DeepSeek-V4.1-Flash-1017

DeepSeek-V4.1-Flash-1017

面向推理、编程和智能体任务的图文模型，上下文窗口为 1M 个 token，由 DeepSeek-V4.1-Flash 更新而来。适合构建智能体的开发者。

由 deepseek-ai 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：DeepSeek-V4.1-Flash-1017 是 deepseek-ai 推出的图文模型，发布在 Hugging Face，适用于 transformers 库。它是 DeepSeek-V4.1-Flash 的小幅更新，在推理、编程、智能体和视觉测试上得分更高，作者称它完成任务更快，输出也更短。

适合谁：适合构建编程智能体、工作流智能体或读图表和图片的工具的开发者，也适合在同样的基准上把开放权重和其他模型做对比的研究人员。

行业 | 谁在用 | 怎么用 | 例子
软件工程 | 构建编程智能体的团队 | 作为仓库或终端智能体背后的模型运行 | Terminal-Bench 4.0 得分 42.3，DeepSWE v1.1 得分 77.0
工作流自动化 | 多步骤智能体的开发者 | 让它跨多个工具完成任务 | Automation-Bench v1.0.6 得分 60.5
数据分析 | 处理图表和图片的分析师 | 针对图表或图片提问 | 使用工具时 Chartography 得分 83.0
研究 | 模型评测团队 | 在共同基准上与其他模型对比 | 不用工具的 HLE 得分 42.6

如果你只需要在普通电脑上运行的小模型，可以跳过它，因为页面没有列出硬件需求。

用在哪里：作者提到 transformers 库、本地推理文件夹和智能体框架。

• transformers：模型页面列出的 Hugging Face 库
• 按仓库中 inference 文件夹搭建的本地环境
• 智能体框架：作者用 Claude Code 测 Terminal-Bench 4.0，用 Mini-SWE-V2 测 DeepSWE v1.1
• 基于 deepseek-recipe 的应用，它处理 Messages、Chat Completions 和 Responses API 请求

使用场景 | 谁用 | 得到什么
终端和仓库工作 | 使用智能体的开发者 | 在 Terminal-Bench 4.0 和 DeepSWE v1.1 上评分的智能体运行
图表和图片问题 | 分析师和应用开发者 | 在 Chartography、BabyVision 和 ZeroBench 上评分的回答
长输入 | 有大文档或大代码库的团队 | 1M 个 token 的上下文窗口

如何设置：你先获取权重，用仓库的推理说明转换，再用编码代码构造提示词。

你需要：

• Hugging Face 页面上的模型权重
• inference 文件夹，里面说明权重转换和本地推理
• Python，用于运行编码参考代码
• 可选：deepseek-recipe 库，用于生产环境的提示词处理

1. 从模型页面下载模型权重。
2. 打开 inference 文件夹，按说明转换权重并在本地运行推理。
3. 用 encoding 文件夹里的 encoding.py 构造提示词，因为这个版本没有 Jinja 聊天模板。
4. 生产环境请使用 deepseek-recipe，它提供相同的提示词格式和 Python 绑定。
5. 设置作者建议的采样值，见 How to use it 一节。

如何使用：你把对话经过提示词编码发送出去，再读取回复。工具调用、思考模式、数字推理强度和图片内容，编码代码都覆盖到了。作者建议 temperature 为 1.0，top_p 为 1.0，max_tokens 为 256K 或更多。

工具 | 作用
encoding 文件夹 | Python 参考代码 encoding.py，附带多轮对话、工具调用、思考模式和图片的测试
deepseek-recipe | 带 Python 绑定的 Rust 库，把请求编码成提示词并解析模型输出
inference 文件夹 | 权重转换和本地运行推理的说明

示例：开发者把模型接到一个终端智能体上，让它修复一个失败的构建。编码代码把对话连同工具调用一起转成提示词，模型回复它的下一步。

新手与专家：这是面向编程和智能体等难题的通用模型，也能看图片。想试一试的话，先按 inference 文件夹操作，再用推荐设置发送一个简短的问题。

从底层看，这个版本自带提示词格式，而不是聊天模板文件。相关的技术报告讲的是 KV 缓存压缩。要留意的取舍是，基准分数来自作者，并用了指定的框架，例如用 Claude Code 测 Terminal-Bench 4.0。

你的消息进入提示词编码
模型读取文本和图片
它推理、调用工具并写出回复
输出解析器还原完整响应

注意事项：

• 它是 DeepSeek-V4.1-Flash 之后的小幅更新
• 上下文窗口：1M 个 token，输出可达 256K 或更多个 token
• 没有 Jinja 聊天模板，请用 encoding 文件夹或 deepseek-recipe
• deepseek-recipe 把模型推理、工具执行和 HTTP 传输留给你
• 不用工具的 HLE 得分 42.6，纯文本子集为 44.0
• 许可证：MIT，适用于仓库和权重

Title: Terminal-Bench 4.0 得分
DS-V4.1-Flash-1017: 42.3
DS-V4.1-Flash: 31.2
K3: 12.6
GLM-5.3: 37.9
GPT-5.6 Sol: 39.9
Opus 5: 51.8

Hugging Face 上的数据（2026年11月10日）

• 任务：image text to text
• 框架：transformers
• 参数量：763B
• Weights: about 763 GB in I8
• Formats: Safetensors
• 最近 30 天下载：312,293
• 点赞：5,441
• 许可证：mit
• Quantized versions: 196
• Fine-tunes: 80
• 标签：transformers, safetensors, deepseek_v41, text-generation, image-text-to-text, conversational, 8-bit, fp8

链接

• 模型：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
• 文件：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download deepseek-ai/DeepSeek-V4.1-Flash-1017

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。