پرش به محتوای اصلی
اخبار هوش مصنوعی

دیپ‌سیک V4.1-Flash-1017؛ کدنویسی که اوپوس ۵ را برد

دیپ‌سیک نسخهٔ ۱۰۱۷ مدل V4.1-Flash را منتشر کرد: وزن‌های متن‌باز با لایسنس MIT، نمرهٔ ۷۷ در DeepSWE (جلوتر از Claude Opus 5)، خروجی کوتاه‌تر و ارزان‌تر، به‌علاوهٔ دو API تازهٔ جست‌وجو و واکشی صفحه برای همه.

۱۳ دقیقه مطالعه
اشتراک‌گذاری:
کارت رسمی معرفی DeepSeek-V4.1-Flash-1017 با لوگوی دیپ‌سیک — تصویر خبری انتشار مدل
کارت رسمی معرفی DeepSeek-V4.1-Flash-1017 با لوگوی دیپ‌سیک — تصویر خبری انتشار مدل
فهرست مطالب

دیپ‌سیک نسخهٔ تازهٔ مدل کدنویس خود را با نام DeepSeek-V4.1-Flash-1017 منتشر کرد: به‌روزرسانی‌ای که به گفتهٔ این شرکت چینی در بنچمارک مهندسی نرم‌افزار DeepSWE از Claude Opus 5 جلو زده، کارها را سریع‌تر و با خروجی کوتاه‌تر تمام می‌کند و وزن‌هایش را با لایسنس MIT رایگان گذاشته است. خبر مهم‌تر برای توسعه‌دهنده‌ها: دو API تازهٔ جست‌وجو و واکشی صفحه هم از دیروز برای همه باز شده‌اند.

اگر با مدل‌های دیپ‌سیک کار می‌کنی یا دنبال یک کدنویس ارزان برای ایجنت‌هایت هستی، این مطلب دقیقاً برای توست: می‌گوییم در نسخهٔ ۱۰۱۷ چه چیزی عوض شده، بنچمارک‌ها را صادقانه می‌خوانیم (کدام را برده، کدام را باخته)، قیمت واقعی هر کار را حساب می‌کنیم و در آخر می‌گوییم امروز چه کار مشخصی می‌توانی بکنی.

پاسخ کوتاه

  • چه چیزی منتشر شد؟ نسخهٔ به‌روزشدهٔ DeepSeek-V4.1-Flash با نام ۱۰۱۷؛ به گفتهٔ دیپ‌سیک «بهبود پارتو در عملکرد و هزینه» یعنی هم قوی‌تر، هم ارزان‌تر.

  • کی و کجا؟ ۱۷ اکتبر ۲۰۲۶ (۲۵ مهر) در اطلاعیهٔ رسمی api-docs.deepseek.com؛ هم‌اکنون روی وب‌سایت، اپ و API دیپ‌سیک زنده است.

  • متن‌باز است؟ بله؛ وزن‌ها با لایسنس MIT روی Hugging Face و ModelScope منتشر شده‌اند — یعنی استفادهٔ تجاری و تغییر هم آزاد است.

  • چرا مهم است؟ در جدول رسمی خود دیپ‌سیک، نمرهٔ ۷۷ در DeepSWE v1.1 از Claude Opus 5 (با ۷۴) جلوتر است و هزینهٔ هر کار حدود یک‌سوم رقیب اعلام شده.

  • خبر جانبی مهم: APIهای Search و Fetch دیپ‌سیک برای همه باز شدند؛ تا ۹ آبان از طریق ابزارهای هارنس، Claude Code و Codex رایگان‌اند.

اول زمینه: مدل «فلش» دیپ‌سیک چیست؟

قبل از اینکه سراغ خبر برویم، بگذار سه اصطلاح را ساده کنیم؛ چون کل این مطلب روی همین سه‌تا سوار است.

ترکیب متخصص‌ها یعنی چه؟

مدل‌های بزرگ معمولاً برای هر سؤال کل مغزشان را به کار می‌گیرند. معماری «ترکیب متخصص‌ها» (Mixture of Experts) فرق می‌کند: یعنی مدل از ده‌ها «متخصص» کوچک تشکیل شده و برای هر توکن — یعنی هر تکهٔ کوچک متن — فقط چند متخصص مربوط را بیدار می‌کند. مثل کتابخانه‌ای که برای هر سؤال فقط دو سه قفسه‌اش را باز می‌کنی، نه کل ساختمان را.

