DeepSeek Mengemas Kini V4.1 Flash, Membuka API Carian dan Menetapkan Tarikh Mula Pengebilan pada 1 November

Naik taraf pengekodan hadir bersama perkhidmatan carian awam

DeepSeek mengeluarkan V4.1-Flash-1017 pada 17 Oktober 2026, mengemas kini laman web, aplikasi dan API serentak sambil membuka dua perkhidmatan yang membolehkan pembangun mencari di web dan mendapatkan halaman tertentu. Syarikat itu menetapkan harga setiap titik akhir Search dan Fetch pada $0.75 bagi setiap 1,000 panggilan, dengan caj untuk panggilan yang layak melalui alat pelayan bermula pada 16:00 UTC pada 31 Oktober, atau tengah malam 1 November di Beijing.

Keluaran ini hadir 37 hari selepas V4.1 Flash pertama kali diperkenalkan pada 10 September. Pembangun boleh terus menggunakan nama model deepseek-flash, dengan kaedah panggilan API model dan harga sedia ada tidak berubah. DeepSeek juga mengeluarkan model yang dikemas kini secara terbuka melalui Hugging Face dan ModelScope.

Pengumuman rasmi keluaran DeepSeek meletakkan pembangunan projek lengkap sebagai tumpuan kemas kini ini. Contohnya termasuk model Kota Larangan Beijing, permainan perlumbaan dalam pelayar, pembinaan semula Portal 2 menggunakan enjin Godot, serta adegan 3D bergerak yang menjejaki sejarah dari zaman prasejarah hingga era moden.

DeepSeek berkata model ini menunjukkan prestasi lebih baik, mengambil masa lebih singkat dan menghasilkan output yang lebih pendek. Bagi pembangun, perubahan itu mengurangkan dua kos serentak: tempoh tugasan automatik menggunakan komputer dan jumlah teks yang dijana, yang dikenakan bayaran oleh perkhidmatan model.

Pelancaran carian menambah satu lagi bahagian dalam aliran kerja itu. Kini, aplikasi AI boleh menggunakan model DeepSeek untuk merancang tugasan, enjin cariannya untuk mendapatkan maklumat terkini, dan perkhidmatan Fetch untuk membawa halaman web terpilih ke dalam tugasan.

Maksud pengaturcaraan berasaskan kehendak dalam amalan

DeepSeek menyifatkan cita-cita utama projek ini sebagai pengaturcaraan berasaskan kehendak pengguna: seseorang menerangkan perkara yang diingini dalam bahasa biasa, lalu AI mengendalikan lebih banyak kerja yang diperlukan untuk menukarkan permintaan itu menjadi projek yang berfungsi.

Empat demonstrasi itu meliputi pelbagai jenis kerja. Contoh Kota Larangan bertumpu pada pemodelan 3D. Permainan perlumbaan memerlukan interaksi dalam pelayar. Pembinaan semula Portal 2 menggunakan enjin permainan sedia ada, Godot. Valley of Ages memaparkan persekitaran yang berubah-ubah merentas tempoh panjang sejarah manusia.

DeepSeek berkata projek-projek ini dihasilkan dalam DeepSeek Harness dengan bilangan arahan yang agak sedikit, bahan rujukan terhad dan beberapa pusingan interaksi sahaja. Syarikat itu mengaitkan peningkatan tersebut dengan pembelajaran pengukuhan menggunakan maklum balas kendiri, iaitu kaedah latihan yang menggunakan maklum balas terhadap kerja yang dicuba untuk membentuk tingkah laku seterusnya.

Harness ialah perisian di sekeliling model bahasa yang mengurus alat, fail, sesi dan pelaksanaan tugasan. Model boleh mencadangkan kod atau menentukan tindakan seterusnya; harness menyediakan persekitaran untuk tindakan itu dilakukan. Ini menjadikan perisian yang mengelilingi model sebahagian daripada proses pembangunan projek, bersama-sama model itu sendiri.

Bahagian yang mencatat peningkatan penanda aras paling ketara

Penilaian yang diterbitkan DeepSeek meletakkan model yang dikemas kini pada skor 77.0 dalam DeepSWE v1.1, meningkat daripada 74.2 bagi versi September. Ini ialah peningkatan 2.8 mata dalam penilaian kerja kejuruteraan perisian. Dalam perbandingan syarikat itu, Claude Opus 5 memperoleh 74.0 dan GPT 5.6-Sol mendapat 73.0.

Terminal-Bench 4.0 menunjukkan peningkatan lebih besar berbanding keluaran Flash terdahulu, daripada 31.2 kepada 42.3, iaitu kenaikan 11.1 mata. ProgramBench meningkat daripada 20.3 kepada 29.1, manakala NL2Repo-Bench naik daripada 65.4 kepada 68.2.

