DeepSeek-V4.1-Flash: обзор обновления и гайд в DeepSeek Harness

Что изменилось в бенчмарках

DeepSeek опубликовала таблицу из 11 тестов, где сравнила новинку с предыдущей версией и конкурентами: Kimi K3, GLM-5.3, GPT-5.6 Sol и Claude Opus 5. Все результаты получены в собственном тестировании компании. Для Terminal-Bench 4.0 разработчики использовали оболочку Claude Code, для DeepSWE v1.1 ― Mini-SWE-V2.

Наибольший прирост новинка показала в агентных задачах и программировании. В визуальных тестах с инструментами прирост скромнее. В Chartography результат вырос с 78,9 до 83,0, в BabyVision ― с 89,6 до 92,5, в ZeroBench ― с 49,0 до 51,0.

Обновление обходит Claude Opus 5 в четырех тестах: DeepSWE, Automation-Bench, Agents’ Last Exam и Apex Bench. В остальных семи лидирует модель Anthropic. Самый большой разрыв ― в Humanity’s Last Exam, почти 14 пунктов. Отдельно DeepSeek опубликовала график соотношения точности в DeepSWE и стоимости одной задачи ― по нему компания и обосновывает тезис об улучшении по Парето.

Таким образом, новинка не претендует на звание самой сильной модели в целом. Ее позиционирование ― результат уровня флагманов в агентных сценариях при цене Flash-модели. 

При этом ключевое заявление релиза касается не отдельных бенчмарков, а работы над цельными проектами. Пользователь описывает результат, а модель сама проходит путь от структуры проекта до готового приложения.

Доступность и стоимость

Новая версия заменила предыдущую во всех продуктах компании одновременно. Отдельно переключаться на нее не нужно.

Веб-версия и приложение. В чате DeepSeek и мобильном приложении новая модель работает по умолчанию и бесплатно.

API. Разработчики обращаются к модели по прежнему идентификатору deepseek-flash. Устаревшие имена deepseek-v4-flash и deepseek-v4-flash-vision-exp продолжают работать, но запросы к ним обслуживает версия 1017 по тарифу Flash.

Цены. Тарифы не изменились. DeepSeek разделяет сутки на пиковые и непиковые часы, вне пика цены вдвое ниже.

Пиковые часы ― с 01:00 до 04:00 и с 06:00 до 10:00 по UTC в будние дни. Выходные и государственные праздники Китая целиком считаются непиковым временем.

Для большинства пользователей веб-версии ничего не меняется, кроме качества ответов. Разработчикам, которые работают через API, тоже не нужно править код или бюджет ― достаточно учесть новые возможности поиска.

Гайд: 3D-модель города в DeepSeek Harness

Для практической части редакция выбрала интерактивную 3D-модель города. Задача хорошо показывает сквозную разработку: модели нужно спланировать сцену, собрать десятки построек, настроить камеру, освещение и интерфейс, а затем проверить результат.

Работать будем в DeepSeek Harness ― открытой агентной оболочке DeepSeek с десктопным приложением для Windows и macOS. 

Шаг 1. Обновите DeepSeek Harness

Если Harness уже установлена, в левом нижнем углу окна появится кнопка Update.

Нажмите ее. Приложение покажет окно с номером доступной версии ― на момент подготовки статьи это 0.2.1-rc.2. Нажмите Install and Restart: Harness закроется, установит обновление и откроется снова. Если оболочка еще не установлена, скачайте установщик последней версии со страницы релизов в GitHub.

После перезапуска можно переходить к выбору модели.

Шаг 2. Выберите модель

Войдите в аккаунт DeepSeek или подключите API-ключ с платформы DeepSeek. Затем нажмите на название модели в правой части поля ввода.

В списке Harness новая версия отображается как DeepSeek-V41-Flash. Выберите DeepSeek-V41-Flash и оставьте уровень рассуждений High, который стоит по умолчанию. 

Модель выбрана, осталось подготовить рабочую папку. 

Шаг 3. Создайте рабочую папку и сессию

Создайте пустую папку для проекта, например forbidden-city, и добавьте ее как рабочее пространство кнопкой с плюсом справа от раздела Workspaces. Новая папка появится в боковой панели, а над полем ввода отобразится ее название.

Режим оставьте стандартным (Standard mode): он подходит для разработки приложений, а Creator mode предназначен для создания плагинов самой Harness. Уровень доступа Workspace Write в поле ввода позволяет агенту создавать и редактировать файлы внутри рабочей папки.

