DeepSeek V4.1-Flash-1017: Kleines Modell, starke Coding-Agenten

Kurz gesagt: DeepSeek hat am 17. Oktober 2026 die Open-Weight-Version V4.1-Flash-1017 veröffentlicht. Laut den eigenen Benchmarks schlägt sie bei Coding- und Agenten-Aufgaben mehrere größere Modelle, bei vielen anderen Tests liegt Claude Opus 5 weiter vorn. Unabhängige Messungen fehlen noch.

Was ist neu?

V4.1-Flash-1017 ist ein Update des Flash-Modells von DeepSeek. Die Modellkarte auf Hugging Face spricht von einem „minor update“, das trotzdem Reasoning, Coding, Agenten-Aufgaben und Bildverständnis verbessern soll. Gleichzeitig soll das Modell Aufgaben schneller abschließen und kürzere Antworten liefern. DeepSeek nennt das eine Verschiebung der Pareto-Front zwischen Leistung und Kosten.

Das Training setzt laut The Decoder auf Reinforcement Learning mit Selbst-Feedback (RLSF). Dabei dient die eigene Konfidenz des Modells oder eine selbst erzeugte Kritik als Belohnungssignal, statt menschlicher Bewerter oder eines externen Belohnungsmodells.

Die Zahlen: stark, aber selbst gemessen

Die Tabelle auf der Modellkarte zeigt ein gemischtes Bild. Bei DeepSWE v1.1 kommt das Modell auf 77,0 Prozent und liegt damit vor Claude Opus 5 (74,0) und GPT-5.6 Sol (73,0). Bei der Automation-Bench sind es 60,5 gegen 50,3 für Opus 5, bei „Agents’ Last Exam“ 35,4 gegen 28,6, bei der Apex Bench 72,1 gegen 65,8.

Opus 5 liegt dagegen bei anderen Tests klar vorn: HLE ohne Werkzeuge 56,3 gegen 42,6, Terminal-Bench 4.0 51,8 gegen 42,3, ProgramBench 37,0 gegen 29,1 und NL2Repo-Bench 75,3 gegen 68,2. Die Schlagzeile „schlägt die Großen“ stimmt also nur für einen Teil der Disziplinen, nämlich die agentischen und Coding-nahen.

Wichtig: Alle Werte stammen von DeepSeek selbst. The Decoder schreibt ausdrücklich, dass unabhängige Benchmarks noch ausstehen. Wer das Modell produktiv einsetzen will, sollte es an eigenen Aufgaben testen.

Der eigentliche Hebel: Preis pro Aufgabe

Spannend ist weniger die Prozentzahl als das Kostendiagramm. Laut DeepSeek erreicht V4.1-Flash-1017 den DeepSWE-Spitzenwert von 77,0 Prozent bei durchschnittlich knapp unter 0,20 US-Dollar pro Aufgabe. In der niedrigen Einstellung sind es über 72 Prozent für gut 0,10 US-Dollar. Der Vorgänger kostete bei 74,2 Prozent noch rund 0,50 US-Dollar. Konkurrenzmodelle liegen in derselben Grafik zwischen 2 und über 10 US-Dollar pro Aufgabe.

Der Grund sind kürzere Ausgaben: Weniger Tokens heißen weniger Kosten und weniger Wartezeit. Für Agenten, die hunderte Schritte abarbeiten, summiert sich das.

Bonus: DeepSeek öffnet seine Suche

Neben dem Modell macht DeepSeek erstmals die Such- und Fetch-Schnittstellen seiner eigenen Suchmaschine für alle Entwickler zugänglich. Regulär kostet jeder Endpunkt 0,75 US-Dollar pro 1.000 Aufrufe. Wer die DeepSeek-API nutzt, bekommt die Funktionen als serverseitige Werkzeuge in DeepSeek Harness, Claude Code und Codex noch bis zum 31. Oktober 2026, 16 Uhr UTC, kostenlos.

Der Haken: Regulierung in China

The Decoder weist auf einen Dämpfer hin: Die chinesische Regierung hat offenbar Pläne, die Veröffentlichung von Open-Weight-Modellen stärker zu regulieren oder zu unterbinden. Ein Kriterium soll sein, ob ein System zu den zehn leistungsfähigsten Modellen gehört. Wie es weitergeht, ist laut der Quelle nicht abschließend bekannt.

Was du jetzt tun kannst

• Gewichte von Hugging Face laden und auf eigenen Coding-Aufgaben gegen dein aktuelles Modell testen, nicht nur auf Leaderboards.
• Auf unabhängige Messungen warten, bevor du ein Modell fest einplanst.
• Die Kosten pro gelöster Aufgabe vergleichen, nicht den Preis pro Million Tokens.