Ina-update ng DeepSeek ang V4.1 Flash, Binuksan ang mga Search API at Itinakda ang Nobyembre 1 bilang Simula ng Pagsingil

Dumating ang pag-upgrade sa coding kasabay ng pampublikong serbisyo sa paghahanap

Inilabas ng DeepSeek ang V4.1-Flash-1017 noong Oktubre 17, 2026, at sabay na in-update ang website, app at API nito habang binubuksan ang dalawang serbisyong nagbibigay-daan sa mga developer na maghanap sa web at kumuha ng mga indibidwal na pahina. Itinakda ng kumpanya sa $0.75 kada 1,000 tawag ang presyo ng bawat Search at Fetch endpoint. Magsisimula ang pagsingil sa mga kwalipikadong tawag sa pamamagitan ng mga server tool pagsapit ng 16:00 UTC sa Oktubre 31, o hatinggabi ng Nobyembre 1 sa Beijing.

Inilabas ang update 37 araw matapos unang ilunsad ang V4.1 Flash noong Setyembre 10. Maaari pa ring gamitin ng mga developer ang pangalan ng modelo na deepseek-flash; hindi nagbabago ang kasalukuyang paraan ng pagtawag sa model API at ang mga presyo nito. Inilalabas din ng DeepSeek nang bukas ang na-update na modelo sa pamamagitan ng Hugging Face at ModelScope.

Itinatampok ng opisyal na anunsyo ng paglabas ng DeepSeek ang pagbuo ng kumpletong proyekto bilang pangunahing layunin ng update. Kabilang sa mga halimbawa nito ang modelo ng Forbidden City sa Beijing, isang larong karera sa browser, muling paglikha sa Portal 2 gamit ang Godot engine, at isang gumagalaw na 3D na tagpo na sumusubaybay sa kasaysayan mula sinaunang panahon hanggang sa makabagong panahon.

Ayon sa DeepSeek, mas mahusay ang performance ng modelo habang mas kaunting oras ang ginugugol nito at mas maiikli ang mga output. Para sa mga developer, sabay na tinutugunan ng mga pagbabagong ito ang dalawang gastusin: ang tagal na ginagamit ng isang awtomatikong gawain sa computer at ang dami ng nalilikhang text na sinisingil ng serbisyo ng modelo.

Nagdaragdag ng isa pang bahagi sa prosesong iyon ang paglulunsad ng search. Maaari na ngayong gamitin ng isang AI application ang modelo ng DeepSeek para magplano ng gawain, ang search engine nito para maghanap ng napapanahong impormasyon, at ang Fetch service nito para isama sa gawain ang napiling webpage.

Ano ang ibig sabihin ng wish driven programming sa aktuwal na paggamit

Inilalarawan ng DeepSeek ang pangunahing adhikain ng proyekto bilang programming batay sa hiling ng user: ipinapaliwanag ng isang tao sa karaniwang pananalita ang gusto niya, at mas malaking bahagi ng gawaing kailangan para maisakatuparan ang kahilingang iyon bilang gumaganang proyekto ay inaasikaso ng AI.

Saklaw ng apat na demonstrasyon ang iba't ibang uri ng gawain. Nakatuon sa 3D modelling ang halimbawa ng Forbidden City. Nangangailangan ng pakikipag-ugnayan sa browser ang larong karera. Gumagamit ang muling paglikha sa Portal 2 ng umiiral na game engine na Godot. Ipinapakita naman ng Valley of Ages ang nagbabagong mga kapaligiran sa mahabang saklaw ng kasaysayan ng tao.

Ayon sa DeepSeek, ginawa ang mga proyektong ito sa DeepSeek Harness gamit ang medyo kaunting prompt, limitadong sangguniang materyal at kakaunting ulit ng pakikipag-ugnayan. Iniuugnay ng kumpanya ang pagbuti sa reinforcement learning na gumagamit ng sariling feedback, isang paraan ng pagsasanay kung saan nakatutulong ang feedback sa mga sinubukang gawain upang hubugin ang susunod na asal ng modelo.

