DeepSeek V4.1 Flash 1017: same config, post-training lifts Terminal-Bench 4.0 from 31.2 to 42.3
Identical config.json and 16B active params to the September build; DeepSWE hits 77% at ~$0.20 per task versus 74% at $0.50 before, and 72.5% at $0.11 in low effort.
DeepSeek vient de sortir V4.1-Flash-1017. Son config.json est identique à celui de la V4.1-Flash de septembre, à la virgule près. Même architecture, même taille, 16B de paramètres actifs. Pourtant Terminal-Bench 4.0 passe de 31,2 à 42,3, et DeepSWE monte à 77 %, devant Opus 5 dans leur tableau. Tout vient du post-training. Leur rapport technique l'assume : aucun nouvel algorithme. Les gains viennent des données et des environnements. Le modèle fabrique ses propres tâches, des agents montent des dépôts GitHub en conteneur, d'autres les résolvent, un agent QA cherche les failles et un dernier répare. Le RL tourne dans Claude Code, Codex et OpenCode. Et il parle moins. Sur DeepSWE, 77 % pour environ 0,20 $ la tâche, contre 74 % pour 0,50 $ avant. En effort low, 72,5 % pour 0,11 $. Le prix de l'API n'a pas bougé : ce sont les sorties plus courtes qui divisent le coût par 2,5. J'ai l'impression d'un meilleur goût en front-end, mais aucun benchmark ne le mesure encore. J'espère surtout un raisonnement qui tourne moins en rond, la V4.1 était très bavarde. À voir à l'usage. Opus 5 garde de l'avance sur HLE et Terminal-Bench 4.0. Mais à 0,60 $ le million de tokens en sortie (heures creuses), avec des poids ouverts sous MIT, ce Flash mérite d'être testé dans vos agents.
This post quotes another post: x.com/deepseek_ai/status/2111375640717033777