مدل هوش مصنوعی Deepseek V4.1 Flash 1017 با جهش در برنامه‌نویسی و وظایف ایجنتی معرفی شد

شرکت چینی دیپ‌سیک نسخه به‌روزشده مدل هوش مصنوعی Flash خود را با نام DeepSeek V4.1 Flash 1017 منتشر کرده است؛ مدلی که در وظایف برنامه‌نویسی و ایجنتی عملکرد بهتری دارد، سریع‌تر وظایف را به پایان می‌رساند و پاسخ‌های کوتاه‌تری تولید می‌کند. این شرکت هم‌زمان موتور جستجوی داخلی خود را برای نخستین‌بار در اختیار توسعه‌دهندگان خارجی قرار داده است.

مدل مدل هوش مصنوعی Deepseek V4.1 Flash 1017 چه تغییراتی کرده است؟

مدل جدید DeepSeek-V4.1-Flash-1017 اکنون از طریق وب‌سایت، اپلیکیشن و API این شرکت قابل استفاده است. دیپ‌سیک وزن‌های مدل را نیز به‌صورت متن‌باز در Hugging Face و ModelScope منتشر کرده است.

در مقایسه با نسخه مستقیم قبلی یعنی DeepSeek V4.1 Flash، مدل جدید امتیازهای بالاتری در بنچمارک‌ها ثبت می‌کند، وظایف را سریع‌تر به پایان می‌رساند و خروجی‌های کوتاه‌تری ارائه می‌دهد. دیپ‌سیک این تغییرات را یک بهبود پارتو در موازنه میان عملکرد و هزینه توصیف می‌کند.

استفاده از یادگیری تقویتی با بازخورد خودکار برای توسعه نرم‌افزار

دیپ‌سیک برای آموزش مدل در زمینه ساخت کامل پروژه‌های نرم‌افزاری از ابتدا، از روشی موسوم به یادگیری تقویتی با بازخورد خودکار یا RLSF استفاده کرده است.

در این روش پس‌آموزش، مدل می‌تواند امتیازهای اطمینان داخلی یا نقدهایی را که خودش تولید می‌کند به‌عنوان سیگنال پاداش به کار بگیرد. در نتیجه، نیازی به ارزیاب انسانی یا مدل‌های پاداش خارجی برای این فرایند وجود ندارد.

به گفته دیپ‌سیک، این رویکرد توانایی مدل در توسعه سرتاسری پروژه‌ها را برای وظایفی از برنامه‌نویسی بازی و مدل‌سازی سه‌بعدی گرفته تا کارهای طراحی بهبود داده است. این مدل همچنین می‌تواند ویدیوهای توضیحی کوتاه و متحرک تولید کند؛ قابلیتی مشابه آنچه در مدل تازه منتشرشده Opus 5.5 دیده می‌شود.

مدل هوش مصنوعی Deepseek V4.1 Flash 1017

بهینه‌سازی برای محیط‌های توسعه و ابزارهای برنامه‌نویسی

نسخه جدید برای استفاده در محیط‌های توسعه‌ای مانند DeepSeek Harness ،Tencent CodeBuddy و WorkBuddy بهینه شده است. برای DeepSeek Harness نیز استفاده از نسخه v0.2.1-rc.1 یا جدیدتر توصیه شده است.

برتری مدل کوچک‌تر Flash در برخی بنچمارک‌های برنامه‌نویسی و ایجنتی

بر اساس بنچمارک‌های خود دیپ‌سیک، مدل V4.1-Flash-1017 در تمام دسته‌های آزمایش‌شده عملکرد بهتری از V4.1-Flash دارد. نتایج منتشرشده از سوی شرکت همچنین نشان می‌دهند این مدل در چند دسته مرتبط با برنامه‌نویسی و ایجنت‌های هوش مصنوعی از مدل‌های بزرگ‌تری مانند Claude Opus 5، GPT-5.6 Sol، Kimi K3 و GLM 5.3 پیشی گرفته است.

یکی از نکات مهم در نتایج منتشرشده، کاهش هزینه ناشی از کوتاه‌تر شدن خروجی‌های مدل است. در بنچمارک DeepSWE، مدل جدید به بالاترین امتیاز ۷۷ درصد با هزینه متوسط کمی کمتر از ۰٫۲۰ دلار برای هر وظیفه می‌رسد.

