Thứ Bảy, ngày 17/10/2026, DeepSeek phát hành DeepSeek-V4.1-Flash-1017, bản cập nhật cho model V4.1-Flash ra mắt hồi tháng 9. Trọng số (weights) đã có trên Hugging Face và ModelScope theo giấy phép MIT. Model cũng đã chạy trên ứng dụng, website và API của DeepSeek. Bài công bố có tiêu đề “Wish-Driven Programming Made Real” (tạm hiểu: lập trình theo điều ước đã thành hiện thực). DeepSeek tóm tắt bản cập nhật là “điểm benchmark cao hơn, hoàn thành tác vụ nhanh hơn, đầu ra ngắn hơn bản trước”, tức một cải thiện Pareto: tốt hơn về chất lượng mà vẫn rẻ hơn về chi phí.
Cùng bài công bố, DeepSeek mở cho mọi người dùng API hai dịch vụ mới là Search và Fetch. Hai API này chạy trên công cụ tìm kiếm do DeepSeek tự xây, giá 0,75 USD cho mỗi 1.000 lượt gọi thành công ở mỗi endpoint.
Đây không phải một base model (model nền) thế hệ mới. Chính model card gọi đây là “bản cập nhật nhỏ”. Nhưng bản cập nhật này làm chi phí chạy một coding agent (tác tử lập trình) giảm đủ mạnh để đáng xem kỹ.
Phát hành những gì
Theo model card và trang bảng giá của DeepSeek:
- Trọng số: 763 tỷ tham số theo cách đếm của Hugging Face, định dạng FP8 safetensors (riêng các expert ở FP4), chia thành 48 file, tổng cộng khoảng 510 GB.
- Ngữ cảnh: 1 triệu token. API cho đầu ra tối đa 384K token. Model card khuyên đặt
max_tokenstừ 256K trở lên khi chạy tác vụ agent. - Tên trên API:
deepseek-flash. Hai tên cũdeepseek-v4-flashvàdeepseek-v4-flash-vision-expđã ngừng dùng, các request gửi tới hai tên này giờ do bản 1017 xử lý. Nếu hệ thống của bạn còn gọi tên cũ, model phía sau đã đổi từ thứ Bảy mà bạn không hề phải sửa dòng code nào. - Giá giữ nguyên: ngoài giờ cao điểm, 0,15 USD cho một triệu token đầu vào khi không trúng cache, 0,003 USD khi trúng cache (cache hit) và 0,60 USD cho một triệu token đầu ra. Giờ cao điểm (01:00–04:00 và 06:00–10:00 UTC các ngày trong tuần) giá gấp đôi.
Số tham số cần đọc cẩn thận. Báo cáo kỹ thuật V4.1 mô tả một backbone 552 tỷ tham số cùng một khối bộ nhớ có điều kiện “Engram” 196 tỷ tham số tách riêng. Con số 763 tỷ của Hugging Face lại theo một cách tính khác, và ba con số này cộng lại không khớp nhau. Bài phân tích của Kingy AI cho rằng hai con số dùng phạm vi tính khác nhau, nên không con số nào là bản sửa của con số kia. Cũng theo Kingy, mỗi token chỉ kích hoạt khoảng 8 tỷ tham số ở giai đoạn prefill (xử lý đầu vào) và 16 tỷ ở giai đoạn decode (sinh đầu ra). Đây là lý do DeepSeek có thể bán model với giá thấp như vậy.
DeepSeek không nói gì về thay đổi kiến trúc. Phương pháp duy nhất được nêu là “học tăng cường (reinforcement learning) với cơ chế tự phản hồi để cải thiện khả năng phát triển dự án từ đầu đến cuối”. Các bản demo đều là dự án trọn vẹn làm từ một yêu cầu: mô hình 3D Tử Cấm Thành, một game đua xe chạy trên trình duyệt, bản dựng lại Portal 2 bằng Godot. DeepSeek không định nghĩa cụm “lập trình theo điều ước”, nhưng các ví dụ cho thấy ý tưởng là bạn mô tả thứ mình muốn rồi để agent tự làm hết.
Các con số
Bảng của DeepSeek so 1017 với bản Flash trước, Kimi K3, GLM-5.3, GPT-5.6 Sol và Claude Opus 5:
| Benchmark | Flash-1017 | Flash (tháng 9) | GPT-5.6 Sol | Opus 5 |
|---|---|---|---|---|
| DeepSWE v1.1 | 77,0 | 74,2 | 73,0 | 74,0 |
| Terminal-Bench 4.0 | 42,3 | 31,2 | 39,9 | 51,8 |
| ProgramBench | 29,1 | 20,3 | 23,0 | 37,0 |
| NL2Repo-Bench | 68,2 | 65,4 | 56,8 | 75,3 |
| Automation-Bench | 60,5 | 54,8 | 45,8 | 50,3 |
| HLE (không công cụ) | 42,6 | 36,8 | 44,5 | 56,3 |
Bước tiến thật nằm ở mức tăng so với chính bản trước: Terminal-Bench tăng 11,1 điểm, ProgramBench tăng 8,8 điểm (khoảng 43% về tương đối). So với Opus 5 thì kết quả lẫn lộn. Flash-1017 thắng 4 trên 11 hạng mục (DeepSWE, Automation-Bench, Agents’ Last Exam, Apex Bench) và thua 7 hạng mục còn lại, nhiều chỗ thua khá xa. The Decoder giật tít rằng model “vượt các đối thủ lớn hơn”, nhưng Kingy đọc từng dòng và cho rằng khẳng định chung chung đó khó đứng vững.