Ang harness ay ang software na nakapaligid sa isang language model at namamahala sa mga tool, file, session at pagsasagawa ng gawain. Maaaring magmungkahi ng code ang modelo o magpasya kung ano ang susunod na gagawin; ibinibigay naman ng harness ang kapaligirang pinaggaganapan ng mga pagkilos na iyon. Dahil dito, bahagi rin ng proseso ng pagbuo ng proyekto ang software sa paligid ng modelo, bukod sa modelo mismo.

Kung saan pinakamalaki ang pakinabang sa benchmark

Sa mga inilathalang pagsusuri ng DeepSeek, nakakuha ang na-update na modelo ng 77.0 sa DeepSWE v1.1, mula sa 74.2 ng bersiyon noong Setyembre. Dagdag itong 2.8 puntos sa pagsusuri ng gawaing software engineering. Sa paghahambing ng kumpanya, nakakuha ang Claude Opus 5 ng 74.0 at ang GPT 5.6-Sol ng 73.0.

Mas malaking pagbuti kumpara sa naunang Flash release ang ipinakita ng Terminal-Bench 4.0: umakyat ito mula 31.2 tungong 42.3, dagdag na 11.1 puntos. Umakyat naman ang ProgramBench mula 20.3 tungong 29.1, habang tumaas ang NL2Repo-Bench mula 65.4 tungong 68.2.

Nagtala rin ang DeepSeek ng mga pagbuti sa mga gawaing may kinalaman sa mga agent, mga sistemang gumagamit ng tool para magsagawa ng sunod-sunod na pagkilos. Umakyat ang Automation-Bench v1.0.6 mula 54.8 tungong 60.5, ang Agents' Last Exam mula 31.8 tungong 35.4, at ang Apex Bench v1.1 mula 64.6 tungong 72.1.

Nanguna ang na-update na modelo sa talahanayan ng paghahambing ng DeepSeek sa DeepSWE, Automation-Bench, Agents' Last Exam at Apex Bench, higit sa mga nakalistang modelo mula sa Anthropic, OpenAI, Kimi at Zhipu. Mas mataas naman ang marka ng Claude Opus 5 sa ilang iba pang pagsusuri, kabilang ang Terminal-Bench, ProgramBench at NL2Repo.

Mahalaga sa mga numerong ito ang mga kondisyon ng pagsubok. Itinatala ng DeepSeek ang Terminal-Bench 4.0 sa 42.3, samantalang 26.8 naman ang nasa pagsusuri ng Artificial Analysis. Hindi ibinigay ang detalyadong mga setting na makapagpapaliwanag sa agwat. Tinukoy ng DeepSeek ang Claude Code bilang kapaligiran nito para sa Terminal-Bench at Mini-SWE-V2 para sa DeepSWE, na nagpapakita kung paanong magkasamang sinusuri ang modelo at ang mga tool sa paligid nito.

Bakit nakababawas sa gastos ng gawain ang mas maiikling sagot

Inilalarawan ng DeepSeek ang update bilang pagbuti sa performance at gastos ayon sa konsepto ng Pareto. Sa payak na pananalita, sinasabi nitong nakakakuha ang mga user ng mas magagandang resulta habang mas kaunti ang nagagastos, sa halip na ipagpalit ang mas mataas na kalidad sa mas malaking bayarin.

Karaniwang naniningil ang mga serbisyo ng modelo batay sa token, ang maliliit na yunit na pinaghahati-hatian ng text para maproseso. Mas kaunting output token ang ginagamit ng mas maikling tugon na nilikha ng modelo. Maaaring gumawa ng maraming tugon ang isang coding agent sa iisang gawain, kaya mababawasan ang kabuuang singil kung mababawasan ang hindi kailangang output sa bawat hakbang.

Ayon sa DeepSeek, bumilis din ang pagsasagawa ng mga gawain. Mahalaga ito sa mga proyektong paulit-ulit ang pag-edit, pagsubok at paggamit ng tool, kung saan naghihintay ang user ng tapos na resulta sa halip na iisang sagot lang. Maliit na update lamang ang paglalarawan ng kumpanya sa teknikal na release, kahit sinasabi nitong may mga pagbuti sa pangangatwiran, coding, mga gawaing agent at mga pagsusuring biswal.