چرا «فلش» ارزان است؟

مدل V4.1-Flash به گفتهٔ دیپ‌سیک ۵۵۲ میلیارد پارامتر دارد، ولی موقع خواندن ورودی فقط ۸ میلیارد و موقع نوشتن فقط ۱۶ میلیارد پارامترش فعال است. همین یعنی هزینهٔ محاسبه برای هر توکن خیلی کمتر از یک مدل ۵۵۲ میلیاردی واقعی است. دیپ‌سیک این خانواده را از اول برای یک کار ساخته: کدنویسی و ایجنت‌هایی که ساعت‌ها کار می‌کنند و نباید صورت‌حسابشان نجومی شود. به‌علاوه، فشرده‌سازی حافظهٔ KV کش — یعنی حافظه‌ای که مدل برای دنبال کردن متن‌های بلند نگه می‌دارد — مصرف حافظه را به یک‌چهارم رسانده و همین اجازه داده پنجرهٔ زمینه به یک میلیون توکن برسد؛ یعنی حدود ۷۵۰ هزار کلمهٔ انگلیسی، یا چیزی حدود دو هزار صفحه، در یک نگاه.

در نسخهٔ ۱۰۱۷ دقیقاً چه چیزی عوض شد؟

دیپ‌سیک خودش اسمش را گذاشته «به‌روزرسانی جزئی» (minor update). ولی عددهای جدولش جزئی نیستند: در تست Terminal-Bench که مهارت کار با ترمینال را می‌سنجد، نمره از ۳۱٫۲ به ۴۲٫۳ پریده — یعنی حدود یک‌سوم بهتر. در ProgramBench هم از ۲۰٫۳ به ۲۹٫۱ رسیده. پس «جزئی» را جدی نگیر؛ این همان چک‌پوینتی است که از دیروز همهٔ درخواست‌های API فلش را جواب می‌دهد.

سریع‌تر و کم‌حرف‌تر

دو ادعای مهم دیپ‌سیک دربارهٔ ۱۰۱۷ ربطی به نمره ندارد و به جیب تو ربط دارد: کارها سریع‌تر تمام می‌شوند و خروجی‌ها کوتاه‌ترند. چون در API پول را به ازای توکن خروجی می‌دهی، خروجی کوتاه‌تر یعنی مستقیماً صورت‌حساب کمتر. دیپ‌سیک می‌گوید همین ترکیب — نمرهٔ بهتر با توکن کمتر — مرز «عملکرد در برابر هزینه» را جابه‌جا کرده است.

همان ۵۵۲ میلیارد پارامتر، همان معماری

معماری عوض نشده: همان ترکیب متخصص‌ها، همان درک بومی تصویر (یعنی تصویر را از اولِ آموزش با متن یاد گرفته، نه اینکه بعداً بینایی را به آن چسبانده باشند) و همان زمینهٔ یک میلیون توکنی. اگر از نسخهٔ شهریور (۱۰ سپتامبر) استفاده می‌کردی، لازم نیست چیزی را عوض کنی؛ نام API همان deepseek-flash مانده و نام‌های قدیمی deepseek-v4-flash هم هنوز کار می‌کنند و خودکار به مدل تازه وصل می‌شوند.

«برنامه‌نویسی آرزومحور» یعنی چه؟

تیتر اطلاعیهٔ رسمی دیپ‌سیک این است: «Wish-Driven Programming Made Real» — یعنی «برنامه‌نویسی آرزومحور به واقعیت پیوست». پشت این اسم قشنگ یک ایدهٔ ساده است: به‌جای اینکه مدل فقط تکه‌کد بنویسد، با «یادگیری تقویتی با بازخورد از خود» (یعنی مدل تلاش‌های خودش را نقد و اصلاح می‌کند) یاد گرفته یک پروژهٔ کامل را از صفر تا صد بسازد. تو آرزویت را می‌گویی — مثلاً «یک بازی بساز» — و او پروژهٔ تمام‌شده تحویل می‌دهد.

