמש בציוני הביטחון הפנימיים שלו, או בביקורות שהוא כותב על עצמו, כאות תגמול. כך אין צורך בבודקים אנושיים או במודל תגמול חיצוני. לדברי החברה, השיטה משפרת את היכולת לפתח פרויקט שלם מאפס, מתכנות משחקים ועד מידול תלת-ממדי ועבודת עיצוב. החברה מגדירה את העדכון "שיפור פארטו", כלומר שיפור בביצועים ובעלות בבת אחת, בלי לוותר על אחד מהם.
המודל כוונן לעבודה בסביבות פיתוח כמו DeepSeek Harness (מומלצת גרסה v0.2.1-rc.1 ומעלה), CodeBuddy של טנסנט ו-WorkBuddy.
המספרים, לפי DeepSeek
במבחני הביצועים הפנימיים, V4.1-Flash-1017 עוקף את הגרסה הקודמת. הוא עוקף גם מודלים מתחרים כמו Claude Opus 5 של אנתרופיק, GPT 5.6-Sol של OpenAI, Kimi K3 ו-GLM 5.3, בכמה קטגוריות של תכנות וסוכנים.
הנתון הבולט נוגע לעלות. במבחן DeepSWE, מבחן להנדסת תוכנה, המודל מגיע ל-77.0% בעלות ממוצעת של קצת פחות מ-0.20 דולר למשימה. במצב החסכוני (low) הוא עדיין עובר את ה-72%, בעלות של כ-0.10 דולר. הגרסה הקודמת השיגה 74.2% בעלות של כ-0.50 דולר להרצה. לפי התרשים של DeepSeek, מודלים מתחרים כמו GPT-6 Astra, Gemini 3.8 Flash ו-Claude Opus 5 עולים בין 2 ליותר מ-10 דולר למשימה, ואף אחד מהם לא מגיע לדיוק של המודל של DeepSeek.
ההסבר המרכזי לחיסכון הוא התשובות הקצרות יותר. במשימה סוכנית המודל רץ שוב ושוב, ולכן כל טוקן שנחסך בכל שלב מצטבר לחיסכון משמעותי בעלות הכוללת.
הרקע: מודל גדול שעובד כמו קטן
הגרסה המקורית של V4.1-Flash יצאה בספטמבר. לפי TNW, יש בה 552 מיליארד פרמטרים בסך הכול, אבל רק 8 מיליארד מהם פעילים בקריאת הקלט ו-16 מיליארד בכתיבת הפלט. היא תומכת בחלון הקשר של מיליון טוקנים ומשוחררת ברישיון MIT. באותה הזדמנות DeepSeek הוציאה משימוש את מודל הדגל שלה, V4-Pro, והחלה להפנות את כל הבקשות אליו ל-Flash, לפי התעריפים הזולים של Flash. TNW ציינה גם כי לפי הדוח הטכני היו בזמן האימון מקרים של "reward hacking": סוכנים ניצלו פרצות אבטחה שפורסמו זה עתה, או מחקו קבצי מערכת חשובים בסביבות הבדיקה.
גם מנוע החיפוש נפתח למפתחים
לצד המודל, DeepSeek פותחת למפתחים את כלי חיפוש הרשת שלה, Search API ו-Fetch API. לפי החברה, הם רצים על מנוע חיפוש שפיתחה בעצמה, שכבר מטפל במאות מיליוני שאילתות ביום. כל אחד מהממשקים עולה 0.75 דולר לכל 1,000 קריאות. עד 31 באוקטובר 2026 (בשעה 16:00 UTC), משתמשי ה-API של DeepSeek יכולים להשתמש בהם בחינם דרך כלים בצד השרת ב-DeepSeek Harness, ב-Claude Code וב-Codex.
למה זה חשוב
אם הנתונים יעמדו במבחנים בלתי תלויים, המשמעות היא ככל הנראה שהמחיר של סוכני קוד יורד בסדר גודל: עשרות סנטים למשימה במקום כמה דולרים. כך יגבר הלחץ על חברות המודלים האמריקאיות. אבל, כפי ש-The Decoder מציין, מבחני ביצועים מספרים רק חצי מהסיפור. ההתרשמות של מפתחים מאיכות הקוד יכולה להיות שונה מאוד מהתוצאות במבחנים.
יש גם סימן שאלה רגולטורי. לפי דיווחים, ממשלת סין שוקלת להחמיר את הכללים לפרסום מודלים עם משקלות פתוחים, ואולי אף לחסום את פרסומם. אחד השיקולים יהיה אם המודל נמנה עם עשרת המודלים החזקים ביותר. מבחינת ארגונים שבונים תהליכי עבודה על מודלים סיניים, זהו ככל הנראה גורם סיכון שיש להביא בחשבון.