DeepSeek turut menyenaraikan peningkatan dalam tugasan yang melibatkan ejen, iaitu sistem yang menggunakan alat untuk melaksanakan satu siri tindakan. Automation-Bench v1.0.6 meningkat daripada 54.8 kepada 60.5, Agents' Last Exam daripada 31.8 kepada 35.4, dan Apex Bench v1.1 daripada 64.6 kepada 72.1.

Model yang dikemas kini mendahului jadual perbandingan DeepSeek dalam DeepSWE, Automation-Bench, Agents' Last Exam dan Apex Bench, mengatasi model yang disenaraikan daripada Anthropic, OpenAI, Kimi dan Zhipu. Claude Opus 5 mendapat skor lebih tinggi dalam beberapa penilaian lain, termasuk Terminal-Bench, ProgramBench dan NL2Repo.

Keadaan ujian penting dalam menilai angka tersebut. Angka DeepSeek meletakkan Terminal-Bench 4.0 pada 42.3, manakala penilaian Artificial Analysis mencatatkan 26.8. Tetapan terperinci yang diperlukan untuk menjelaskan perbezaan itu tidak diberikan. DeepSeek menyatakan Claude Code sebagai persekitarannya untuk Terminal-Bench dan Mini-SWE-V2 untuk DeepSWE, menunjukkan bahawa model dan alat di sekelilingnya dinilai secara bersama.

Mengapa jawapan lebih pendek boleh mengurangkan kos tugasan

DeepSeek menyifatkan kemas kini ini sebagai peningkatan Pareto dari segi prestasi dan kos. Secara ringkas, dakwaannya ialah pengguna mendapat hasil yang lebih baik dengan perbelanjaan lebih rendah, dan bukannya menukar kualiti lebih tinggi dengan bil yang lebih besar.

Perkhidmatan model lazimnya mengenakan bayaran berdasarkan token, iaitu unit kecil yang membentuk teks untuk diproses. Respons yang dijana lebih pendek menggunakan lebih sedikit token output. Ejen pengekodan mungkin menghasilkan banyak respons dalam satu tugasan, maka mengurangkan output yang tidak perlu sepanjang langkah-langkah itu dapat menurunkan jumlah caj.

DeepSeek berkata masa pelaksanaan tugasan turut berkurangan. Ini penting untuk projek yang melibatkan penyuntingan berulang, pengujian dan penggunaan alat, apabila pengguna menunggu hasil siap dan bukannya satu jawapan sahaja. Syarikat itu menyifatkan keluaran teknikal ini sebagai kemas kini kecil, meskipun mendakwa terdapat peningkatan merentas penaakulan, pengekodan, tugasan ejen dan penilaian visual.

Search mencari halaman, manakala Fetch mendapatkannya

Perkhidmatan Search dan Fetch DeepSeek mempunyai fungsi berbeza. Search menerima pertanyaan dan mengembalikan hasil mengikut kedudukan. Fetch menerima halaman web tertentu dan mendapatkan tajuk serta kandungannya dalam format Markdown, iaitu format teks ringkas yang mengekalkan tajuk, senarai dan struktur berguna lain.

Contohnya, pembangun boleh menggunakan Search untuk mencari dokumentasi perisian terkini, kemudian Fetch untuk mendapatkan halaman berkaitan sebelum meminta model menulis kod. Aplikasi yang menggabungkan dokumen yang diperoleh dengan jawapan yang dijana lazimnya dipanggil sistem penjanaan tambahan berasaskan dapatan semula, atau RAG.

Perkhidmatan ini menggunakan alamat asas api.deepseek.com dan sistem kelayakan API yang sama seperti perkhidmatan model DeepSeek. Titik akhirnya ialah POST /v1/tools/search dan POST /v1/tools/fetch. Kedua-duanya mengembalikan data JSON berstruktur yang boleh dibaca oleh perisian dan disalurkan antara alat.

Search menerima pertanyaan sehingga 128 aksara. Pembangun boleh meminta antara satu hingga 50 hasil, dengan 10 hasil dikembalikan secara lalai. Hasil boleh merangkumi tajuk, alamat, ringkasan pendek, ringkasan lebih panjang yang ditujukan kepada model, tarikh penerbitan dan, jika tersedia, kandungan penuh halaman.

DeepSeek berkata enjin cariannya sudah menyokong carian di laman web dan API syarikat itu serta mengendalikan ratusan juta permintaan setiap hari di seluruh dunia. Syarikat itu menyatakan indeksnya merangkumi ratusan bilion halaman web dan menyokong carian dalam pelbagai bahasa.

DeepSeek juga berkata pihaknya menapis manipulasi kedudukan carian, percubaan mempengaruhi maklumat yang dipilih oleh AI generatif, dan kandungan berkualiti rendah yang dijana AI. Langkah-langkah itu menangani maklumat yang ditemui ejen sebelum menghasilkan jawapan atau bertindak terhadap permintaan pengguna.

