DeepSeek päivitti V4.1-Flash-mallinsa: mittaukset paranivat, hinta pysyi

Kirjoittaja: AI Uutiset Toimitus · Tarkastanut: Pasi, päätoimittaja · 19.10.2026

DeepSeek julkaisi 17. lokakuuta 2026 uuden version avoimesta V4.1-Flash-mallistaan. Nimen perässä oleva luku 1017 viittaa julkaisupäivään, eikä kyse ole uudesta mallisukupolvesta vaan saman mallin päivitetystä versiosta. Yhtiön mukaan päivitys parantaa tuloksia lähes jokaisessa mittauksessa, lyhentää vastausten pituutta ja nopeuttaa tehtävien valmistumista. Hinta pysyy samana, minkä vuoksi DeepSeek kutsuu päivitystä parannukseksi sekä suorituskyvyssä että kustannuksissa.

Mitä päivitys sisältää?

DeepSeek-V4.1-Flash-1017 on suuri kielimalli, eli ohjelma, joka on opetettu valtavalla määrällä tekstiä tuottamaan ja ymmärtämään kieltä. Mallin rakenne on niin sanottu asiantuntijamalli: yksi suuri verkko on jaettu moneen osaan, ja kukin tekstinpätkä kulkee vain muutaman osan kautta. Siksi malli voi olla kokonaisuutena hyvin suuri mutta pyöriä silti kohtuullisella laskentateholla.

Mallin konteksti-ikkuna on miljoona tokenia, eli malli voi lukea kerrallaan noin 750 000 sanan verran tekstiä. Yksittäinen vastaus voi olla jopa 384 000 tokenin pituinen. Malli ymmärtää myös kuvia. Painot eli mallin opitut luvut on julkaistu MIT-lisenssillä Hugging Facessa ja ModelScopessa, joten kuka tahansa voi ladata ja ajaa mallia omalla laitteistollaan.

Mittaukset paranivat lähes kaikkialla

DeepSeek julkaisi mallikortissaan vertailun edelliseen V4.1-Flash-versioon ja useisiin kilpaileviin malleihin. Agenttitehtäviä mittaavassa Terminal-Bench 4.0 -testissä tulos nousi 31,2 pisteestä 42,3 pisteeseen. Ohjelmointia mittaavassa ProgramBench-testissä nousu oli 20,3 pisteestä 29,1 pisteeseen ja Apex Bench v1.1 -testissä 64,6 pisteestä 72,1 pisteeseen.

Ohjelmointiagenttien DeepSWE v1.1 -mittauksessa malli sai 77,0 pistettä, kun edellinen versio sai 74,2. Ilman työkaluja tehtävässä Humanity’s Last Exam -testissä tulos nousi 36,8 pisteestä 42,6 pisteeseen. Vertailussa mukana olleet suljetut mallit olivat yhä joissakin kohdissa edellä: esimerkiksi Claude Opus 5 sai Terminal-Bench 4.0 -testissä 51,8 pistettä ja Humanity’s Last Exam -testissä 56,3 pistettä. DeepSeekin luvut ovat yhtiön omia, eikä riippumaton taho ole vielä vahvistanut niitä.

Malli oppi tekemään kokonaisia projekteja

DeepSeek kertoo, että päivityksen suurin muutos on lisäopetus vahvistusoppimisella. Siinä mallille annetaan tehtävä, se yrittää ratkaista sen, ja omaa tuotostaan vasten annettu palaute ohjaa sitä kohti parempaa lopputulosta. Yhtiön mukaan menetelmää käytettiin erityisesti kokonaisten projektien rakentamiseen alusta loppuun, kuten pelien ja kolmiulotteisten mallien tekemiseen.

Käytännössä tämä näkyy siinä, että malli selviytyy aiempaa pidemmistä tehtäväketjuista: se kirjoittaa koodia, ajaa sen, lukee virheilmoituksen ja korjaa seuraavalla yrityksellä. Juuri tällaisissa monivaiheisissa tehtävissä erot edelliseen versioon ovat suurimmat.