Hinahanap ng Search ang mga pahina, at kinukuha naman ng Fetch ang mga ito

Magkaiba ang gawain ng Search at Fetch service ng DeepSeek. Tumatanggap ang Search ng query at nagbabalik ng mga resultang nakaayos ayon sa ranggo. Tumatanggap naman ang Fetch ng isang partikular na webpage at kinukuha ang pamagat at katawan nito bilang Markdown, isang payak na format ng text na nagpapanatili ng mga heading, listahan at iba pang kapaki-pakinabang na estruktura.

Halimbawa, maaaring gamitin ng isang developer ang Search para maghanap ng napapanahong dokumentasyon ng software, at pagkatapos ay gamitin ang Fetch para kunin ang kaugnay na pahina bago hilingin sa modelo na sumulat ng code. Madalas tawaging retrieval augmented generation, o RAG, systems ang mga application na pinagsasama ang mga nakuhang dokumento at mga sagot na nilikha ng modelo.

Ginagamit ng mga serbisyo ang base address na api.deepseek.com at ang kaparehong sistema ng kredensyal ng API ng serbisyo ng modelo ng DeepSeek. POST /v1/tools/search at POST /v1/tools/fetch ang mga endpoint. Nagbabalik ang mga ito ng nakaayos na datos sa JSON, na kayang basahin at ipasa ng software sa iba't ibang tool.

Tumatanggap ang Search ng mga query na hanggang 128 character. Maaaring humiling ang mga developer ng isa hanggang 50 resulta; 10 ang ibinabalik bilang default. Maaaring kabilang sa mga resulta ang mga pamagat, address, maiikling buod, mas mahahabang buod na nilayon para sa mga modelo, petsa ng paglalathala at, kung mayroon, buong nilalaman ng pahina.

Ayon sa DeepSeek, ginagamit na ng search engine nito ang website at API ng kumpanya para sa paghahanap at nagpoproseso ito ng daan-daang milyong kahilingan araw-araw sa buong mundo. Inilalarawan ng kumpanya ang index nito bilang saklaw ang daan-daang bilyong webpage at kaya nitong magsagawa ng paghahanap sa maraming wika.

Ayon din sa DeepSeek, sinasala nito ang manipulasyon sa ranggo ng mga resulta ng paghahanap, mga pagtatangkang impluwensiyahan ang impormasyong pinipili ng generative AI, at mababang kalidad na content na ginawa ng AI. Tinutugunan ng mga hakbang na ito ang impormasyong nakikita ng isang agent bago ito sumulat ng sagot o kumilos batay sa kahilingan ng user.

Magkano ang babayaran ng mga developer, at kailan

Magkahiwalay ang singil ng DeepSeek para sa Search at Fetch sa anunsyo nitong Ingles: $0.75 kada 1,000 tawag para sa bawat serbisyo. Sa pagpepresyo nitong Tsino, 5 yuan naman kada 1,000 tawag para sa bawat serbisyo. Kaya dalawang magkahiwalay na serbisyong sinisingil ang ginagamit ng prosesong nagsasagawa ng isang paghahanap at kumukuha ng isang pahina.

Ayon sa inilathalang mga tuntunin sa pagsingil, may bayad ang Search kapag matagumpay itong nagbalik ng listahan ng resultang hindi walang laman. May bayad naman ang Fetch kapag nagbalik ito ng nilalaman ng pahina na may HTTP 200 success status. Libre ang mga nabigong kahilingan, walang-lamang resulta at timeout. Hindi rin nagbabago ang presyo ng isang tawag sa search kahit humiling ng mas maraming resulta.

Sa itinakdang singil na yuan, nagkakahalaga ng 10 yuan ang 1,000 matagumpay na paghahanap na sinundan ng 1,000 matagumpay na pagkuha ng pahina: 5 yuan sa paghahanap at 5 yuan sa pagkuha. Hiwalay na sinisingil ang pagproseso ng modelo. Nakakatulong ang paghihiwalay na ito sa mga developer na tantiyahin ang gastos ng agent na paulit-ulit na naghahanap ng impormasyon habang gumagawa.

Ayon sa DeepSeek, pansamantala munang libre para sa mga gumagamit ng DeepSeek API ang mga tawag sa Search at Fetch sa pamamagitan ng mga server tool sa DeepSeek Harness, Claude Code at Codex. Magsisimula ang pagsingil sa paraang ito pagsapit ng 16:00 UTC sa Oktubre 31, 2026, kasabay ng 00:00 sa Nobyembre 1 sa Beijing. Saklaw ng pansamantalang eksepsiyon ang mga tawag sa tool na iyon, ngunit magpapatuloy ang karaniwang singil sa modelo.