Jumlah bayaran pembangun dan tarikh caj bermula

Pengumuman bahasa Inggeris DeepSeek menetapkan harga Search dan Fetch secara berasingan pada $0.75 bagi setiap 1,000 panggilan. Harga dalam bahasa Chinanya ialah 5 yuan bagi setiap 1,000 panggilan untuk setiap perkhidmatan. Oleh itu, aliran kerja yang melakukan satu carian dan mendapatkan satu halaman menggunakan dua perkhidmatan yang dicaj secara berasingan.

Di bawah peraturan caj yang diterbitkan, Search dikenakan bayaran apabila berjaya mengembalikan senarai hasil yang tidak kosong. Fetch dikenakan bayaran apabila mengembalikan kandungan halaman dengan status kejayaan HTTP 200. Permintaan gagal, hasil kosong dan tamat masa tidak dikenakan bayaran, manakala meminta lebih banyak hasil carian tidak mengubah harga panggilan carian itu.

Pada kadar yuan yang dinyatakan, 1,000 carian berjaya yang diikuti 1,000 pengambilan halaman berjaya akan menelan belanja 10 yuan untuk caj carian dan pengambilan. Pemprosesan model dicaj secara berasingan. Pemisahan ini membantu pembangun menganggarkan kos ejen yang berulang kali mencari maklumat semasa bekerja.

DeepSeek berkata panggilan Search dan Fetch yang dibuat melalui alat pelayan dalam DeepSeek Harness, Claude Code dan Codex buat sementara waktu adalah percuma untuk pengguna API DeepSeek. Pengebilan bagi laluan itu bermula pada 16:00 UTC pada 31 Oktober 2026, iaitu waktu yang sama dengan 00:00 pada 1 November di Beijing. Pengecualian sementara ini hanya terpakai kepada panggilan alat tersebut, manakala caj biasa model tetap dikenakan.

Setiap akaun boleh membuat sehingga lima permintaan Search sesaat dan lima permintaan Fetch sesaat, dengan kedua-dua had dikira secara berasingan. Fetch turut mempunyai had tambahan bagi domain laman web individu. Permintaan yang melebihi kadar dibenarkan menerima respons HTTP 429, yang memaklumkan aplikasi supaya memperlahankan permintaan.

Kemas kini Harness menghubungkan model dengan kerja harian

DeepSeek mengesyorkan Harness v0.2.1-rc.1 atau versi lebih baharu untuk model yang dikemas kini. Huruf rc menandakan calon keluaran, iaitu versi yang disediakan untuk ujian sebelum keluaran akhir. Model ini dioptimumkan khusus untuk DeepSeek Harness, Tencent CodeBuddy, WorkBuddy dan rangka kerja lain.

Keluaran Harness ini menambah cara untuk mencari pemalam daripada indeks tersuai dan meminta ejen mencipta pemalam. Ia turut menambah baik pengendalian kebergantungan apabila pemalam didayakan, dilumpuhkan, dikemas kini atau dibuang. Sesetengah perubahan pemalam boleh berkuat kuasa serta-merta; perubahan lain memerlukan mula semula.

Pembangun mendapat antara muka untuk membaca dan menukar direktori kerja sesi melalui kit pembangunan perisian TypeScript dan Python. Penambahan lain termasuk alat eksperimen untuk memeriksa sesi, sokongan bagi direktori kerja Git berasingan, serta penyamaran automatik kunci dan token yang ditemui dalam mesej yang dihantar.

Keluaran ini meneruskan usaha pada jambatan Claude Code Mods, yang diuji dalam keluaran alpha Harness terdahulu. Usaha terdahulu itu mempunyai tiga contoh yang boleh dijalankan dan empat contoh yang terhalang akibat ketiadaan antara muka atau keupayaan paparan. Lapisan keserasian ini masih bersifat eksperimen, dengan tujuan yang dinyatakan untuk menguji kesesuaian keupayaan sambungan Claude Code dengan pemalam Harness.

Pengguna Harness kali pertama turut ditawarkan kredit promosi sebanyak 6 yuan tanpa bayaran awal. Kredit itu luput tujuh hari selepas diterima dan hanya tersedia selagi peruntukan masih ada. Tempoh sah yang singkat menjadikannya elaun ujian ringkas untuk pengguna baharu.

Pilihan pemberat terbuka dan penggunaan

Pengumuman rasmi DeepSeek mengesahkan bahawa V4.1-Flash-1017 tersedia melalui Hugging Face dan ModelScope. Keluaran ini meneruskan penggunaan lesen MIT dalam barisan V4.1 Flash, yang membenarkan penggunaan semula secara meluas tertakluk pada syaratnya. Oleh itu, pembangun boleh memilih antara perkhidmatan terhos dan mengendalikan model itu sendiri.

