DeepSeek veröffentlicht V4.1-Flash-1017-Checkpoint: DeepSWE 77,0, Such- und Scraping-API geöffnet
Laut einem Bericht von MarkTechPost vom 17. Oktober 2026 hat DeepSeek den nachtrainierten Checkpoint V4.1-Flash-1017 veröffentlicht, der unter dem Modellnamen deepseek-flash läuft und laut Angaben in allen 11 Benchmarks den September-Stand übertrifft, mit 77,0 auf DeepSWE v1.1; zugleich wurden Such- und Scraping-APIs für alle Entwickler geöffnet, mit Abrechnung pro tausend Aufrufe.
Was sich geändert hat
Laut einem Bericht von MarkTechPost vom 17. Oktober 2026 hat DeepSeek DeepSeek-V4.1-Flash-1017 veröffentlicht, einen aktualisierten nachtrainierten Checkpoint von V4.1-Flash, der über den Modellnamen deepseek-flash auf der Website, in der App und über die API verfügbar ist und sowohl OpenAI- als auch Anthropic-Endpunktformate unterstützt. Der Bericht nennt als Größe 552B Hauptparameter plus 196B Engram-Parameter, 8B aktivierte Parameter pro Token beim Prefill und 16B beim Decoding, 1M Tokens Kontext und ein Ausgabelimit von 384K Tokens; die Architekturdetails stammen aus dem technischen Bericht zu V4.1-Flash und umfassen einen kausalen Encoder-Decoder, Compressed Sparse Attention 2, FP4-Haupt-KV-Cache sowie SWA-begrenztes Replay. DeepSeek gibt an, dass der Checkpoint in allen 11 Benchmarks den September-Stand von V4.1-Flash übertrifft, mit Verbesserungen von 2,0 bis 11,1 Punkten, darunter 77,0 auf DeepSWE v1.1 (gegenüber 74,2) und 42,3 auf Terminal-Bench 4.0 (gegenüber 31,2); der Bericht weist zugleich darauf hin, dass Claude Opus 5 bei Terminal-Bench 4.0, ProgramBench, NL2Repo und tool-freiem HLE weiterhin führt. Parallel zur Modellveröffentlichung hat DeepSeek die Such- und Scraping-API für alle Entwickler geöffnet.
Auswirkungen für Entwickler
Die direkteste Änderung für Agenten-Entwickler ist, dass Modell und Web-Tool-Ebene von demselben API-Schlüssel angetrieben werden können, was eine Integrations- und Credential-Verwaltungsebene eines externen Suchanbieters einspart. Der Such-Endpunkt liefert Ergebnisse mit 0 bis 3 Reranking-Scores und 0 bis 4 Autoritätsstufen, der Scraping-Endpunkt wandelt eine einzelne Seite in Markdown um; das bedeutet, dass Retrieval-Ranking-Signale in die eigene Reranking- oder Filterlogik der Anwendung einfließen können, statt nur Rohlinks zu erhalten. Zu unterscheiden sind mehrere Faktenebenen: Die Modellverbesserung stammt aus von DeepSeek selbst gemeldeten Benchmark-Daten und ist nicht unabhängig reproduziert; die FP8-Gewichte des September-V4.1-Flash mit 763B Parametern wurden einst unter MIT-Lizenz auf Hugging Face veröffentlicht, doch der Bericht stellt ausdrücklich fest, dass die 1017-Gewichte und Hardwareanforderungen nicht offengelegt wurden; daher lässt sich die MIT-Lizenz der September-Version nicht auf den 1017-Checkpoint übertragen, denn Gewichtsverfügbarkeit und Lizenzgewährung sind zwei verschiedene Dinge. Auch die Einschränkungen auf der Tool-Seite sind öffentlich: Suche und Scraping sind jeweils auf 5 QPS pro Konto begrenzt, jeder erfolgreiche Aufruf wird pro Endpunkt abgerechnet, leere Ergebnisse und Fehler sind kostenlos, und über das Harness ausgelöste serverseitige Aufrufe sind bis zum 1. November 2026 kostenlos; solche Preise und Gratiszeiträume ändern sich und sollten anhand der tagesaktuellen Angaben in den Herstellerdokumenten und auf der Preisseite geprüft werden.
