DeepSeek выпустила обновленную модель V4.1-Flash-1017: улучшенное программирование и новые API для ИИ-агентов

Китайская компания DeepSeek представила обновление модели V4.1-Flash-1017, ориентированное на программирование и выполнение задач с помощью ИИ-агентов. По заявлению разработчиков, новая версия лучше справляется с поставленными заданиями и расходует меньше выходных токенов.

Одновременно компания открыла разработчикам доступ к двум инструментам для работы с вебом — Search API и Fetch API. Они позволяют ИИ-агентам искать информацию в интернете, получать содержимое веб-страниц и использовать результаты в приложениях, построенных на основе генерации с дополненным поиском (RAG).

DeepSeek V4.1-Flash-1017 улучшила результаты в программировании

В опубликованных результатах тестирования обновленная модель показала прогресс в бенчмарке DeepSWE v1.1. Она набрала 77 баллов против 74,2 у предыдущей версии V4.1-Flash. По приведенным данным, результат также оказался выше показателей Claude Opus 5, набравшей 74 балла, и GPT-5.6-Sol с результатом 73 балла.

Однако преимущество DeepSeek проявилось не во всех испытаниях. Claude Opus 5 показала более высокие результаты в Terminal-Bench 4.0, ProgramBench и NL2Repo-Bench, а также обошла новинку в тесте HLE без использования дополнительных инструментов.

Сравнивать эти показатели напрямую следует с осторожностью. DeepSeek отмечает, что испытания проводились в разных программных средах. В частности, Terminal-Bench 4.0 тестировался с использованием Claude Code, тогда как DeepSWE v1.1 запускался в среде Mini-SWE-V2.

Различия в окружении, доступных инструментах и настройках тестирования могут влиять на итоговые результаты. Поэтому отдельный высокий балл не означает, что одна модель будет лучше другой во всех задачах программирования или разработки ИИ-агентов.

Search API позволяет искать информацию в интернете

Помимо обновления модели, DeepSeek представила Search API — программный интерфейс для выполнения поисковых запросов через собственную поисковую систему компании.

Инструмент возвращает структурированные результаты поиска, которые разработчики могут использовать при создании приложений с искусственным интеллектом. Например, агент сможет найти материалы по заданной теме, получить сведения из нескольких источников и использовать их при подготовке ответа.

Такой механизм особенно полезен для систем, которым необходима актуальная информация, отсутствующая в обучающих данных модели или требующая дополнительной проверки. Вместо работы исключительно с внутренними знаниями ИИ сможет обращаться к поисковому инструменту и получать результаты непосредственно во время выполнения задачи.

Fetch API извлекает содержимое веб-страниц

Второй инструмент, Fetch API, предназначен для получения содержимого конкретных веб-страниц. В отличие от Search API, который ищет материалы по запросу, Fetch API обращается к указанной странице и возвращает ее содержимое в формате Markdown.

Такой формат упрощает дальнейшую обработку текста языковыми моделями. Полученные данные можно передавать ИИ-агенту для анализа, суммирования, извлечения фактов или сопоставления информации из разных источников.

Вместе Search API и Fetch API формируют базовый набор инструментов для создания агентов, способных самостоятельно находить информацию и изучать ее содержимое. Они также могут использоваться в системах RAG, где ответы модели дополняются данными из внешних источников.

При этом качество результата зависит от доступности исходных страниц, полноты извлеченного содержимого и корректности последующей обработки данных моделью.

Сколько стоят новые API DeepSeek

Стоимость Search API и Fetch API составляет 0,75 доллара за 1000 успешных запросов. Компания уточняет, что оплачиваются только обращения, которые завершились получением результата. Пустые ответы, ошибки и тайм-ауты не тарифицируются.

Начало тарификации вызовов инструментов запланировано на 1 ноября. Это позволит разработчикам заранее оценить потенциальные расходы на интеграцию веб-поиска и извлечения данных в свои приложения.

При такой модели оплаты стоимость использования будет зависеть прежде всего от количества успешно обработанных запросов. Для проектов с большим объемом обращений важными факторами станут частота поиска, необходимость повторных запросов и число веб-страниц, которые агенту требуется изучить.

Что обновление означает для разработчиков ИИ-агентов

Обновление V4.1-Flash-1017 и запуск Search API и Fetch API развивают два направления экосистемы DeepSeek: повышение эффективности самой модели и расширение доступных ей инструментов.

Улучшения в программировании могут быть полезны при разработке и исправлении кода, а новые API позволяют создавать агентов, которые получают информацию из интернета и используют ее для решения многоэтапных задач. Сочетание этих возможностей особенно актуально для автоматизации исследований, анализа документации и разработки приложений с использованием RAG.

При этом результаты бенчмарков показывают, что V4.1-Flash-1017 не превосходит конкурентов во всех сценариях. Практическая эффективность будет зависеть от конкретной задачи, программной среды, доступных инструментов и стоимости обработки запросов.