Hinta pysyy ennallaan

DeepSeek tarjoaa mallia deepseek-flash-nimellä omassa ohjelmointirajapinnassaan. Miljoona syötetokenia maksaa ruuhkan ulkopuolella 0,15 dollaria ja ruuhka-aikana 0,30 dollaria, kun sisältöä ei löydy välimuistista. Välimuistiosuma on selvästi halvempi: 0,003 dollaria ruuhkan ulkopuolella ja 0,006 dollaria ruuhkassa. Miljoona vastaustokenia maksaa 0,60 dollaria ruuhkan ulkopuolella ja 1,20 dollaria ruuhkassa. Ruuhka-ajat ovat arkisin kello 01–04 ja 06–10 UTC.

Hinnat ovat samat kuin edellisellä V4.1-Flash-versiolla. Yhtiö kertoo myös nostaneensa samanaikaisia pyyntöjä koskevan rajan 2 500:aan.

Haku ja sivujen lataus avautuivat kaikille

Samassa yhteydessä DeepSeek avasi kaikille kehittäjille Search- ja Fetch-rajapinnat, joiden avulla malli voi hakea tietoa verkosta ja lukea sivujen sisältöä. Kumpikin maksaa 0,75 dollaria tuhannelta onnistuneelta pyynnöltä. DeepSeek Harnessin, Claude Coden ja Coden kautta tehdyt työkalukutsut ovat toistaiseksi ilmaisia, mutta laskutus alkaa 31. lokakuuta 2026 kello 16 UTC.

Kehittäjille pieni mutka

Julkaisuun ei sisälly valmista Jinja-muotoista keskustelupohjaa, jollaista monet avoimet mallit käyttävät. DeepSeek tarjoaa sen sijaan Pythonilla kirjoitetun esimerkkitoteutuksen sekä deepseek-recipe-työkalukirjaston, joka muuntaa tavalliset rajapintapyynnöt mallin ymmärtämään muotoon. Mallia käyttävän sovelluksen täytyy siis päivittää kehotteiden käsittely, jos se on rakennettu valmiin pohjan varaan. DeepSeek suosittelee myös Harness-työkalunsa päivittämistä versioon 0.2.1-rc.1 tai uudempaan.

Mitä tämä tarkoittaa?

Päivitys ei muuta kilpailun asetelmaa yhtä paljon kuin uusi mallisukupolvi, mutta se kertoo avoimien mallien kehitystahdista. DeepSeek julkaisi V4.1-Flashin syyskuussa ja päivitti sen viidessä viikossa. Samalla malli lähestyy frontier-malleja erityisesti agentti- ja ohjelmointitehtävissä, vaikka häviää niille edelleen vaativassa tietopohjaisessa päättelyssä.

Lukijan kannattaa silti muistaa, että vertailuluvut ovat valmistajan omia. Riippumattomat benchmark-mittaukset ratkaisevat, pitääkö parannus paikkansa myös muiden kuin DeepSeekin omassa testiympäristössä.

Lähteet

DeepSeek: DeepSeek-V4.1-Flash-1017: Wish-Driven Programming Made Real, 17.10.2026. api-docs.deepseek.com

DeepSeek: Models & Pricing, 17.10.2026. api-docs.deepseek.com

Hugging Face: deepseek-ai/DeepSeek-V4.1-Flash-1017 — model card, 17.10.2026. huggingface.co

DeepSeek: DeepSeek-V4.1-Flash-1017 is here, 17.10.2026. x.com

MindStudio: DeepSeek V4.1-Flash-1017: What’s New in the Benchmark Update, 17.10.2026. mindstudio.ai

Local AI Zone: DeepSeek V4.1 Flash 1017: Wish-Driven Programming Deep Dive, 17.10.2026. local-ai-zone.github.io

Vastuuvapauslauseke: Tämä artikkeli on tarkoitettu vain tiedotustarkoituksiin. Sitä ei tarjota tai ole tarkoitettu käytettäväksi oikeudellisena, verotuksellisena, sijoitus-, rahoitus- tai muuna neuvona.

Mainos: alla on kumppanimainoksia ja mainoslinkkejä.