A DeepSeek lançou no sábado, 17 de outubro, o V4.1 Flash 1017, uma atualização do seu modelo V4.1 Flash. Segundo a Artificial Analysis, ele marca 45 pontos no Intelligence Index, seis a mais que a versão anterior, e fica em segundo lugar entre 121 modelos de pesos abertos comparáveis. O contexto é de até 1 milhão de tokens, a velocidade passa de 200 tokens por segundo e os preços da API foram mantidos.
O que mudou no V4.1 Flash 1017
A própria DeepSeek descreve o 1017 como uma atualização menor do V4.1 Flash, com melhorias em raciocínio, programação, tarefas de agentes e benchmarks visuais. O modelo também reduz o tempo de execução das tarefas e o tamanho das respostas, o que, segundo a empresa, permite concluir tarefas mais rápido e com menor custo.
Na API, o nome deepseek-flash já passa a ser atendido pelo V4.1-Flash-1017. Os nomes antigos, como deepseek-v4-flash, continuam aceitos, mas os modelos correspondentes foram aposentados: as requisições são atendidas pelo 1017 e cobradas pelo preço do Flash. Na prática, quem usa a API não precisa mudar nada.
Os números da DeepSeek: V4.1 Flash 1017 contra a versão anterior
A tabela do model card oficial, no Hugging Face, compara o 1017 com o V4.1 Flash anterior e com outros modelos. As diferenças mais marcantes frente à versão anterior:
- DeepSWE v1.1 (programação): 77,0 contra 74,2.
- Terminal-Bench 4.0: 42,3 contra 31,2.
- Automation-Bench v1.0.6 (agentes): 60,5 contra 54,8.
- Agents’ Last Exam: 35,4 contra 31,8.
- HLE sem ferramentas: 42,6 contra 36,8.
- BabyVision com ferramentas: 92,5 contra 89,6.
Na mesma tabela, o 1017 aparece à frente do Opus 5 no DeepSWE (77,0 contra 74,0) e no Automation-Bench (60,5 contra 50,3), mas atrás dele no Terminal-Bench 4.0 (42,3 contra 51,8), no ProgramBench (29,1 contra 37,0) e no HLE (42,6 contra 56,3). Os números são da própria DeepSeek. A empresa indica que usou o ambiente Claude Code no Terminal-Bench e o Mini-SWE-V2 no DeepSWE.
O ranking da Artificial Analysis
Na avaliação independente da Artificial Analysis, o V4.1 Flash 1017 (esforço máximo) marca 45 no Intelligence Index, contra 39 da versão anterior, e fica em segundo entre os 121 modelos de pesos abertos comparáveis. O primeiro lugar é do MiMo-V2.6-Pro, com 46. Kimi K3 e Step 5 Preview marcam 44.
O custo para rodar a bateria de tarefas do índice é de US$ 0,26 por tarefa, contra cerca de US$ 0,49 da versão anterior. A Artificial Analysis mede velocidade de 210,6 tokens por segundo e tempo até o primeiro token de 1,07 segundo. Ela também registra uma ressalva: o modelo é muito prolixo, com 210 milhões de tokens gerados no teste, contra uma mediana de 140 milhões.
Preço, contexto e licença
- Preço da API: US$ 0,30 por milhão de tokens de entrada e US$ 1,20 de saída no horário de pico, com tarifa menor fora do pico. Os preços foram mantidos.
- Contexto: até 1 milhão de tokens, com entrada de texto e imagem e saída de texto.
- Licença: os pesos estão no Hugging Face sob licença MIT, que permite uso comercial.
- Prompts: a versão não traz o formato de chat em Jinja, e a DeepSeek disponibiliza uma implementação de referência e o deepseek-recipe, um conjunto de bibliotecas em Rust com ligações para Python.
Para quem é e o que considerar
É para quem quer reduzir custo em tarefas de programação e agentes, ou rodar o modelo em infraestrutura própria, graças aos pesos abertos. O V4.1 Flash 1017 é um modelo de porte menor da família, e o ranking mostra que ele não lidera geral: o primeiro entre os abertos é o MiMo-V2.6-Pro, e modelos proprietários como o Opus 5 ainda ficam à frente em vários testes. Quem tem tarefas sensíveis à verbosidade deve testar o consumo de tokens, já que o modelo gera respostas mais longas que a mediana. A DeepSeek não detalhou disponibilidade por país.
Perguntas frequentes
O que é o DeepSeek V4.1 Flash 1017?
É uma atualização menor do V4.1 Flash, lançada em 17 de outubro de 2026, com melhorias em raciocínio, programação e agentes, respostas mais curtas e tarefas concluídas mais rápido.
O DeepSeek V4.1 Flash 1017 é de código aberto?
Os pesos estão disponíveis no Hugging Face sob licença MIT, que permite uso comercial.
Qual a posição do modelo no ranking da Artificial Analysis?
Segundo a Artificial Analysis, ele marca 45 no Intelligence Index e fica em segundo entre 121 modelos de pesos abertos comparáveis.
Fonte: DeepSeek
Análise Crítica
A atualização 1017 melhora o V4.1 Flash de forma consistente, com ganhos em programação, agentes e raciocínio, e reduz o custo por tarefa, o que aparece tanto nos números da DeepSeek quanto na medição independente da Artificial Analysis. O resultado reforça a competitividade dos modelos de pesos abertos, e a licença MIT facilita o uso comercial. Ao mesmo tempo, é preciso ler o ranking com contexto: o modelo é segundo entre os abertos, não primeiro, ainda perde para modelos proprietários em vários testes e é mais prolixo que a mediana, o que pesa no consumo de tokens. Os resultados da tabela oficial são divulgados pela própria empresa, então vale testar com as suas tarefas.
A visão do canal Invente com IA
Se você gasta muito com API de modelos para programação ou agentes, vale a pena colocar o deepseek-flash lado a lado com o modelo que você usa hoje em um fluxo real. Compare taxa de acerto, tempo e consumo de tokens, já que ele tende a escrever mais. Se você quer rodar em infraestrutura própria, os pesos estão no Hugging Face sob licença MIT.
