DeepSeek-V4.1-Flash-1017

Fiche modèle · DeepSeek · deepseek-v4.1-flash-1017

DeepSeek-V4.1-Flash-1017 is a minor update to DeepSeek-V4.1-Flash with the same architecture and API model name deepseek-flash. It delivers substantial gains on reasoning, coding, agentic, and visual benchmarks, with shorter task runtime and output length. It supports a 1M-token context and up to 384K output tokens. Pricing is unchanged from V4.1-Flash: peak rates are $0.30 input, $0.006 cached input, and $1.20 output per million tokens; off-peak rates are half those amounts. Peak hours are 01:00-04:00 and 06:00-10:00 UTC on weekdays, excluding Chinese public holidays. Legacy API names deepseek-v4-flash and deepseek-v4-flash-vision-exp are now served by this model.

Fiches modèles

Identité

Organisation	DeepSeek
Pays	—
Famille	—
Type	llm
Date de sortie	2026-10-17
Licence	mit
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 763 Md > 107 Md
Modalités	image\|text
Fenêtre de contexte	1 048 576
KV cache / token (Q8)	41.0 ko/token
Paramètres totaux	763 B
Paramètres actifs (session)	9.33 B
Actifs — lecture (entrée)	8 B
Actifs — écriture (sortie)	16 B
Source des paramètres actifs	web : https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017 ; actifs : même architecture que DeepSeek-V4.1-Flash (8 B lecture / 16 B écriture)
Curation des paramètres actifs	2026-10-31
Prix par session	0.54 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	4.54 $ (est.)
Tokens d'entraînement	45 000 000 000 000
Coupure de connaissance	—
Créé le	2026-10-19T15:09:20.181106Z
Mis à jour le	2026-11-04T06:04:41.333095Z
Source	LLM Stats
URL	https://llm-stats.com/models/deepseek-v4.1-flash-1017

Tokens/tâche

IA Act — preuves fournisseur

ICA 88/100 · open source · seuil systémique inconnu

Critère	Note / 5	Poids
Documentation technique	2,5	5 %
Résumé des données d'entraînement	5,0	35 %
Conformité droit d'auteur	5,0	35 %
Code of Practice GPAI	3,8	20 %
Risque systémique	0,0	5 %

Curation : 2026-10-23.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : souverain — via AKI.IO (eurouter), Entrim (eurouter), GreenPT (eurouter), Lyceum Technology GmbH (eurouter), Scaleway (scaleway), Tensorix (eurouter).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
AKI.IO	eurouter	souverain	—	—	—	1 048 576	—	—	—
Entrim	eurouter	souverain	—	—	—	1 048 576	—	—	—
GreenPT	eurouter	souverain	—	—	—	1 048 576	—	—	—
Lyceum Technology GmbH	eurouter	souverain	—	—	—	1 048 576	—	—	—
Scaleway	scaleway	souverain	0.67 $	2.02 $	—	256 000	—	—	—
Tensorix	eurouter	souverain	—	—	—	1 048 576	—	—	—
DeepSeek	llm-stats	non	0.30 $	1.20 $	—	—	—	—	active
Melious	eurouter	non	—	—	—	1 048 576	—	—	—

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
math	0.40
multimodal	0.80
reasoning	0.60
general	0.60
agents	0.50
code	0.50
tool_calling	0.50
vision	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
agents-last-exam	agents	0.35	1.00	0.35	non	oui	2026-11-04T06:04:41.387941Z
automationbench	agents	0.60	1.00	0.60	non	oui	2026-11-04T06:04:41.383139Z
babyvision	vision	0.93	1.00	0.93	non	oui	2026-11-04T06:04:41.403116Z
chartography	vision	0.83	1.00	0.83	non	oui	2026-11-04T06:04:41.393037Z
deepswe-1.1	code	0.77	1.00	0.77	non	oui	2026-11-04T06:04:41.358205Z
humanity's-last-exam	reasoning	0.43	1.00	0.43	non	oui	2026-11-04T06:04:41.340812Z
humanity's-last-exam-(no-tools,-text-only)	reasoning	0.44	1.00	0.44	non	oui	2026-11-04T06:04:41.346864Z
nl2repo	code	0.68	1.00	0.68	non	oui	2026-11-04T06:04:41.373064Z
program-bench	agents	0.29	1.00	0.29	non	oui	2026-11-04T06:04:41.365717Z
terminal-bench-4.0	reasoning	0.42	1.00	0.42	non	oui	2026-11-04T06:04:41.350658Z
zerobench	vision	0.51	100.00	0.51	non	oui	2026-11-04T06:04:41.411664Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	9	0.50	39.03	6	trueskill	2026-11-04T08:08:47.839150Z	rankings
code	15	0.50	40.34	4	trueskill	2026-11-04T08:08:39.742311Z	rankings
multimodal	14	0.80	34.86	3	trueskill	2026-11-04T08:08:46.488887Z	rankings
reasoning	24	0.60	47.97	8	trueskill	2026-11-04T08:08:41.093494Z	rankings

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04