Integration und Bewertung
Das Folgende ist eine Empfehlungs- und Bedingungsanalyse, keine berichtete Tatsache. Die erste Entscheidung betrifft die Stufe der Inferenzintensität: Der Bericht gibt an, dass das Modell einen Skalar für Inferenzintensität von 1 bis 100 bietet, wobei die API-Werte low, high und max auf 50, 75 und 100 abgebildet werden. Wenn die Arbeitslast aus strukturierten Codeänderungen oder repository-weiten Patches besteht, wählen Sie high oder max und messen Aufgabenabschlussrate sowie Anzahl der Ausgabe-Tokens; bei kurzen Ausgabeaufgaben wie Klassifikation, Extraktion oder Routing wählen Sie zunächst low und fordern, dass die Genauigkeit auf einem festen Stichprobensatz um nicht mehr als einen akzeptablen Schwellenwert sinkt. Die zweite Entscheidung betrifft die Suchanbindung: Die Such-API liefert pro Aufruf nur 1 bis 50 Ergebnisse bei 5 QPS pro Konto; ob die Erstanbieter-Suche genutzt wird, hängt daher von Abfragevolumen und Nebenläufigkeitsanforderungen ab. Wenn das tägliche Abfragevolumen deutlich über das hinausgeht, was 5 QPS tragen können, sollte eine externe Retrieval-Komponente als Hauptpfad beibehalten und die Erstanbieter-Suche für Long-Tail-Abfragen genutzt werden, die Autoritätsstufen und Reranking-Scores benötigen; als Bewertungsmetriken bieten sich Trefferquote der Antwortzitate und Kosten pro erfolgreicher Abfrage an, mit den Abrechnungsregeln für leere Ergebnisse als Grenzfalltest für Fehlerszenarien. Die dritte Entscheidung betrifft die Harness-Version: Der Bericht gibt an, dass der Checkpoint für DeepSeek Harness, Tencent CodeBuddy und WorkBuddy optimiert wurde, und empfiehlt Harness v0.2.1-rc.1 oder höher; in Umgebungen ohne diese Versionsvoraussetzung müssen sich Benchmark-Verbesserungen daher nicht auf das eigene Agenten-Framework übertragen; als Zulassungskriterium sollte die Aufgabenabschlussrate auf dem eigenen Evaluierungsdatensatz dienen, nicht direkt die im Bericht genannten DeepSWE-Werte.
Grenzen und offene Fragen
Alle Benchmark-Werte im Bericht sind von DeepSeek selbst gemeldete Daten; der Bericht selbst liefert keine Drittreproduktion, und seine Evaluierung erfolgte in bestimmten Umgebungen wie Claude Code und Mini-SWE-V2, sodass die Schlussfolgerungen mit einem eigenen Harness anders ausfallen können. Die Beschreibungen von Architekturparametern, Kontext und Ausgabelimit stammen aus dem technischen Bericht zu V4.1-Flash; der Bericht sagt nicht, ob der 1017-Checkpoint in diesen Punkten Änderungen aufweist. Die 1017-Gewichte wurden nicht offengelegt; ihre Verfügbarkeit auf Hugging Face und KimiSeek lässt sich nicht aus der MIT-Lizenz des September-V4.1-Flash ableiten, und auch die Hardwareanforderungen wurden nicht offengelegt, sodass für lokale Bereitstellung derzeit keine belastbaren Informationen vorliegen. Anzumerken ist, dass DeepSeek V4.1 Flash 1017 im Live-Katalog von KimiSeek erschienen ist (der Katalog zeigt einen Kontext von 1024000 und den Typ chat), doch dies ist nur der aktuelle Katalogstand und keine Stütze für die im Bericht genannten Benchmarks oder Bereitstellungsfähigkeiten; die im Bericht genannten API-Preise, das 5-QPS-Limit und der Gratiszeitraum beziehen sich auf offizielle DeepSeek-Kanäle, Tarife und Gratiszeiträume können sich ändern und sollten anhand der tagesaktuellen Angaben auf der Hersteller-Preisseite und in den Dokumenten geprüft werden.