چهار نمونه‌ای که دیپ‌سیک نشان داد

دیپ‌سیک برای اثبات ادعایش چهار نمونه گذاشته: مدل سه‌بعدی شهر ممنوعهٔ پکن، یک بازی مسابقه‌ای تحت وب، بازسازی کامل بازی Portal 2 با موتور Godot، و صحنه‌ای سه‌بعدی به نام «درهٔ اعصار» که تکامل را از دوران ماقبل تاریخ تا عصر مدرن نشان می‌دهد. این‌ها دموی رسمی‌اند، نه تست مستقل؛ ولی جهت‌گیری را روشن می‌کنند: دیپ‌سیک می‌خواهد مدلش را «سازندهٔ پروژه» بداند، نه «نویسندهٔ تکه‌کد».

بنچمارک‌ها: کجا برد، کجا باخت

حالا صادقانه‌ترین بخش مطلب. جدول زیر عین جدول رسمی کارت مدل دیپ‌سیک روی Hugging Face است — نه تست ما، نه تست هیچ رسانهٔ مستقلی؛ تا امروز هیچ‌کس این عددها را مستقلاً تکرار نکرده و این را باید بدانی. با این حال، همین جدول رسمی حرف‌های جالبی دارد.

بنچمارک

۱۰۱۷ (تازه)

V4.1-Flash (قبلی)

Kimi K3

GLM-5.3

GPT-5.6 Sol

Claude Opus 5

DeepSWE v1.1 (مهندسی نرم‌افزار)

۷۷٫۰

۷۴٫۲

۶۷٫۵

۶۶٫۹

۷۳٫۰

۷۴٫۰

Terminal-Bench 4.0 (کار با ترمینال)

۴۲٫۳

۳۱٫۲

۱۲٫۶

۳۷٫۹

۳۹٫۹

۵۱٫۸

Automation-Bench (خودکارسازی)

۶۰٫۵

۵۴٫۸

۴۶٫۷

۴۸٫۸

۴۵٫۸

۵۰٫۳

ProgramBench (برنامه‌نویسی)

۲۹٫۱

۲۰٫۳

۱۷٫۵

۱۹٫۰

۲۳٫۰

۳۷٫۰

NL2Repo-Bench (ساخت ریپو از توضیح)

۶۸٫۲

۶۵٫۴

۵۸٫۰

۵۸٫۰

۵۶٫۸

۷۵٫۳

Apex Bench v1.1 (ایجنتی)

۷۲٫۱

۶۴٫۶

۵۶٫۶

۵۴٫۳

۵۴٫۳

۶۵٫۸

جدول را این‌طور بخوان: دیپ‌سیک در تست‌های «مهندسی نرم‌افزار واقعی» و «ایجنتی» — یعنی جاهایی که مدل باید ساعت‌ها کد بزند و ابزار صدا کند — اول است؛ در تست‌های «هوش عمومی» مثل HLE (که اوپوس ۵ با ۵۶٫۳ جلوتر است) هنوز عقب است. پس اگر کارت کدنویسی و ایجنت است، این مدل برای تو ساخته شده؛ اگر کارت استدلال انتزاعی سنگین است، رقبا هنوز جلوترند. و یادت نرود: همهٔ این‌ها حرف خود دیپ‌سیک است.

نکتهٔ مهم دربارهٔ هزینه

دیپ‌سیک کنار جدول، نمودار هزینه هم گذاشته: رسیدن به نمرهٔ ۷۷ در DeepSWE با این مدل حدود ۰٫۲۰ دلار به ازای هر کار تمام می‌شود، در حالی که بهترین تنظیم GPT-6.1 Sol برای نمرهٔ حدود ۷۵ نزدیک ۰٫۶۵ دلار هزینه دارد. یعنی roughly یک‌سوم قیمت برای نتیجهٔ بهتر — اگر عددهای خود شرکت درست باشند، این همان چیزی است که صورت‌حساب ایجنت‌های تو را نصف می‌کند.

