DeepSeek-v4.1-Flash-1017

2026/10/17 17:21

DeepSeek-v4.1-Flash-1017

RSS: https://news.ycombinator.com/rss

要約▶

Japanese Translation:

DeepSeek-V4.1-Flash-1017 は、DeepSeek-V4.1-Flash のパフォーマンス向上型の後継モデルであり、推論、コーディング、エージェントタスクおよび画像ベンチマークにおいて顕著な性能向上を実現すると同時に、実行時間と出力長を削減しています。ベンチマーク結果によると、同モデルはオリジナルの V4.1-Flash を大幅に凌駕しており、HLE で 42.6(対 36.8)、Terminal-Bench 4.0 で 42.3(対 31.2)、DeepSWE v1.1 で 77.0(対 74.2)、Apex Bench v1.1 で 72.1(対 64.6)のスコアを記録しています。業界トップクラスの GPT-5.6 Sol や Opus 5 より劣るものの、前世代モデルに対しては確かな位置づけを確立しています。同モデルは、2026 年に発表された高度な KV キャッシュ圧縮技術による効率化を目的として設計されており、MIT ライセンスの下で公開されています。本番環境での統合においては、Rust ベースの

deepseek-recipe
ツールキット(Python バインディング付き)を利用することをお勧めします。この toolkit は、ツール呼び出しや画像生成といった複雑なタスクを処理する際に外部チャットテンプレートを使用する必要がありません。最適なパフォーマンスを発揮するためには、1M トークンの大きなコンテキストウィンドウ、少なくとも 256K トークンの最大出力容量、および サンプリングパラメータとして temperature=1.0 および top_p=1.0 を設定する必要があります。

本文

DeepSeek-V4.1-Flash-1017 技術レポート

序論

DeepSeek-V4.1-Flash-1017 は、前身モデルである DeepSeek-V4.1-Flash の小幅アップデートです。主な特徴は以下の通りです:

  • 大幅な性能向上: 推論能力、コーディング性能、エージェントタスク、および視覚ベンチマークの全分野で改善
  • 効率性の最大化: タスク実行時間と出力長を削減し、ユーザーがより迅速かつ低コストでタスクを完了できるよう支援
  • コストパフォーマンス: エージェントフレームワークにおける性能対費用比のパレートフロンティアを押し上げる

ベンチマーク比較

主要モデルとの性能比較結果です。

DS-V4.1-Flash-1017
は前身モデル
DS-V4.1-Flash
を大きく上回る成績を収めています。

モデルDS-V4.1-Flash-1017DS-V4.1-FlashK3GLM-5.3GPT-5.6 Sol Opus 5
HLE(ツール未使用)42.6 (44.0†)36.8 (39.1†)43.542.0†44.5
Terminal-Bench 4.0--12.637.939.9
DeepSWE v1.1--67.566.973.0
ProgramBench29.120.317.519.023.0
NL2Repo-Bench68.265.458.058.056.8
Automation-Bench v1.0.660.554.846.748.845.8
Agents' Last Exam35.431.827.628.526.7
Apex Bench v1.172.164.647.856.654.3
Chartography(ツール使用時)--68.1—79.9
BabyVision(ツール使用時)--85.7—88.9
ZeroBench-main(ツール使用時)--41.0—53.0

※脚注

  • †
    : HLE テキストのみサブセットを指します。
  • Terminal-Bench 4.0: Claude Code フレームワーク使用。
  • DeepSWE v1.1: Mini-SWE-V2 フレームワーク使用。

プロンプトエンコーディング

本リリースでは Jinja 形式のチャットテンプレート は含まれません。代わりに、以下を含む自己完結型の Python 実装(

encoding.py
)が提供されています:

  • マルチターン会話
  • ツール呼び出し
  • 思考モード
  • 数値推論への取り組み
  • システムメッセージ
  • 交錯する画像コンテンツ

本番環境向けツールキット

追加で

deepseek-recipe
をリリースしています。これは、以下を提供するための Rust ライブラリセット(Python バインディング付き)です:

  • 維持管理されているプロトコル対応のツールキットと同じプロンプト形式の提供
  • Messages
    、
    チャットコンプリション
    、および
    Responses API
    リクエストを会話形式に変換
  • DeepSeek V4 および V4.1 のプロンプトまたはトークン ID にエンコード
  • モデル出力(思考、ツール呼び出し、画像、生成設定を含む)を完全またはストリーミング応答としてパース

注意: モデル推論、ツールの実行、および HTTP 通信は呼び元(クライアント)が行うことを想定しています。

最小限の推論処理

重み変換とローカルでの推論処理に関する手順は、

infer
フォルダを参照してください。

推奨サンプリングパラメータは以下の通りです:

