DeepSeek hat das Modell hinter seiner günstigsten Stufe still ausgetauscht. Am 17. Oktober 2026 ersetzte es DeepSeek-V4.1-Flash auf Website, App und API durch einen aufgefrischten Checkpoint, DeepSeek-V4.1-Flash-1017, und stellte die Gewichte unter MIT-Lizenz auf Hugging Face. Versprochen wird ein besseres Verhältnis von Qualität zu Kosten: höhere Werte in DeepSeeks eigenen Tests, kürzere Laufzeiten und weniger Text. Wer Flash bereits bezahlt, bekam die Änderung, ohne etwas tun zu müssen.
DeepSeeks Changelog nennt Verbesserungen in allen elf veröffentlichten Benchmarks. Am größten sind sie beim agentischen Programmieren: Terminal-Bench 4.0 stieg von 31,2 auf 42,3, gemessen im Claude-Code-Harness, ProgramBench von 20,3 auf 29,1. Humanity's Last Exam ohne Werkzeuge ging von 36,8 auf 42,6, DeepSWE v1.1 von 74,2 auf 77,0. Laut Unternehmen kam Reinforcement Learning mit Selbstrückmeldung an kompletten Projekten zum Einsatz, und das Modell wurde auf DeepSeeks eigenen DeepSeek Harness abgestimmt, für den es Version 0.2.1-rc.1 oder neuer empfiehlt, sowie auf Tencents CodeBuddy und WorkBuddy. Wie viel kürzer die Ausgaben werden, beziffert es nicht.
Die Preise bleiben gleich. API-Nutzer rufen weiter deepseek-flash auf, und die alten Modellnamen leiten nun auf den neuen Checkpoint um und werden als Flash abgerechnet. Unsere Besprechung von DeepSeek-V4.1-Flash nennt $0.30 pro Million Eingabe-Tokens und $1.20 pro Million Ausgabe-Tokens zur werktäglichen Spitzenzeit, außerhalb davon die Hälfte, sodass kürzere Antworten direkt die Rechnung senken. Mit demselben Release öffnete DeepSeek seine eigene Suchmaschine für Entwickler über die Search- und Fetch-APIs zu $0.75 pro 1.000 Aufrufe je Endpunkt, eine nützliche Option für Agenten, die Webzugang ohne zusätzlichen Anbieter brauchen.
Das Update zählt, weil Flash zum Standard für kostensensible Agentenarbeit geworden ist, sowohl über die DeepSeek-API als auch selbst gehostet. Ein datierter Checkpoint statt einer neuen Versionsnummer zeigt zudem, dass DeepSeek zu häufigen, schrittweisen Releases übergeht, ähnlich wie andere Labore mit datierten Snapshots. Teams, die eine Modellversion festschreiben, sollten wissen, dass die alten Namen nicht mehr auf die alten Gewichte zeigen; das Verhalten kann sich also ohne Codeänderung verschieben.
Die Vorsicht ist die übliche. Alle Werte stammen von DeepSeek, und der Vergleich mit dem September-Release ist unserer, zusammengestellt aus zwei getrennten Changelog-Einträgen. Manche Zahlen beruhen auf besonderen Bedingungen, etwa einer reinen Text-Teilmenge von Humanity's Last Exam. Unabhängige Programmierergebnisse, vor allem bei langen realen Aufgaben, werden zeigen, ob die Gewinne außerhalb von DeepSeeks eigenen Harnesses halten. Bis dahin solltest du es an deiner eigenen Arbeit testen, bevor du dich auf die Verbesserung verlässt, und prüfen, ob knappere Antworten Details weglassen, die du brauchst.