قیمت‌ها و هزینهٔ واقعی هر کار

قیمت API تغییر نکرده — همان قیمت‌های خانوادهٔ فلش. جدول زیر از صفحهٔ رسمی قیمت دیپ‌سیک است:

نوع توکن

آف‌پیک (ارزان)

پیک (گران)

ورودی (هر میلیون توکن)

۰٫۱۵ دلار

۰٫۳۰ دلار

ورودی کش‌شده (تکراری)

۰٫۰۰۳ دلار

۰٫۰۰۶ دلار

خروجی (هر میلیون توکن)

۰٫۶۰ دلار

۱٫۲۰ دلار

این عددها را این‌طور بخوان: یک میلیون توکن ورودی حدود ۷۵۰ هزار کلمه است؛ یعنی با ۰٫۱۵ دلار می‌توانی متنی به اندازهٔ چند رمان را در ساعات خلوت به مدل بدهی. و چون توکن‌های «تفکر» مدل هم جزو خروجی حساب می‌شوند، حالت تفکر را فقط وقتی روشن کن که واقعاً لازمش داری.

ساعت پیک یعنی چه؟

دیپ‌سیک روز را به دو بخش تقسیم کرده: ساعات ۰۶:۳۰ تا ۰۹:۳۰ و ۱۱:۳۰ تا ۱۵:۳۰ به وقت هند (IST) در روزهای کاری، قیمت دو برابر است؛ بقیهٔ ساعات — از جمله آخر هفته‌ها و تعطیلات رسمی چین — نصف قیمت. به وقت تهران، پیک تقریباً می‌شود ۵ تا ۸ صبح و ۱۰ تا ۱۴ ظهر روزهای کاری. اگر ایجنتت شب‌ها کار می‌کند، عملاً همیشه روی تعرفهٔ ارزان هستی.

دو API تازه: جست‌وجو و واکشی صفحه

شاید مهم‌ترین بخش خبر برای سازنده‌ها همین باشد: دیپ‌سیک APIهای Search و Fetch را برای همه باز کرد. تا دیروز این‌ها محدود بودند؛ از دیروز هر توسعه‌دهنده‌ای می‌تواند از آن‌ها استفاده کند.

Search چه می‌کند؟

موتور جست‌وجوی داخلی خود دیپ‌سیک است — همان موتوری که به گفتهٔ این شرکت روزانه صدها میلیون درخواست در سراسر جهان را جواب می‌دهد. تو به آن می‌گویی «دربارهٔ X جست‌وجو کن» و صفحه‌های وب مرتبط را برمی‌گرداند.

Fetch چه می‌کند؟

یک آدرس صفحه می‌گیرد و محتوایش را تمیز و به‌صورت Markdown تحویل می‌دهد. برای ساختن RAG — یعنی سیستمی که مدل با خواندن صفحه‌های وب جواب می‌دهد — این یعنی دیگر لازم نیست خودت موتور جست‌وجو و تمیزکنندهٔ صفحه بسازی.

قیمت و مهلت رایگان

هر کدام از این دو اندپوینت ۰٫۷۵ دلار به ازای هر هزار فراخوانی قیمت دارند. ولی یک مهلت هست: اگر از طریق ابزارهای سمت‌سرور در DeepSeek Harness، Claude Code یا Codex صدایشان کنی و کاربر API دیپ‌سیک باشی، تا ۳۱ اکتبر ۲۰۲۶ (۹ آبان) رایگان‌اند؛ صورت‌حساب از ساعت ۱۶:۰۰ UTC آن روز شروع می‌شود. پس اگر ایده‌ای برای ایجنت جست‌وجوگر داری، دو هفتهٔ آینده بهترین وقت تست است.

از امروز چطور استفاده‌اش کنی؟

سه مسیر داری و انتخابش به کارت بستگی دارد.

۱. وب‌سایت و اپ: ساده‌ترین راه

مدل هم‌اکنون روی وب‌سایت و اپ دیپ‌سیک زنده است. اگر فقط می‌خواهی حسش کنی — مثلاً همان بازسازی Portal 2 را خودت امتحان کنی — همین‌جا شروع کن؛ نیازی به کارت بانکی و API نیست.