این مدل در تنظیمات پایین‌تر نیز با هزینه حدود ۰٫۱۰ دلار امتیازی بیش از ۷۲ درصد کسب می‌کند. برای مقایسه، نسخه قبلی با وجود ثبت امتیاز ۷۴٫۲ درصد، برای هر اجرا حدود ۰٫۵۰ دلار هزینه داشت.

طبق نمودار هزینه منتشرشده، مدل‌های رقیبی مانند GPT-6 Astra ،Gemini 3.8 Flash و Claude Opus 5 در همین مقایسه هزینه‌ای بین ۲ دلار تا بیش از ۱۰ دلار برای هر وظیفه دارند و هیچ‌کدام به دقت مدل کوچک‌تر دیپ‌سیک نمی‌رسند.

بااین‌حال، هنوز بنچمارک‌های مستقل برای این مدل منتشر نشده‌اند و نتایج بنچمارک‌ها نیز به‌تنهایی تمام جنبه‌های عملکرد واقعی یک مدل را نشان نمی‌دهند. برای نمونه، برداشت توسعه‌دهندگان از کیفیت کد تولیدشده می‌تواند تفاوت زیادی با رتبه‌بندی مدل‌ها در آزمون‌های استاندارد داشته باشد.

موتور جستجوی داخلی دیپ‌سیک به API عمومی تبدیل شد

در کنار مدل زبانی جدید، دیپ‌سیک ابزارهای جستجوی وب خود با نام Search & Fetch APIs را نیز در دسترس تمام توسعه‌دهندگان قرار داده است. به گفته شرکت، این خدمات بر پایه موتور جستجویی اجرا می‌شوند که دیپ‌سیک آن را در داخل مجموعه توسعه داده و همین حالا روزانه صدها میلیون جستجو را در سراسر جهان پردازش می‌کند.

هزینه استفاده از هر یک از این نقاط پایانی ۰٫۷۵ دلار به‌ازای هر ۱۰۰۰ فراخوانی تعیین شده است. کاربران API دیپ‌سیک می‌توانند تا ۳۱ اکتبر ۲۰۲۶ (۹ آبان ۱۴۰۵)، ساعت ۱۶:۰۰ به وقت UTC از این قابلیت‌ها از طریق ابزارهای سمت سرور در DeepSeek Harness، Claude Code و Codex به‌صورت رایگان استفاده کنند.

ابهام درباره آینده انتشار مدل‌های متن‌باز چینی

عرضه این مدل و گسترش ابزارهای دیپ‌سیک در شرایطی انجام شده که استفاده عمیق از مدل‌های هوش مصنوعی چینی در جریان‌های کاری ممکن است با ابهام‌های تازه‌ای روبه‌رو شود. طبق گزارشی که یک روز پیش از انتشار این خبر منتشر شد، دولت چین قصد دارد قوانین مربوط به انتشار مدل‌های دارای وزن باز و ۲۳ فناوری کلیدی هوش مصنوعی را سخت‌گیرانه‌تر کند و حتی ممکن است در برخی موارد مانع انتشار آن‌ها شود.

یکی از معیارهای تعیین‌کننده در این زمینه، قرار گرفتن یک سیستم در میان ۱۰ مدل هوش مصنوعی توانمند برتر عنوان شده است.

جمع‌بندی

نسخه V4.1-Flash-1017 با تمرکز بر برنامه‌نویسی، وظایف ایجنتی، کاهش هزینه و کوتاه‌تر شدن خروجی‌ها عرضه شده و در نتایج داخلی دیپ‌سیک پیشرفت محسوسی نسبت به نسل قبلی نشان می‌دهد. عمومی شدن API موتور جستجوی داخلی این شرکت نیز قابلیت تازه‌ای در اختیار توسعه‌دهندگان قرار می‌دهد؛ هرچند برای ارزیابی جایگاه واقعی مدل جدید در برابر رقبا باید منتظر نتایج مستقل و تجربه توسعه‌دهندگان ماند.

به نظر شما عملکرد واقعی مدل جدید دیپ‌سیک در پروژه‌های برنامه‌نویسی تا چه اندازه می‌تواند با نتایج بنچمارک‌های منتشرشده از سوی خود شرکت مطابقت داشته باشد؟