DeepSeek bracht zaterdag 17 oktober in de late avond een bijgewerkt kunstmatig-intelligentiemodel uit en rolde DeepSeek-V4.1-Flash-1017 uit op de website, de mobiele app en het ontwikkelaarsplatform van het bedrijf. Het Chinese bedrijf zegt dat de nieuwe versie sneller en efficiënter is dan het model dat hij vervangt, en omschreef de wijziging als een "Pareto-verbetering" in zowel prestaties als kosten — een term die aangeeft dat de upgrade vooruitgang boekte op het ene vlak zonder op het andere in te leveren.

DeepSeek kondigde de update aan in berichten op X, met verwijzing naar sterkere benchmarkprestaties, snellere taakafhandeling en kortere outputs dan de vorige versie, V4.1-Flash. De release werd ook benadrukt in een bericht op X van 18 oktober door het account Coin Bureau.

🚨JUST IN: China's DeepSeek releases V4.1-Flash-1017, claiming FASTER performance and improved reasoning, coding, and AI agent capabilities. The open-weight model reportedly outperforms its predecessor across nearly all benchmarks while completing tasks faster and using fewer… pic.twitter.com/G0gdBa1FiV

— Coin Bureau (@coinbureau) October 18, 2026

Wat de update bevat

Het bedrijf omschreef de release als een kleine update van V4.1-Flash. Volgens DeepSeek verbetert het model redenering, programmeren, agentische taken en visuele benchmarks, en wijst het technische rapport op Hugging Face ook op betere resultaten bij het maken van games en 3D-modellering.

Het model gebruikt reinforcement learning met zelffeedback, een aanpak die DeepSeek zegt te helpen bij het van begin tot eind opbouwen van projecten. Het is geoptimaliseerd voor tools zoals DeepSeek Harness, Tencent CodeBuddy en WorkBuddy.

DeepSeek opende ook zijn Search- en Fetch-API's voor alle gebruikers. De diensten draaien op de eigen zoekmachine van het bedrijf, en elk Search- of Fetch-API-eindunt kost $0,75 per 1.000 aanroepen. Dergelijke zoek- en web Retrieval-tools worden vaak gebruikt om modelantwoorden te onderbouwen met actuele informatie.

Benchmarkscores

DeepSeek publiceerde bij de release een reeks benchmarkvergelijkingen. Het model scoorde 77,0 op de DeepSWE v1.1-benchmark, tegen 74,2 voor de eerdere versie. Op Automation-Bench V1.0.6 scoorde het 60,5, tegen eerder 54,8.

Het bedrijf deelde ook resultaten voor Humanity's Last Exam, een toets die duizenden vragen over wiskunde, natuurwetenschappen en geesteswetenschappen omvat. Het herziene model scoorde 36,8 tot 42,6 op die toets, terwijl V4.1-Flash 36,8 tot 39,1 scoorde.

De vooruitgang is stapsgewijs, in lijn met de eigen kwalificatie van het bedrijf dat het om een kleine update gaat en niet om een nieuwe modelgeneratie.

Concurrentielandschap

De release versterkt de uitdaging van DeepSeek aan Amerikaanse rivalen als Anthropic en OpenAI, evenals aan Chinese concurrenten zoals Moonshot Kimi en Z.ai. DeepSeeks open-weight-modellen zijn aanzienlijk goedkoper dan propriëtaire Amerikaanse modellen, al blijven de Amerikaanse modellen de beste presteerders. Open-weight-releases publiceren de parameters van een model zodat ontwikkelaars ze direct kunnen downloaden en uitvoeren, een distributiemodel dat contrasteert met propriëtaire systemen die uitsluitend via betaalde diensten worden aangeboden.

Het eerdere V4.1-Flash werd begin september gelanceerd tegen een flinke korting. Aandelen van MiniMax Group, Z.ai en Alibaba Group daalden daarna aan de beurs van Hongkong.

De update volgt op een moeilijke periode voor het bedrijf. Eerder die week kampte DeepSeek met een storing van ongeveer vijf uur. Sommige experts wijzen op een gebrek aan rekenkracht, en vertragingen zijn de afgelopen maanden toegenomen. Betrouwbaarheid onder hoge vraag zal vermoedelijk een aandachtspunt blijven voor gebruikers nu de nieuwe uitrol over de platforms van het bedrijf plaatsvindt.

Het bedrijf begon de uitrol van de update in de late zaterdag, en V4.1-Flash-1017 is nu beschikbaar op het web, in de app en via de API.