۲. API با نام deepseek-flash

اگر کدنویسی، نام مدل همان deepseek-flash مانده و روش صدا زدن عوض نشده. مدل دو حالت «تفکر» و «بدون تفکر» دارد، ابزار (tool call) صدا می‌کند و ورودی تصویر هم می‌فهمد. دیپ‌سیک می‌گوید آن را مخصوص DeepSeek Harness، CodeBuddy و WorkBuddy تنسنت بهینه کرده و برای بهترین تجربه، هارنس را به نسخهٔ v0.2.1-rc.1 یا جدیدتر به‌روز کن. اگر هارنس را نمی‌شناسی، بررسی دسکتاپ DeepSeek Harness را قبلاً پوشش داده‌ایم.

۳. وزن‌های باز با لایسنس MIT

وزن‌ها روی Hugging Face و ModelScope هستند و لایسنس MIT یعنی استفادهٔ تجاری، تغییر و بازتوزیع آزاد است — فقط باید اطلاع کپی‌رایت را نگه داری. یک واقع‌بینی لازم است: ۵۵۲ میلیارد پارامتر را نمی‌شود روی لپ‌تاپ اجرا کرد؛ این وزن‌ها به درد شرکت‌ها و ارائه‌دهنده‌های ابری می‌خورند، نه کامپیوتر شخصی تو. برای تو مسیر واقعی همان API است.

چیزهایی که هنوز روشن نیست

  • تست مستقل: هیچ بنچمارک مستقلی از ۱۰۱۷ منتشر نشده؛ همهٔ عددها از خود دیپ‌سیک‌اند.

  • عملکرد روی فارسی: دیپ‌سیک دربارهٔ زبان فارسی عددی اعلام نکرده؛ نمی‌دانیم در فارسی چقدر خوب است.

  • جزئیات آموزش: دربارهٔ داده‌ها و روش دقیق «بازخورد از خود» اطلاعاتی منتشر نشده.

  • V4.1 Pro: دیپ‌سیک قبلاً اشاره کرده بود نسخهٔ Pro هم می‌آید، ولی دربارهٔ زمانش چیزی نگفته است.

  • مقایسه با Opus 5.5: جدول رسمی با Opus 5 مقایسه کرده، نه نسخهٔ تازه‌تر ۵٫۵؛ اگر می‌خواهی دربارهٔ خانوادهٔ کلود بیشتر بدانی، معرفی Claude Opus 5.5 را ببین.

این خبر برای خوانندهٔ فارسی‌زبان چه معنایی دارد؟

سه نکتهٔ مشخص برای تو:

  • کدنویس ارزان برای فریلنسرها: اگر با ایجنت‌های کدنویسی کار می‌کنی، ترکیب «نمرهٔ خوب در DeepSWE + خروجی کوتاه‌تر + قیمت پایین» یعنی هزینهٔ هر پروژه کمتر می‌شود. حالت آف‌پیک را هم که حساب کنی، اختلاف با مدل‌های آمریکایی چشمگیر است.

  • دسترسی: وب و اپ دیپ‌سیک بدون نیاز به API در دسترس‌اند و برای تست اولیه کافی‌اند. دربارهٔ وضعیت دسترسی از ایران، دیپ‌سیک اطلاعیهٔ خاصی منتشر نکرده است.

  • موج مدل‌های باز: این هفته، هفتهٔ مدل‌های باز بود: چند روز پیش انتشار وزن‌های Beam رفلکشن با لایسنس آپاچی را پوشش دادیم و انویدیا هم نسخهٔ تازهٔ Nemotron 3.5 Bolt را بیرون داد. اگر دنبال مدل باز برای پروژه‌ات هستی، الان چند گزینهٔ جدی داری و ۱۰۱۷ از نظر کدنویسی ایجنتی قوی‌ترین‌شان به نظر می‌رسد — دست‌کم روی کاغذ.

