DeepSeek обновила модель Flash до V4.1-Flash-1017, ещё больше увеличив разрыв в соотношении цены и качества на агентных задачах. По собственным бенчмаркам DeepSeek модель точнее и дешевле на задачах программирования с агентами.
1. DeepSWE 77,0% — впереди Claude Opus 5. На бенчмарке программирования DeepSWE v1.1 версия 1017 набирает 77,0% против 74,0% у Claude Opus 5; в режиме низких усилий она по-прежнему даёт 72% при цене около $0,10 за задачу.
2. Секрет — в более коротких ответах. Предшественница давала 74,2% при цене около $0,50 за задачу; новая версия стоит менее $0,20 и прибавляет почти 3 пункта точности. Для агентов, выполняющих сотни задач в день, разница накапливается быстро.
3. Открытые веса и поисковый API. Веса открыты на Hugging Face и ModelScope, модель доступна на сайте, в приложении и через API. DeepSeek также открыла разработчикам API поиска собственного поискового движка.
Оговорка: это цифры собственных бенчмарков DeepSeek, независимых тестов пока нет. На HLE, Terminal-Bench 4.0 и похожих бенчмарках модель всё ещё уступает Opus 5. Прежде чем делать выводы, стоит дождаться проверки третьими сторонами.
Источник: Читать оригинал. Эта статья — краткий дайджест для справки.