Hanggang limang kahilingan kada segundo sa Search at limang kahilingan kada segundo sa Fetch ang maaaring gawin ng bawat account; magkahiwalay ang bilang sa dalawang limitasyon. May dagdag na limitasyon din ang Fetch para sa bawat domain ng website. HTTP 429 response ang matatanggap ng mga kahilingang lampas sa pinapahintulutang rate, na nagsasaad sa application na magpabagal.

Iniuugnay ng mga update sa Harness ang modelo sa pang-araw-araw na gawain

Iminumungkahi ng DeepSeek ang Harness v0.2.1-rc.1 o mas bago para sa na-update na modelo. Tinutukoy ng mga titik na rc ang release candidate, isang bersiyong inihanda para subukan bago ang pinal na release. Espesipikong in-optimize ang modelo para sa DeepSeek Harness, Tencent CodeBuddy, WorkBuddy at iba pang framework.

Nagdaragdag ang Harness release ng mga paraan para tumuklas ng mga plugin mula sa mga custom index at para hilingin sa isang agent na gumawa ng plugin. Pinahusay din nito ang paghawak sa mga dependency kapag pinagana, hindi pinagana, in-update o inalis ang mga plugin. Agad na nagkakabisa ang ilang pagbabago sa plugin; nangangailangan naman ng pag-restart ang iba.

Nagkakaroon ang mga developer ng mga interface para basahin at baguhin ang working directory ng isang session sa pamamagitan ng TypeScript at Python software development kit. Kabilang sa iba pang dagdag ang mga pang-eksperimentong tool para sumuri ng mga session, suporta para sa magkakahiwalay na Git working directory, at awtomatikong pagtatago ng mga key at token na matatagpuan sa mga ipinadalang mensahe.

Itinutuloy ng release ang gawain sa Claude Code Mods bridge, na sinubukan sa naunang Harness alpha. Tatlong halimbawang naipapatakbo at apat na halimbawang hindi nagana dahil sa nawawalang interface o kakayahan sa display ang taglay ng naunang bersiyon. Nananatiling eksperimental ang compatibility layer; layunin nitong subukan kung paano maiaangkop sa mga plugin ng Harness ang mga kakayahan ng extension ng Claude Code.

Inaalok din ang mga unang gagamit ng Harness ng 6 yuan na promotional credit nang walang paunang bayad. Mag-e-expire ang credit pitong araw matapos matanggap at makukuha lamang ito habang may natitira pang alokasyon. Dahil maikli ang bisa nito, nagsisilbi itong panandaliang allowance sa pagsubok para sa mga bagong user.

Bukas na weights at mga pagpipilian sa deployment

Kinukumpirma ng opisyal na anunsyo ng DeepSeek na makukuha ang V4.1-Flash-1017 sa Hugging Face at ModelScope. Ipinagpapatuloy ng release ang paggamit ng linyang V4.1 Flash sa lisensiyang MIT, na nagpapahintulot ng malawak na muling paggamit alinsunod sa mga tuntunin nito. Kaya maaaring pumili ang mga developer sa pagitan ng naka-host na serbisyo at pagpapatakbo ng modelo sa sarili nilang sistema.

Tumatanggap ng text at mga larawan ang V4.1 Flash at gumagawa ito ng text. Gumagamit ang arkitektura nito ng mixture of experts, na nangangahulugang piling bahagi lamang ng modelo ang pinapagana sa bawat hakbang ng pagproseso sa halip na gumana ang buong modelo sa bawat token. Nakatala sa mga paglalarawan ng arkitektura ang backbone na may 552 bilyong parameter, kung saan 8 bilyon ang aktibo sa pagproseso ng input at 16 bilyon sa pagbuo ng output.

Hinahayaan ng context window na humigit-kumulang isang milyong token ang modelo na magproseso ng maraming materyal sa iisang session. Para sa coding agent, maaaring kabilang dito ang mga tagubilin, source file, naunang usapan at resulta ng mga tool. Tumutukoy ang context window sa dami ng impormasyong kaya nitong isaalang-alang, samantalang itinatakda ng limitasyon sa output kung gaano karami ang kaya nitong buuin sa iisang tugon.

