DeepSeek V4.1-Flash-1017 veröffentlicht: offene Gewichte, RLSF-Nachtraining und offene Such-API
Laut einem Bericht von THE DECODER vom 17. Oktober 2026 hat DeepSeek V4.1-Flash-1017 veröffentlicht; das Unternehmen gibt an, bei Coding- und Agenten-Aufgaben größere Wettbewerber zu geringeren Kosten pro Aufgabe zu übertreffen, die Gewichte sind auf Hugging Face und ModelScope öffentlich, und erstmals wird eine eigene Such- und Fetch-API für Entwickler geöffnet.
Was sich geändert hat
Laut einem Bericht von THE DECODER vom 17. Oktober 2026 hat DeepSeek eine aktualisierte Version des Flash-Modells veröffentlicht, DeepSeek-V4.1-Flash-1017. Dem Bericht zufolge ist diese Version über die Unternehmenswebsite, die App und die API nutzbar, die Gewichte sind auf Hugging Face und ModelScope öffentlich. Im Vergleich zum direkten Vorgänger V4.1-Flash berichtet die Quelle von Verbesserungen bei Benchmark-Werten, Aufgabenabschlussgeschwindigkeit und Ausgabelänge; das Unternehmen beschreibt dies als Pareto-Verbesserung im Verhältnis von Leistung und Kosten. Zur Trainingsmethode heißt es im Bericht, die Version nutze Reinforcement Learning mit Selbstfeedback (RLSF), das dem Modell erlaube, seine eigene interne Konfidenz oder selbst erzeugte Kritik als Belohnungssignal zu verwenden, ohne auf menschliche Bewerter oder externe Reward-Modelle angewiesen zu sein. Der Bericht nennt eine Optimierung für Entwicklungsumgebungen wie DeepSeek Harness (empfohlen v0.2.1-rc.1 oder höher), Tencent CodeBuddy und WorkBuddy. In DeepSeeks eigenen Tests übertrifft die Version laut Bericht in mehreren Coding- und Agenten-Kategorien größere Modelle wie Claude Opus 5, GPT 5.6-Sol, Kimi K3 und GLM 5.3. Die im Bericht gezeigte DeepSWE-Kostengrafik nennt 77,0 % Punktzahl bei durchschnittlich knapp unter 0,20 US-Dollar pro Aufgabe; in einer niedrigeren Konfiguration werden bei etwa 0,10 US-Dollar noch über 72 % erreicht; der Vorgänger erreichte 74,2 % bei etwa 0,50 US-Dollar pro Lauf. Zudem öffnet DeepSeek dem Bericht zufolge erstmals die interne Suchmaschine als Search- und Fetch-API für Entwickler, mit 0,75 US-Dollar pro 1000 Aufrufe je Endpunkt, und DeepSeek-API-Nutzer können sie über serverseitige Tools in DeepSeek Harness, Claude Code und Codex bis zum 31. Oktober 2026, 16:00 UTC, kostenlos nutzen. Der Bericht erwähnt außerdem, die chinesische Regierung plane Berichten zufolge, Vorschriften für die Veröffentlichung von Modellen mit offenen Gewichten zu verschärfen und Veröffentlichungen sogar ganz zu blockieren; ein Beurteilungskriterium sei, ob ein System zu den zehn leistungsstärksten gehört.
Auswirkungen für Entwickler
Das Folgende ist Analyse und Schlussfolgerung auf Basis des Berichts, keine unabhängig verifizierten Fakten. Erstens sind offene Gewichte und eine Open-Source-Lizenz zwei verschiedene Dinge: Der Bericht zeigt nur, dass die Gewichte auf Hugging Face und ModelScope öffentlich sind, ohne konkrete Lizenzbedingungen zu nennen. Die Grenzen für kommerzielle Nutzung, Weitergabe und abgeleitetes Training müssen daher anhand der tatsächlichen Lizenzdateien auf diesen Plattformen bestimmt werden; aus der Sichtbarkeit der Gewichte lässt sich der Umfang der Rechte nicht direkt ableiten. Zweitens berichtet die Quelle von kürzeren Ausgaben und sinkenden Kosten pro Aufgabe. Dieser Wandel wirkt sich am direktesten auf Agenten-Lasten wie mehrstufige Tool-Aufrufe und repository-weite Codeänderungen aus, weil deren Kosten sowohl von der Zahl erzeugter Token als auch von der Zahl der Austauschrunden abhängen; sollten die Zahlen zutreffen, müssen Budgetmodelle für nach Aufgaben abgerechnete Coding-Agenten, Massenkorrekturen und Evaluations-Wiederholungen neu bewertet werden. Drittens verändert die Öffnung der Search- und Fetch-API die Integration von vernetzten Agenten und Retrieval-Augmented Generation: Bisher bauten Entwickler üblicherweise eine eigene Retrieval-Schicht oder banden Drittanbieter-Suche ein; nun lässt sich Retrieval in die serverseitige Tool-Kette des Anbieters einbetten, zum Preis, dass Kontrolle über Retrieval-Qualität, Crawling-Umfang und Quoten auf die Anbieterseite übergeht. Viertens würde eine Umsetzung der im Bericht erwähnten verschärften Regulierung von Veröffentlichungen mit offenen Gewichten Entscheidungen über Deployment und Weitergabe beeinflussen, die auf chinesischen Modellen mit offenen Gewichten beruhen; die Formulierung ist jedoch „Berichten zufolge geplant“, es gibt noch kein offizielles Dokument, und darauf sollte keine langfristige Strategie gestützt werden. Betont sei, dass die Vergleichs- und Kostenzahlen im Bericht aus DeepSeeks eigenen Tests stammen und der Bericht selbst darauf hinweist, dass unabhängige Benchmarks noch ausstehen; der subjektive Eindruck von Code-Qualität kann stark von Benchmark-Ergebnissen abweichen.
