DeepSeek（ディープシーク）、V4.1-Flashの更新版「DeepSeek-V4.1-Flash-1017」をMITライセンスで公開Terminal-Bench 4.0は31.2から42.3、表の11項目すべてで旧版を上回る（同社掲載の数字）

DeepSeek（ディープシーク）は2026年10月17日（協定世界時）、V4.1-Flashの更新版「DeepSeek-V4.1-Flash-1017」をHugging Faceで公開しました。モデルの重みはMITライセンスのオープンウェイトです。モデルカードは今回の更新を「minor update（小さな更新）」と呼び、推論、コーディング、エージェント、画像系のベンチマークが上がったほか、タスクの実行時間と出力の長さも減ったと説明しています。Hugging Faceのメタデータでは、リポジトリの作成は協定世界時10月17日2時40分（日本時間11時40分）です。

3行まとめ

1. DeepSeekが「DeepSeek-V4.1-Flash-1017」をMITライセンスのオープンウェイトで公開。コンテキストは1Mトークン
2. 同社の表では、Terminal-Bench 4.0が31.2から42.3、HLE（ツールなし）が36.8から42.6など、11項目すべてで旧V4.1-Flashを上回る
3. DeepSeekのAPIの更新履歴によると、公式のWeb・アプリも1017版に更新済み。APIはモデル名deepseek-flashのまま、料金も据え置き

本記事の内容は、日本時間10月17日17時台に公式ページで確認したものです。17時35分に、DeepSeekのAPIの更新履歴と料金ページを追加で確認して書き足しました。

何が変わったのか：旧版との差を表で見る

モデルカードの比較表から、DeepSeek-V4.1-Flash-1017（以下、1017版）と旧V4.1-Flashの数字を抜き出しました。いずれもDeepSeekが自社のページに載せた値です。

「差」の列は、表の2つの数字から本記事で引き算したものです。HLEには括弧つきの数字（1017版44.0、旧版39.1）も併記されており、これは「HLEのテキストのみの部分集合」だとモデルカードに注記があります。上の表には括弧なしの数字を使いました。

最も差が大きいのはTerminal-Bench 4.0の+11.1です。1017版のモデルカードの注記によると、この項目はClaude Codeのハーネスで測っています。DeepSWE v1.1はMini-SWE-V2のハーネスです。ただし、旧V4.1-Flashのモデルカードは、同じ31.2という数字を「DeepSeek HarnessのMinimal mode」で測った値と説明しています。旧版の31.2を1017版と同じハーネスで測り直したのかどうかは、1017版のページには書かれていません。

他社モデルと並べるとどうか

同じ表には、K3、GLM-5.3、GPT-5.6 Sol、Opus 5の数字も並んでいます。1017版を基準に、表の範囲で言えることは次のとおりです。

• 比較対象の中で1017版が最も高いのは、DeepSWE v1.1（77.0）、Automation-Bench v1.0.6（60.5）、Agents' Last Exam（35.4）、Apex Bench v1.1（72.1）の4項目です
• Opus 5が上回る項目も多く、HLE（56.3）、Terminal-Bench 4.0（51.8）、ProgramBench（37.0）、NL2Repo-Bench（75.3）、Chartography（84.0）、BabyVision（94.1）がそうです
• ZeroBench-mainは、GPT-5.6 Sol（53.0）とOpus 5（52.0）が1017版の51.0を上回っています

総じて、DeepSeek自身の表でも「全項目で他社モデルを超えた」という内容ではなく、旧版からの底上げとエージェント系の複数項目での高い数字、という形です。比較対象の数字をDeepSeekがどう測ったかは、今回確認したページでは詳しく書かれていません。

どうやって動かすのか

モデルカードによると、推奨のサンプリング設定は次のとおりです。

プロンプトの組み立てには注意点があります。モデルカードは「このリリースにはJinja形式のチャットテンプレートを含まない」と書いています。代わりに、encodingフォルダーにPythonの参照実装（encoding.py）があり、複数ターンの会話、ツール呼び出し、思考モード、数値で指定する推論の強さ、会話途中のシステムメッセージ、画像の混在に対するテストケースが付いています。

本番向けには、別にRustのライブラリ群「deepseek-recipe」をMITライセンスで公開しています。GitHubのREADMEによると、Messages、Chat Completions、Responsesの各形式のリクエストをConversation形式に直し、DeepSeek V4とV4.1のプロンプトまたはトークンIDに変換し、モデルの出力を応答に戻す部品です。Pythonバインディングもあり、python3 -m pip install deepseek-recipeで入ります。推論そのもの、ツールの実行、HTTP通信は呼び出す側が用意する設計です。READMEは、未対応の機能として、logprobs、音声・動画の入力、web_searchなどサーバー側のツール実行、JSON Schemaや正規表現による出力制約、n > 1の複数回答なども挙げています。

手元で動かす場合は、推論フォルダーのREADMEに手順があります。Hugging Face形式の重みを、テンソル並列のランクごとに1ファイルへ変換してから実行する流れです。READMEの例では並列数を8（MP=8）とし、変換時に--expert-dtype fp4を指定しています。READMEはこの実装を「読みやすい参照実装であり、本番用の推論エンジンではない」と位置づけています。