Maaaring mag-iba-iba ang mga teknikal na detalye ng naka-host na deployment. Nakasaad sa isang listahan ng API mula sa third party ang context window na 1,048,576 token at maximum completion na 131,072 token, kasama ang function calling at mga structured output na itinakda ng JSON schema. Hinahayaan ng function calling na humiling ang modelo ng external tool; nagbibigay naman ang structured output sa application ng mahuhulaang format na mapoproseso nito.

Nag-aalok din ang parehong listahan ng routing sa pagitan ng inference.net, DeepInfra at DeepSeek, at inililipat ang mga kahilingan sa ibang provider kapag nagkaroon ng error ang isa. Para sa mga developer, sumasaklaw na ngayon ang mga pagpipilian sa access sa modelo, routing sa provider at magkakahiwalay na serbisyo sa paghahanap, na bawat isa ay may sariling mga setting sa pagpapatakbo at gastos.

Ang mga petsang nagtatakda sa paglulunsad

Pinagsasama ng release ng DeepSeek noong Oktubre ang pag-update sa modelo, release candidate ng Harness at pampublikong access sa imprastraktura ng paghahanap. Mas maaga noong Oktubre 17, natukoy ng isang awtomatikong API tracker ang entry ng modelong may hulaping 1017, ngunit nawala ito kalaunan. Kinumpirma ng sumunod na anunsyo ng DeepSeek ang release at ang pagbabago sa website, app at API nito.

Nagbibigay ang pagkakasunod-sunod na ito ng maikling panahon sa mga developer para i-update ang kanilang mga tool at suriin ang paggamit sa search bago matapos ang pansamantalang libreng panahon:

• Setyembre 10, 2026: Inilabas ng DeepSeek ang orihinal na modelong V4.1 Flash.
• Oktubre 3, 2026: Ipinakilala ng Harness v0.2.1-alpha.1 ang eksperimental na Claude Code Mods bridge.
• Oktubre 17, 2026: Dumating ang V4.1-Flash-1017 sa website, app at API; binuksan sa mga developer ang Search at Fetch, at inilabas ang na-update na Harness release candidate.
• Oktubre 31, 2026, pagsapit ng 16:00 UTC: Magsisimula ang pagsingil sa mga kwalipikadong tawag sa Search at Fetch sa pamamagitan ng mga server tool, katumbas ng hatinggabi ng Nobyembre 1 sa Beijing.

Makukuha ng mga developer na gumagamit na ng deepseek-flash ang na-update na modelo sa pamamagitan ng kasalukuyang pangalan. Pinapayuhan ding i-update ng mga gumagamit ng Harness ang application na nakapaligid dito. Ang praktikal na pagbabago ay isang mas magkakaugnay na proseso: isang modelong sinanay para sa mas mahahabang proyekto, mga tool para isagawa ang gawain, at isang serbisyo sa paghahanap na malapit nang magkaroon ng hiwalay na singil sa paggamit.

Mahahalagang Punto

• Inilabas ng DeepSeek ang V4.1-Flash-1017 noong Oktubre 17, 2026, sa website, app at API nito.
• Mananatiling makukuha ang modelo sa pangalang deepseek-flash; hindi nagbabago ang kasalukuyang paraan ng pagtawag sa model API at mga presyo nito.
• Nagtala ang DeepSeek ng markang 77.0 sa DeepSWE v1.1, mula sa 74.2, kasabay ng mas mabilis na pagsasagawa ng mga gawain at mas maiikling output.
• Kabilang sa mga demonstrasyon ng proyekto ang pagmomodelo sa Forbidden City, larong karera sa browser, muling paglikha sa Portal 2 at Valley of Ages.
• Magkakahalaga ang Search at Fetch ng $0.75, o 5 yuan sa pagpepresyong Tsino, kada 1,000 matagumpay na tawag.
• Magsisimula ang pagsingil sa mga kwalipikadong tawag sa pamamagitan ng mga server tool sa hatinggabi ng Nobyembre 1 sa Beijing.
• Iminumungkahi ng DeepSeek ang Harness v0.2.1-rc.1 o mas bago at inilabas nito ang mga timbang ng modelo sa Hugging Face at ModelScope.