جمع‌بندی: حالا چه کار کنی؟

اگر با API دیپ‌سیک کار می‌کنی، هیچ کاری لازم نیست بکنی — از دیروز خودکار روی ۱۰۱۷ هستی؛ فقط هارنست را به‌روز کن. اگر تا حالا با دیپ‌سیک کار نکرده‌ای و ایجنت کدنویسی می‌سازی، دو هفتهٔ آینده (مهلت رایگان Search و Fetch) بهترین وقت تست است: یک پروژهٔ کوچک واقعی به آن بده و نتیجه را با مدلی که الان استفاده می‌کنی مقایسه کن. و اگر کارت استدلال سنگین غیرکدنویسی است، عجله نکن — در آن میدان هنوز رقبا جلوترند و تست‌های مستقل هم نیامده‌اند. اینجا چیزی اختراع نمی‌کنیم: عددهای خوب مال خود دیپ‌سیک‌اند؛ قضاوت نهایی با تست خودت است.

در همین روزها دیپ‌سیک از سامانه‌های فدرال آمریکا هم کنار گذاشته شد؛ ماجرا و متن‌باز شدن DeepInfer را در ممنوعیت دیپ‌سیک در آمریکا توضیح داده‌ایم.

سؤال‌های پرتکرار

آیا DeepSeek-V4.1-Flash-1017 رایگان است؟

وب‌سایت و اپ دیپ‌سیک رایگان‌اند. API پولی است ولی ارزان: ورودی از ۰٫۱۵ دلار به ازای هر میلیون توکن در ساعات خلوت. وزن‌های مدل هم با لایسنس MIT رایگان‌اند.

فرق ۱۰۱۷ با نسخهٔ قبلی (شهریور) چیست؟

معماری همان است؛ ولی به گفتهٔ دیپ‌سیک نمره‌ها بهتر شده (مثلاً Terminal-Bench از ۳۱٫۲ به ۴۲٫۳)، کارها سریع‌تر تمام می‌شوند و خروجی‌ها کوتاه‌ترند — یعنی هم قوی‌تر، هم ارزان‌تر.

آیا واقعاً از Claude Opus 5 بهتر است؟

در تست DeepSWE v1.1 بله — ۷۷ در برابر ۷۴ — ولی این عدد خود دیپ‌سیک است و مستقل تأیید نشده. در تست‌های هوش عمومی مثل HLE، اوپوس ۵ هنوز جلوتر است. پس «بهتر» به کارت بستگی دارد.

می‌شود آن را روی کامپیوتر شخصی اجرا کرد؟

عملاً نه. ۵۵۲ میلیارد پارامتر به سخت‌افزار دیتاسنتری نیاز دارد. برای استفادهٔ شخصی، وب، اپ یا API مسیر واقعی‌اند.

لایسنس MIT یعنی چه؟

یعنی می‌توانی وزن‌ها را دانلود کنی، تغییر بدهی، در محصول تجاری استفاده کنی و بازتوزیع کنی؛ فقط باید اطلاع کپی‌رایت و متن لایسنس را نگه داری.

APIهای Search و Fetch به چه دردی می‌خورند؟

برای ساختن ایجنت یا RAG که به وب زنده نیاز دارد: Search صفحه پیدا می‌کند، Fetch محتوای تمیزش را به‌صورت Markdown می‌دهد؛ بدون اینکه خودت موتور جست‌وجو بسازی.

آیا فارسی را خوب می‌فهمد؟

دیپ‌سیک بنچمارک فارسی اعلام نکرده؛ پس جواب صادقانه «نمی‌دانیم» است. برای کار فارسی، اول خودت تست کن.

نام deepseek-flash با نام‌های قدیمی چه فرقی دارد؟

نام‌های قدیمی deepseek-v4-flash بازنشسته شدند ولی هنوز کار می‌کنند و درخواست‌ها را با همان قیمت فلش به مدل تازهٔ ۱۰۱۷ می‌فرستند؛ لازم نیست کدت را عوض کنی.

منابع

برچسب‌ها:هوش مصنوعیهوش مصنوعی مولدخودکارسازیتوسعه‌دهنده
اشتراک‌گذاری:

مطالب مرتبط

عضویت در خبرنامه

آخرین اخبار هوش مصنوعی و فناوری را در ایمیل خود دریافت کنید.

پس از عضویت یک ایمیل تأیید برایتان ارسال می‌شود. هر زمان می‌توانید اشتراک خود را لغو کنید و ایمیل شما برای هدفی جز ارسال خبرنامه استفاده نمی‌شود. جزئیات در صفحه حریم خصوصی آمده است.