Con số đáng chú ý hơn là chi phí. DeepSeek vẽ biểu đồ độ chính xác trên DeepSWE theo chi phí mỗi tác vụ. Theo cách The Decoder đọc biểu đồ này, bản 1017 đạt 77,0% với chi phí chưa tới 0,2 USD mỗi tác vụ, và ở mức suy luận thấp vẫn vượt 72% với khoảng 0,1 USD. Bản Flash tháng 9 đạt 74,2% với khoảng 0,5 USD. Các model frontier của đối thủ tốn từ 2 USD đến hơn 10 USD mỗi tác vụ. Giá theo token không đổi, nên toàn bộ phần tiết kiệm đến từ việc model dùng ít token hơn và làm xong việc nhanh hơn.
Kingy tự chạy một thử nghiệm nhỏ qua Vercel AI Gateway: 7 tác vụ, mỗi tác vụ chạy hai lần. Flash-1017 đạt 14/14, tổng chi phí 0,016 USD. GPT-6.1 Sol cũng 14/14 nhưng tốn 0,058 USD, Claude Sonnet 5.5 cũng 14/14 với 0,065 USD. Quy mô này quá nhỏ để xếp hạng model, và ba model đều chạm điểm tối đa. Dù vậy, kết quả vẫn khớp với câu chuyện về chi phí.
Những điểm cần dè dặt
- Đối thủ trong bảng đã cũ một thế hệ. Bảng của DeepSeek so với Opus 5 và GPT-5.6 Sol, không có Claude Opus 5.5, GPT-6 Sol hay Gemini 4 Argon của Google. Google công bố Argon đạt 77,9 điểm DeepSWE. Vì vậy “dẫn đầu DeepSWE” chỉ đúng trong nhóm model mà DeepSeek tự chọn để so.
- Phụ thuộc harness. Chú thích ghi rõ Terminal-Bench chạy trên harness (bộ khung chạy agent) của Claude Code, còn DeepSWE chạy trên Mini-SWE-V2. Điểm của agent thay đổi nhiều theo bộ khung, nên kết quả trên công cụ của bạn có thể khác.
- Không có số liệu cho các tuyên bố về hiệu quả. “Đầu ra ngắn hơn” và “hoàn thành nhanh hơn” chỉ là lời mô tả. Số liệu chi phí mỗi tác vụ chỉ có ở dạng ảnh biểu đồ.
- Chưa có đánh giá độc lập. The Decoder lưu ý chưa có benchmark nào từ bên thứ ba. Kingy cũng nói các con số chưa được ai kiểm chứng lại.
- Tự host không đơn giản. Chỉ riêng phần tải về đã là 510 GB, chưa tính phần mềm phục vụ và bộ nhớ làm việc. Kingy thuê hai GPU B300, tải và kiểm tra đủ 48 file, rồi gặp lỗi khi nạp trọng số (
KeyError: 'F8_E8M0'với safetensors 0.8.0) trước khi chạy được lần suy luận nào. Bản phát hành cũng không kèm chat template dạng Jinja. Thay vào đó là một bộ mã hóa tham chiếu viết bằng Python và thư việndeepseek-recipeviết bằng Rust. Hãy kiểm tra mức hỗ trợ của vLLM và SGLang trước khi lên kế hoạch triển khai.
Vì sao quan trọng
Lập trình bằng agent giờ được tính tiền theo tác vụ chứ không còn theo token. Khi một lần sửa lỗi ở cấp repository chỉ tốn 0,2 USD thay vì 2–10 USD, những gì một nhóm có thể tự động hóa cũng thay đổi: chạy song song nhiều lần thử agent cho mỗi issue rồi giữ bản qua được test, quét backlog mỗi đêm, sinh test cho cả codebase. Ở mức giá này, giới hạn nằm ở số kết quả con người kịp review, không còn ở số tiền trả cho tài nguyên tính toán.
Việc mở Search/Fetch cũng có ý nghĩa. Muốn agent dựa trên dữ liệu web, trước nay phải trả tiền thêm cho một nhà cung cấp tìm kiếm khác. Giờ DeepSeek bán kèm tính năng này cùng model. Lượt gọi qua công cụ phía máy chủ từ DeepSeek Harness, Claude Code hay Codex được miễn phí đến 16:00 UTC ngày 31/10/2026 (0 giờ ngày 1/11 giờ Bắc Kinh). Đây là nước đi rõ ràng để DeepSeek trở thành backend mặc định bên trong các harness agent do công ty khác xây dựng.
Câu hỏi còn bỏ ngỏ vẫn là câu hỏi đi kèm mọi lần DeepSeek ra mắt sản phẩm: điểm số có giữ được khi đánh giá ngoài bộ khung của chính DeepSeek không? Trước mắt, một model có trọng số mở theo giấy phép MIT đang tuyên bố đạt kết quả ngang tầm frontier trên một benchmark lập trình, với chi phí mỗi tác vụ chỉ bằng một phần mười đến một phần năm mươi đối thủ. Các đánh giá độc lập trong vài tuần tới sẽ cho thấy bao nhiêu phần của tuyên bố đó đứng vững.
Nguồn
- DeepSeek — DeepSeek-V4.1-Flash-1017: Wish-Driven Programming Made Real
- Hugging Face — model card deepseek-ai/DeepSeek-V4.1-Flash-1017
- DeepSeek API Docs — Models & Pricing
- The Decoder — Deepseek V4.1 Flash 1017 beats larger rivals in agentic tasks while once again massively cutting per-task costs
- Kingy AI — DeepSeek V4.1 Flash 1017 Tested: Specs, Benchmarks & Price