Шаг 4. Отправьте промпт

Промпт описывает ключевые объекты комплекса, требования к интерактивности и формат результата. Отдельно мы просим модель проверить свою работу перед завершением ― это задействует механизм самообратной связи, о котором говорит DeepSeek. 

После отправки модель начинает с анализа задачи и окружения: осматривает рабочую папку и проверяет доступные инструменты. Ход работы отображается в ленте сессии ― каждый вызов инструмента и каждое рассуждение модели идут отдельной строкой.

В строке под полем ввода Harness показывает статистику сессии: число ходов и шагов, скорость генерации, расход токенов и долю попаданий в кеш. Например, после первых шести шагов скорость составляла 246 токенов в секунду, а доля попаданий в кеш ― 83%.

Шаг 5. Откройте результат

Когда модель завершит работу, в папке проекта появится файл index.html. Откройте его в браузере двойным кликом или через боковую панель файлов Harness.

В нашем случае модель собрала комплекс целиком: ров с мостом, Полуденные ворота с тремя арками, внутренний двор, три главных зала на мраморных террасах и четыре угловые башни. В правом верхнем углу ― кнопки Guided Tour и Day, в левом нижнем ― подсказки по управлению: вращение мышью, масштаб колесиком и подписи при наведении.

Подписи модель сделала подробнее, чем требовал промпт. При наведении на здание появляется карточка с названием и коротким описанием.

Кнопка Guided Tour запускает облет камеры вдоль центральной оси с юга на север, а кнопка Day переключает сцену в ночной режим с освещением фонарями.

Чтобы оценить, как модель выполняла задачу, откройте вкладку Trajectory. В ней отображается каждый шаг: вызовы инструментов, рассуждения модели и служебные сообщения. Для проверки кода модель сама запустила четыре субагента, например для анализа синтаксиса и работы JavaScript. Один раз Harness предупредила модель, что та повторяет одинаковые вызовы, и модель сменила подход.

Итоговая статистика проекта ― 3 хода, 96 шагов, 26,3 млн токенов при доле попаданий в кеш 99%. Попадания в кеш ― самая дешевая статья расходов в тарифах DeepSeek, поэтому большая часть токенов оплачивается по минимальной ставке.

Ограничения и нюансы

У обновления есть ограничения, которые стоит учитывать перед переходом на него в рабочих проектах.

Бенчмарки от самого разработчика. Все результаты получены во внутреннем тестировании DeepSeek. Насколько сократилось время выполнения задач и длина ответов, компания в цифрах не уточнила. Независимые замеры на момент публикации ограничены.

Не лидер по всем тестам. В 7 из 11 бенчмарков DeepSeek-V4.1-Flash-1017 уступает Claude Opus 5. Особенно заметно отставание в задачах на рассуждения без инструментов и в Terminal-Bench 4.0.

Предварительная версия Harness. Рекомендованные DeepSeek сборки v0.2.1-rc.1 и rc.2 ― релиз-кандидаты, а не стабильные версии. В них возможны ошибки, а часть функций помечена как экспериментальная. В нашем тесте на Windows не запускался PowerShell, и агенту пришлось работать без терминала. Если рабочая папка лежит по пути с кириллицей, ее стоит перенести в папку с латинским названием.

Локальный запуск. Открытые веса не означают доступность для домашнего компьютера. Модель с сотнями миллиардов параметров рассчитана на серверное оборудование.

Регуляторные ограничения. 19 октября Министерство внутренней безопасности США обязало федеральные гражданские ведомства удалить продукты DeepSeek из своих систем и запретило компании участвовать в госконтрактах. Запрет не распространяется на частных пользователей и бизнес, однако компаниям ― подрядчикам правительства США стоит учитывать его при выборе модели.

Большинство этих ограничений касаются корпоративного использования. Для личных проектов и экспериментов они некритичны.

Кому подойдет обновление

DeepSeek-V4.1-Flash-1017 развивает стратегию, которую компания обозначила в сентябре: результаты уровня флагманских моделей в агентных задачах при цене Flash-версии. Обновление не меняет тарифы и не требует правок в коде, поэтому пользователи API получают прирост качества автоматически.

Больше всего новинка интересна разработчикам, которые используют агентные оболочки ― DeepSeek Harness, Claude Code или Codex ― для длинных задач. Для них важны и меньшее время выполнения, и бесплатный до конца октября поиск. Пользователям веб-чата обновление доступно без каких-либо действий. Следующим шагом DeepSeek ранее называла запуск V4.1-Pro.