V4.1 Flash menerima teks dan imej serta menghasilkan teks. Seni binanya menggunakan gabungan pakar, yang bermaksud bahagian model terpilih diaktifkan bagi setiap langkah pemprosesan, dan bukannya seluruh model berfungsi pada setiap token. Huraian seni bina menyenaraikan 552 bilion parameter sebagai teras model, dengan 8 bilion parameter aktif semasa pemprosesan input dan 16 bilion semasa penjanaan output.

Tetingkap konteks kira-kira satu juta token membolehkan model mengendalikan bahan yang banyak dalam satu sesi. Bagi ejen pengekodan, bahan itu boleh merangkumi arahan, fail sumber, perbualan terdahulu dan hasil alat. Tetingkap konteks ialah jumlah bahan yang boleh dipertimbangkannya, manakala had output menentukan jumlah yang boleh dijana dalam satu respons.

Spesifikasi penggunaan terhos mungkin berbeza-beza. Senarai API pihak ketiga menyatakan tetingkap konteks sebanyak 1,048,576 token dan maksimum pelengkapan sebanyak 131,072 token, selain panggilan fungsi dan output berstruktur yang ditakrifkan oleh skema JSON. Panggilan fungsi membolehkan model meminta alat luaran; output berstruktur memberikan format yang boleh diproses aplikasi secara konsisten.

Senarai yang sama menawarkan penghalaan merentas inference.net, DeepInfra dan DeepSeek, dengan mengalihkan permintaan kepada penyedia lain apabila berlaku ralat. Bagi pembangun, pilihan kini merangkumi akses model, penghalaan penyedia dan perkhidmatan carian berasingan, masing-masing dengan tetapan operasi dan kos tersendiri.

Tarikh penting yang menentukan pelaksanaan

Keluaran DeepSeek pada Oktober menggabungkan kemas kini model, calon keluaran Harness dan akses awam kepada infrastruktur carian. Lebih awal pada 17 Oktober, penjejak API automatik mengesan entri model dengan akhiran 1017 yang kemudian hilang. Pengumuman DeepSeek selepas itu mengesahkan keluaran tersebut serta perubahan pada laman web, aplikasi dan API syarikat.

Urutan ini memberi pembangun tempoh singkat untuk mengemas kini alat dan meneliti penggunaan carian sebelum tempoh percuma sementara berakhir:

• 10 September 2026: DeepSeek mengeluarkan model V4.1 Flash asal.
• 3 Oktober 2026: Harness v0.2.1-alpha.1 memperkenalkan jambatan Claude Code Mods yang bersifat eksperimen.
• 17 Oktober 2026: V4.1-Flash-1017 tersedia di laman web, aplikasi dan API; Search dan Fetch dibuka kepada pembangun, serta calon keluaran Harness yang dikemas kini turut tersedia.
• 31 Oktober 2026, pada 16:00 UTC: Caj bermula bagi panggilan Search dan Fetch yang layak melalui alat pelayan, bersamaan tengah malam 1 November di Beijing.

Pembangun yang sudah menggunakan deepseek-flash akan menerima model yang dikemas kini melalui nama sedia ada. Mereka yang menggunakan Harness juga disarankan mengemas kini aplikasi yang mengelilingi model itu. Perubahan praktikalnya ialah aliran kerja yang lebih saling berhubung: model yang dilatih untuk projek lebih panjang, alat untuk melaksanakan kerja, dan perkhidmatan carian yang tidak lama lagi akan mengenakan caj penggunaan berasingan.

Perkara Utama

• DeepSeek mengeluarkan V4.1-Flash-1017 pada 17 Oktober 2026, merentas laman web, aplikasi dan API syarikat.
• Model ini kekal boleh diakses sebagai deepseek-flash, dengan kaedah panggilan API model dan harga sedia ada tidak berubah.
• DeepSeek melaporkan skor DeepSWE v1.1 sebanyak 77.0, meningkat daripada 74.2, selain tugasan lebih pantas dan output lebih pendek.
• Demonstrasi projek merangkumi pemodelan Kota Larangan, permainan perlumbaan dalam pelayar, pembinaan semula Portal 2 dan Valley of Ages.
• Search dan Fetch masing-masing berharga $0.75, atau 5 yuan mengikut harga China, bagi setiap 1,000 panggilan berjaya.
• Caj bagi panggilan yang layak melalui alat pelayan bermula pada tengah malam 1 November di Beijing.
• DeepSeek mengesyorkan Harness v0.2.1-rc.1 atau versi lebih baharu dan telah mengeluarkan pemberat model melalui Hugging Face dan ModelScope.