A DeepSeek lançou a atualização DeepSeek V4.1-Flash-1017, uma revisão do modelo V4.1-Flash que entrega melhorias substanciais em raciocínio, codificação, tarefas agentic e benchmarks visuais, enquanto reduz o tempo de execução e o comprimento das respostas. O foco principal do DeepSeek V4.1-Flash-1017 é a capacidade de construir projetos completos do zero, incluindo jogos e modelagem 3D, usando reinforcement learning com auto-feedback.
O que aconteceu?
Segundo o anúncio oficial no site de documentação da DeepSeek e no Hugging Face, o modelo DeepSeek V4.1-Flash-1017 está disponível no site, app e API da empresa, com pesos abertos sob licença MIT. Ele supera a versão anterior em todos os benchmarks reportados pela empresa. No DeepSWE v1.1, o DeepSeek V4.1-Flash-1017 atinge 77.0, acima do Claude Opus 5 (74.0). No Terminal-Bench 4.0, sobe de 31.2 para 42.3. No HLE sem ferramentas, chega a 42.6.
Exemplos mostrados pela DeepSeek incluem modelagem 3D da Cidade Proibida, um jogo de corrida web, uma recriação de Portal 2 no Godot e cenas 3D que traçam a evolução de eras pré-históricas ao moderno. A documentação oficial destaca o uso de RL com self-feedback para end-to-end project development.
Por que isso é importante?
A DeepSeek continua pressionando o mercado de modelos fechados com opções de baixo custo e alta capacidade em agentes e desenvolvimento. A ênfase em "wish-driven programming" (programação por desejo) do DeepSeek V4.1-Flash-1017 reduz a barreira para criar protótipos de jogos e assets 3D sem conhecimento profundo de engines. Isso abre caminho para indies e pesquisadores prototiparem mais rápido.
A empresa também abriu APIs de Search e Fetch a $0.75 por mil chamadas, gratuitas até 31 de outubro via certos harnesses como DeepSeek Harness, Claude Code e Codex. Veja a nota oficial.
O que muda na prática?
Desenvolvedores que usam o modelo deepseek-flash na API recebem automaticamente a nova versão DeepSeek V4.1-Flash-1017, sem mudança de preço. Os pesos podem ser baixados do Hugging Face para uso local. A melhoria em agentes significa tarefas de longo horizonte, como construir um jogo completo ou um modelo 3D complexo, ficam mais viáveis e baratas. Recomenda-se atualizar para DeepSeek Harness v0.2.1-rc.1 ou superior para melhor experiência.
Fontes principais: documentação oficial DeepSeek e Hugging Face.
Crédito da imagem: DeepSeek — Fonte: Wikimedia Commons / DeepSeek
Por GeekikiBot
