DeepSeek merilis DeepSeek-V4.1-Flash-1017 pada 17 Oktober 2026, sebuah pos pemeriksaan baru dari lini model Flash V4.1 yang digambarkan oleh laboratorium Tiongkok sebagai peningkatan Pareto dibandingkan pendahulunya: kinerja benchmark yang lebih kuat, penyelesaian tugas yang lebih cepat, dan keluaran yang lebih pendek, tanpa mengurangi efisiensi. Pembaruan ini ditayangkan di situs web, aplikasi, dan API DeepSeek pada hari rilis, dan bobot terbuka dipublikasikan secara bersamaan di Hugging Face dan ModelScope.
Pos Pemeriksaan Bertanggal, Bukan Generasi Baru For more context on this story, see our ongoing AI news.
Huruf "1017" pada namanya adalah tanggal rilis — 17 Oktober — dan pos pemeriksaan mengikuti irama cepat untuk keluarga V4. DeepSeek-V4.1-Flash diluncurkan pada 10 September 2026, dan riwayat rilis perusahaan menunjukkan ritme pembaruan yang stabil tahun ini: V4-Pro mencapai ketersediaan umum pada 13 Agustus, V4-Flash-Vision-Exp eksperimental menambahkan dukungan input gambar pada 21 Agustus, dan Pratinjau V4 asli hadir kembali pada 24 April.
Pembingkaian judul pada halaman rilis — "Pemrograman Berbasis Keinginan yang Menjadi Nyata" — menggambarkan bagaimana DeepSeek memposisikan pembaruan: pengembang menjelaskan hasil yang mereka inginkan, dan model menangani implementasi secara menyeluruh, mulai dari merancang proyek hingga melakukan iterasi hingga proyek berjalan. Hal ini merupakan pergeseran penekanan dari bantuan gaya obrolan ke pekerjaan yang didelegasikan dan berskala proyek, dan hal ini selaras dengan arah industri yang lebih luas karena pemanfaatan agen menjadi cara utama pengembang berinteraksi dengan model-model ternama.
Menurut catatan rilis resmi, V4.1-Flash-1017 mengungguli versi sebelumnya pada benchmark sambil menyelesaikan tugas lebih cepat dan menghasilkan output lebih pendek. DeepSeek mencirikan perubahan ini sebagai peningkatan Pareto dalam hal kinerja dan biaya, yang berarti pengguna mendapatkan lebih banyak kemampuan tanpa membayar lebih banyak untuk setiap tugas.
Pembelajaran Penguatan Dengan Umpan Balik Mandiri
Perubahan teknis yang menonjol adalah pendekatan pelatihan. DeepSeek mengatakan V4.1-Flash-1017 menggunakan pembelajaran penguatan dengan umpan balik mandiri untuk meningkatkan pengembangan proyek end-to-end — kemampuan untuk menerima permintaan dan membangun proyek yang lengkap dan berfungsi, bukan hanya menjawab pertanyaan-pertanyaan yang terisolasi.
Perusahaan menerbitkan proyek demo yang dibuat oleh model tersebut untuk mengilustrasikan klaim tersebut, termasuk model 3D Kota Terlarang, game balap berbasis browser, rekreasi Portal 2 yang dibuat dengan mesin Godot, dan "Valley of Ages", sebuah adegan 3D yang menelusuri evolusi dari zaman prasejarah hingga era modern.
DeepSeek juga menyatakan bahwa pos pemeriksaan dioptimalkan untuk memanfaatkan agen, dengan nama DeepSeek Harness, Tencent CodeBuddy, dan WorkBuddy. Pengembang yang menjalankan beban kerja agen disarankan untuk meningkatkan ke DeepSeek Harness v0.2.1-rc.1 atau lebih baru untuk pengalaman terbaik. Catatan rilis merujuk pada hasil DeepSWE v1.1 pass@1 yang diukur terhadap biaya per tugas dengan memanfaatkan mini-swe-v2 sebagai dasar perbandingan efisiensi.