Integration und Bewertung
Das Folgende sind Empfehlungen und bedingte Analysen, keine berichteten Fakten. Empfehlung eins: Führen Sie für dieselben Aufgaben A/B-Tests zur Ausgabelänge durch. Der Bericht nennt kürzere Ausgaben und sinkende Kosten pro Aufgabe; die tatsächliche Entscheidung ist, ob bestehende Agenten-Pipelines auf diese Version umgestellt werden. Bei mehrstufigen Tool-Aufrufen und repository-weiten Codeänderungen kann der Nutzen deutlich sein: Lassen Sie dieselbe Aufgabengruppe mit dieser Version und dem direkten Vorgänger laufen und erfassen Sie Ausgabe-Token pro Aufgabe, Zahl der Tool-Aufrufe und endgültige Merge-Erfolgsquote. Bei einstufigen kurzen Frage-Antwort-Aufgaben ist der Nutzen kürzerer Ausgaben begrenzt, die Migrationspriorität sollte niedriger sein. Messbare Kriterien: Rückgang der Ausgabe-Token pro Aufgabe und Veränderung der Erfolgsquote auf demselben Aufgabensatz. Empfehlung zwei: Betrachten Sie die Such-API als Architekturentscheidung, nicht als Funktionsschalter. Der Bericht nennt 0,75 US-Dollar pro 1000 Aufrufe je Endpunkt sowie eine befristete kostenlose Nutzung in bestimmten Tools; die tatsächliche Entscheidung ist, ob eigenes Retrieval beibehalten oder zum Anbieter verlagert wird. Voraussetzung ist, dass Datenabfluss und Quotenabhängigkeit akzeptabel sind. Testen Sie zunächst mit Schattenverkehr auf einem unkritischen Retrieval-Pfad und vergleichen Sie Recall-Relevanz, Latenz und Fehlerrate, bevor Sie den Hauptpfad umstellen. Messbare Kriterien: Unterschiede der Recall-Relevanz gegenüber der bestehenden Retrieval-Lösung und Zuwachs der Ende-zu-Ende-Latenz auf demselben Abfragesatz. Empfehlung drei: Prüfen Sie zuerst die Lizenz, bevor Sie zwischen API-Aufruf und Selbst-Hosting der Gewichte entscheiden; der Bericht nennt keine Lizenzbedingungen und keinen kommerziellen Nutzungsumfang, bis zur Klärung sollte Selbst-Hosting auf interne Evaluation beschränkt bleiben. Empfehlung vier: Fixieren Sie bei Evaluationen die Modellversionskennung (das Datumssuffix 1017) und die Laufzeitumgebung, um falsche Schlüsse aus Versionsvergleichen zu vermeiden. Zu laufenden Nutzungskosten und Abrechnungsmodalitäten maßgeblich sind die Preisseiten des Anbieters, nicht historische Zahlen oder kostenlose Zeitfenster aus dem Bericht.
Grenzen und offene Fragen
Zu beachten: Die im Bericht genannte API-Verfügbarkeit bezieht sich auf DeepSeeks eigene Plattform. Im Live-Katalog von KimiSeek existiert bereits ein exakter Treffer DeepSeek V4.1 Flash 1017 (id: deepseek-v4.1-flash-1017), der mit dem Versionsnamen des Berichts übereinstimmt; der Katalogstatus kann sich jedoch ändern, maßgeblich bleibt der Live-Katalog, und ein weiterer Eintrag DeepSeek V4.1 Flash ohne Datumssuffix sollte nicht mit der hier berichteten Version vermischt werden. Zweitens stammen alle Coding- und Agenten-Benchmark-Vergleiche, DeepSWE-Punktzahlen und Kosten pro Aufgabe aus DeepSeeks eigenen Tests ohne unabhängige Reproduktion; der Bericht weist ausdrücklich darauf hin, dass unabhängige Benchmarks noch ausstehen. Drittens nennt der Bericht weder Lizenztyp der Gewichte noch Parameterzahl oder Inferenz-Hardwareanforderungen, die für Machbarkeit und Kostenschätzung von Selbst-Hosting entscheidend sind. Viertens hat das kostenlose Fenster für die Such- und Fetch-API einen klaren Endtermin; die 0,75 US-Dollar pro 1000 Aufrufe je Endpunkt sind der Stand des Berichtstags, eine Fortführung ist anhand offizieller Dokumentation zu prüfen. Fünftens erwähnt der Bericht mögliche verschärfte chinesische Vorschriften zur Veröffentlichung offener Gewichte; dies ist bislang nur berichtet, ohne offizielles Dokument, und sollte keine langfristige Deployment-Strategie bestimmen.
Abbildungen aus dem Originalbericht