規模とライセンス

Hugging Faceのメタデータでは、1017版のSafetensorsのパラメータ数は合計763B（約7,632億）、ファイルの総サイズは約510GBです。形式はBF16、F32、F8_E4M3、I8が混在しています。ライセンスは、モデルカードに「リポジトリとモデルの重みはMITライセンス」と書かれています。

アーキテクチャの説明は、旧V4.1-Flashのモデルカードにあります。1017版のモデルカードはそれらを書き直しておらず、引用表記も旧版のtech report「DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression」のままです。旧版の説明では、画像とテキストを扱うマルチモーダルのMoEモデルで、バックボーンは552B、コンテキストは最大100万トークンです。プリフィル時に8B、デコード時に16Bのパラメータだけを動かし、グローバルなKVキャッシュは1トークンあたり890バイト（前世代のDeepSeek-V4-Flashの約1/4）とあります。これらが1017版にそのまま当てはまるかは、1017版のページ自体には書かれていません。「小さな更新」という説明からは同じ土台と読めますが、本記事では推測にとどめます。

日本の読者が気にする点

今回確認した範囲で、日本向けの記載は次のとおりです。

• 日本語の対応：4つの公式ページ（1017版のモデルカード、旧版のモデルカード、推論README、deepseek-recipeのページ）に、日本語の性能を示す数字は見当たりませんでした。上の表のベンチマークも、日本語を対象にしたものか、モデルカードからはわかりません
• API・アプリ：DeepSeekのAPIの更新履歴は「公式のWebとアプリのモデルも新しい版に更新した」と書いています。当サイトのDeepSeekのログイン方法の記事で紹介している公式の入口から、1017版を使えることになります。APIは呼び出し方も料金も変わらず、モデル名deepseek-flashで1017版につながります。旧名のdeepseek-v4-flashとdeepseek-v4-flash-vision-expも受け付けますが、中身は1017版で、Flashの料金がかかると料金ページに注記があります
• API料金と時間帯：料金ページのdeepseek-flashは、100万トークンあたり入力0.15ドル（キャッシュに当たれば0.003ドル）、出力0.6ドルです。これは混雑しない時間帯の値で、混雑する時間帯は倍の入力0.3ドル（同0.006ドル）、出力1.2ドルです。混雑する時間帯は、中国の祝日を除く平日の協定世界時1時〜4時と6時〜10時、日本時間でいえば平日の10時〜13時と15時〜19時です。コンテキストは1Mトークン、出力は最大384Kトークンです
• 旧版の提供状況：旧V4.1-Flashのページには、novita、fireworks-ai、featherless-ai、deepinfra、basetenが推論プロバイダーとして並んでいました。1017版のページには「This model isn't deployed by any Inference Provider」と表示されていました

サービスとしてのDeepSeekの性質（データの保存先など）は、DeepSeekとは何かの記事にまとめています。オープンウェイトを自分の環境で動かす場合とは話が別です。

公式ページを見て気づいたこと

日本時間17時7分にモデルのページを取得した時点で、ダウンロード数は「0」、いいねは「1」でした。推論READMEのコミットには「about 2 hours ago」と出ており、公開から数時間という段階です。一方、旧V4.1-Flashのページは、いいねが4,570件台、ダウンロード数は直近1か月で約128万回と表示されていました（旧版の作成日は2026年9月10日）。コミュニティタブの議論も、1017版は0件、旧版は73件です。公開直後のため、今回確認したページには、実際に動かした人の報告はまだありません。

まだ確かめられていないこと

• 表の数字はすべてDeepSeekのモデルカードとAPIの更新履歴によるもので、第三者による再現は確認していません。APIの更新履歴には、ZeroBench-mainはPass@5（5回答えさせて1回でも正解なら正解）で測ったという注記もあります。ハーネスの設定によっても数字は動くため、他社の発表値と単純に比べるのは注意が必要です。上で触れたとおり、Terminal-Bench 4.0は新旧のモデルカードでハーネスの説明が異なります
• 「実行時間と出力の長さが減った」という説明に対応する数字（トークン数や所要時間）は、モデルカードの表には載っていませんでした。Pareto frontier（性能とコストの最適な組み合わせ）を押し上げたという主張も、同じく数字では示されていません
• 1017版固有のtech reportは、今回確認した範囲には見当たりません。モデルカード上部の「Technical Report」のリンク先は、旧版のPDFでした
• APIの更新履歴は、DeepSeek Harness、TencentのCodeBuddyとWorkBuddyなどに向けて特に調整したとし、DeepSeek Harnessは0.2.1-rc.1以降への更新を勧めています。調整の中身は書かれていません
• 筆者は1017版を実際に動かしていません。本記事はすべて公式ページの記載にもとづきます

出典と確認時刻

• deepseek-ai/DeepSeek-V4.1-Flash-1017（Hugging Face）：日本時間2026年10月17日17時7分に確認
• deepseek-ai/DeepSeek-V4.1-Flash（Hugging Face）：同17時7分に確認（旧版の数字とアーキテクチャの説明）
• inference/README.md（Hugging Face）：同17時7分に確認
• deepseek-ai/deepseek-recipe（GitHub）：同17時7分に確認
• Change Log（DeepSeek API Docs）：同17時35分に確認（Web・アプリ・APIへの反映）
• Models & Pricing（DeepSeek API Docs）：同17時35分に確認（料金と時間帯）

本記事は続報があり次第更新します。