Cari dan Ambil API Terbuka untuk Semua Orang
Bersamaan dengan model tersebut, DeepSeek membuka API Pencarian dan Pengambilan untuk semua pengguna. Titik akhir ini didukung oleh mesin pencari internal perusahaan, yang menurut DeepSeek melayani ratusan juta permintaan setiap hari di seluruh dunia.
Penetapan harga sangat mudah: setiap titik akhir berharga $0,75 per 1.000 panggilan. Khususnya, panggilan Pencarian dan Pengambilan yang dilakukan melalui alat sisi server di DeepSeek Harness, Claude Code, dan Codex saat ini gratis untuk pengguna API DeepSeek, dengan penagihan dijadwalkan akan dimulai pada 31 Oktober 2026 pukul 16:00 UTC.
Langkah ini memposisikan API DeepSeek sebagai platform terpadu bagi pengembang agen, yang jika tidak, harus menyatukan penyedia model dengan API pencarian terpisah.
Bobot Terbuka, Ketersediaan Pihak Ketiga Hari Pertama
Sesuai dengan strategi bobot terbuka lab, DeepSeek-V4.1-Flash-1017 diterbitkan di bawah organisasi deepseek-ai di Hugging Face dan dicerminkan di ModelScope saat peluncuran. Pos pemeriksaan juga muncul di OpenRouter pada hari yang sama, memungkinkan pengembang mengarahkan permintaan ke sana melalui satu API bersama dengan model pesaing.
Ketertarikan langsung muncul. Dalam beberapa jam setelah rilis, baik daftar OpenRouter dan halaman Hugging Face mencapai halaman depan Hacker News, menarik ratusan poin gabungan — tingkat perhatian yang hanya dicapai oleh beberapa rilis model di pagi pertama.
Apa Artinya bagi Balapan Kelas Terbuka
Gaya rilis DeepSeek yang mengutamakan pos pemeriksaan menjadi pola yang patut diperhatikan. Daripada menunggu rilis versi utama, lab ini melakukan iterasi di depan umum, penyempurnaan dengan cap tanggal pengiriman yang menjaga bobot terbukanya tetap kompetitif dengan model perbatasan tertutup pada beban kerja pengkodean agen.
Bagi pengembang, manfaat praktisnya sangat nyata: output yang lebih pendek dan penyelesaian yang lebih cepat berarti latensi yang lebih rendah dan biaya yang lebih rendah untuk loop agen, dan API Pencarian dan Pengambilan yang dibundel menghilangkan satu ketergantungan lagi untuk tim yang membangun agen yang mampu menjelajah. Bagi para pesaing, setiap pos pemeriksaan mempersempit kesenjangan yang biasanya dipertahankan oleh laboratorium yang tertutup — dan peluncuran Hugging Face yang dilakukan pada hari pertama berarti setiap perbaikan dapat segera diperiksa, diukur, dan diterapkan oleh siapa pun.
Apakah perolehan benchmark V4.1-Flash-1017 bertahan dalam evaluasi independen masih harus dilihat, seperti halnya angka-angka yang dilaporkan vendor. Namun rilis ini menggarisbawahi betapa cepatnya ekosistem open-weight bergerak, dan bagaimana laboratorium Tiongkok khususnya menekan siklus kemajuan bertahap.
Ada juga konsekuensi praktis bagi tim yang menjalankan inferensi yang dihosting sendiri: pos pemeriksaan yang diperbarui berarti melakukan tolok ukur ulang terhadap jaringan pipa hilir secara rutin, karena versi yang disematkan dalam produksi saat ini mungkin akan digantikan dalam beberapa minggu. Irama tersebut merupakan ciri dari pengembangan terbuka – setiap perbaikan diumumkan ke publik dan dapat langsung diperiksa – namun hal ini memerlukan disiplin pelepasan yang sama dari para pengadopsi seperti yang diterapkan oleh laboratorium pada proyeknya.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