- パラメータ: temperature
  値: 1.0

- パラメータ: top_p
  値: 1.0

- パラメータ: context_window
  値: 1M トークン

- パラメータ: max_tokens
  値: ≥ 256K

ライセンス

本リポジトリおよびモデル重みは、MIT ライセンスの下で提供されています。

引用方法

学術論文などでの引用には以下の形式を使用してください:

@misc{deepseekai2026deepseekv41flash,
      title={DeepSeek-V4.1-Flash: KV キャッシュ圧縮の限界を突破},
      author={DeepSeek-AI},
      year={2026},
}

お問い合わせ

ご質問やサポートが必要な場合は、以下のいずれかの方法でご連絡ください:

  • Issue 作成: リポジトリ内の Issue セクションをご利用ください
  • メール:
    service@deepseek.com
    まで直接ご連絡ください

同じ日のほかのニュース

一覧に戻る →

2026/10/15 16:18

Commodore 64 ハードウェアシミュレーター:チップとピンを壊して結果を確認しよう

## Japanese Translation: 本ソフトウェアは、Andre Weissflog のコアモデルを zlib ライセンスの下で構築し、Commodore 64 のマザーボード(ASSY 250407)に対してサイクル正確なピン毎のシミュレーションを提供します。事前に定義された障害パターンに依存するツールとは異なり、明確な回路動作モデルおよびボードのネットリストを使用して、RAM のエイリアシングや電源投入前に特定のピンをリフトする際などに自然に発生するグリッチを導出します。ユーザーはチップをリフトする、ピンをショートさせる、ソケットを取り外す、抵抗器を開くなどしてボードと相互作用し、C64 の動作を安全に学習したり、壊れたハードウェアのトラブルシューティングを行ったりすることができます。パワーモデリングは厳格であり、死んだチップ、浮遊する CMOS 構成要素、および幻のパワー効果を区別します。シミュレーションにはオシロスコープ表示や .prg の読み込みによるデバッグ機能などの機能が含まれていますが、現在のハードウェア上のパフォーマンス制限のためゲームエミュレーターではありません(31–48% の速度でシミュレート)。既知のギャップとしては、SID フィルターやビデオ出力のようなアナログ部品がシミュレーションされていないことなどがあり、将来的なアップデートでは内部チップの障害およびネットブリッジの対応を計画しています。

2026/10/18 0:55

ペレ - テーマ化可能な SVG としてマーメイド図

## 日本語訳: # ルール - 元の意味を正確に保持する(追加も省略もない)。 - ドキュメントの構造(見出し、箇条書きなど)を維持する。 - 技術用語を正確に扱う(API、LLM、zero-trust は自然な日本語の対訳がある場合を除きそのまま残す)。 - トーンと確信度を保つ。 - まとめ、説明、改変を行わず、翻訳のみを行う。 # 出力形式 ## 日本語訳: (ここに日本語訳を書く) ## 訳すべきテキスト: (必要であれば;なければ元の文章を繰り返す): 正確性や明瞭さのためには改善は不要だが、 desired な場合は名前の由来に簡潔に触れることで若干の文脈を追加できる。

2026/10/17 22:55

ドルーリートウイングルームで鶏肉を透明化させる方法

## Japanese Translation: 本テキストの主目的は、Ou ららによる 2024 年に *Science* に発表された画期的な研究の再現を試行するongoing effort(継続的な取り組み)を報告することである。該研究では、食紅タールアズリン(C.I. 19140, λmax = 425 nm)を用いて鶏肉などの生物組織を透過させ、低コストで蛍光イメージングを可能にした。オリジナル研究では、機械式シェーカを用いて約 40 °C の加温下で高濃度のタールアズリン(~0.62 M)に試料を処理することで、光吸収を増加させることなく組織の屈折率(~1.45)に一致させ、完全な透明化を実現した。 再現試行において、著者は APC Pure より入手したタールアズリン(色素含有量 >80%、分子量 534.4 g/mol)を使用し、3 つの濃度(0%〔対照〕、~10%〔~0.19 M〕、~30%〔~0.56 M〕)をテストした。最高濃度(~0.56 M)では望ましくない結晶化が生じ、中間濃度(~0.19 M)ではガムベアに似た半透明でゼリー状の質感を示し、一部透過性を得た。追加試験として、室温で 12 時間浸漬して透明性とサルモネラリスクを評価したが、結果は僅かであった。提案された機構では、赤色光域近傍での光吸収を増加させることなく、水の屈折率をタンパク質および脂質の屈折率に近づけることによるものである。 現時点において再現試行は低コスト法または室温法を用いて成功していないが、著者は直ちにオリジナルのプロトコル(高濃度かつ加温条件)を試みる予定である。成功すれば、この技術により独立した研究室でも高価な機器なしで生体組織のイメージングが可能となり、不透明な生物試料中の内部構造観察という長年の課題に対処できることになる。