DeepSeek-V4.1-Flash-1017: 45에서 46으로의 추측, 세 문장짜리 변경 로그, 그리고 두 스코어보드가 공유하는 단 하나의 행

DeepSeek-V4.1-Flash-1017은 실제로 존재하고, 이제 출시된 지 하루 됐습니다. 2026-10-17자 변경 로그 항목을 읽을 수 있고, Hugging Face에서 MIT 라이선스가 적용된 7,630억 매개변수 규모의 가중치를 내려받을 수 있으며, 변경되지 않은 deepseek-flash 모델 문자열로 변경되지 않은 요금표에서 지금 바로 호출할 수 있습니다. 할 수 없는 일은 이 모델의 순위가 어디인지 찾아보는 것입니다. DeepSeek V4.1 Flash 업데이트가 공개된 다음 날 올라온 가장 실질적인 글은 결과가 아니라 추측이었습니다. 연구소를 가까이 지켜보는 사람은 이 모델의 최종 Artificial Analysis Intelligence Index 점수를 45~46으로 내다봤고, Grok 4.7을 이 모델이 살짝 앞지르게 될 수치로, AA-Omniscience를 이 모델을 완전히 눌러버리는 평가로 예측했으며, 57%를 Vals Index에서 합당한 기대치로 제시했습니다. 그 수치들 하나하나는 아직 1017 행이 없는 점수판에 대한 전망입니다. 출시는 사실입니다. 순위는 베팅이며, 흥미로운 부분은 오늘 아무도 그것을 확정할 수 없는 이유입니다.

10월 17일에 실제로 출시된 것은 무엇인가요?

1차 출처는 짧습니다. 2026-10-17자 DeepSeek의 변경 로그 항목에 따르면 V4.1 Flash는 "DeepSeek-V4.1-Flash-1017로 업그레이드되었으며", 웹 및 앱 모델도 함께 이동했고, "API 호출 방식과 가격은 변경되지 않았습니다"라고 하며, 호출은 deepseek-flash를 통해 최신 모델에 도달합니다. 이것이 사양 수준의 주장 전부입니다. 해당 저장소 deepseek-ai/DeepSeek-V4.1-Flash-1017은 10월 17일 02:40 UTC에 생성되었고 같은 날 05:46 UTC에 마지막으로 수정되었습니다. safetensors 인덱스는 BF16, F32, F8_E4M3 및 I8 텐서 유형 전반에 걸쳐 총 763,205,315,794개의 파라미터를 집계합니다. 라이선스는 MIT입니다. 이와 관련된 유출은 없습니다.

변경 로그는 숫자가 아닌 세 가지를 추가한다. 이번 업데이트를 “성능–비용 파레토 개선”이라고 부른다. 튜닝 기준이 된 하네스로 D​eepSeek Harness, T​encent CodeBuddy, WorkBuddy를 명시하고, 사용자에게 D​eepSeek Harness 0.2.1-rc.1 이상으로 옮기라고 알린다. 또한 애니메이션으로 렌더링된 네 가지 프로젝트 데모를 보여준다: 자금성 3D 모델, 브라우저 레이싱 게임, Godot로 만든 Portal 2 리메이크, 그리고 “Valley of Ages”라는 3D 장면. 그것들은 측정치가 아니라 마케팅 산출물이며, 이 글에서 그것들을 점수와 별도의 문단에 둔 이유다.

무엇이 변하지 않았는지는 변한 것만큼이나 중대합니다. 돈이 걸린 부분이 바로 그 부분이기 때문입니다:

• 요금표 — 변경 없음. 피크 시간대 캐시 적중 입력은 100만 토큰당 $0.006, 비피크 시간대는 $0.003입니다. 캐시 미적중 입력은 $0.30 / $0.15, 출력은 $1.20 / $0.60입니다. 피크는 월요일부터 금요일까지 UTC 01:00–04:00 및 06:00–10:00이며, 중국 공휴일은 제외합니다.

• 모델 문자열 — 변경되지 않았습니다. deepseek-flash는 이제 1017 체크포인트로 해석됩니다. 사용 중단된 이름인 deepseek-v4-flash 및 deepseek-v4-flash-vision-exp는 여전히 허용되며 계속 해당 체크포인트로 라우팅되고 Flash 요금으로 청구됩니다.

• Envelope — 카드 수준에서 변경되지 않았습니다. 1M 토큰 컨텍스트 창, max_tokens 256K 이상, temperature 1.0 및 top_p 1.0 권장.

• 패키징 결함 — 또한 변경되지 않았습니다. 여전히 Jinja 채팅 템플릿이 없습니다. 저장소는 encoding/encoding.py를 참조 구현으로 제공하며, 이는 다중 턴 대화, 도구 호출, 사고 모드, 수치형 추론 강도, 대화 중간 시스템 메시지 및 인터리브된 이미지를 다루고, 프로덕션 사용자에게 Python 바인딩이 있는 Rust 라이브러리인 deepseek-recipe를 안내합니다.

1017 카드는 아키텍처를 다시 진술하지 않는다. 이 패밀리의 형태 — 552B 백본, 20층 인과 인코더와 20층 디코더로 분할된 인과적 인코더-디코더, 프리필 중 8B 매개변수와 디코드 중 16B 매개변수의 비대칭 활성화, 토큰당 6개가 활성인 384개 라우팅된 전문가, CSA2 어텐션, FP4 메인-KV 캐싱, 그리고 196B Engram 조건부 메모리 — 는 9월 카드, Pushing the Limits of KV Cache Compression라는 제목의 기술 보고서, 그리고 모델 카드 자체의 인용에서 비롯된다. 그 숫자들을 원하는 독자는 그 숫자들을 결코 주장하지 않는 1017 페이지가 아니라 9월 문서에서 그것들을 가져와야 한다.

공급업체 행 11개, 그리고 인덱스가 실제로 읽는 단 하나

공급업체 벤치마크 표는 릴리스에서 유일하게 비교 가능한 산출물이며, 체인지로그에는 이미지로, 모델 카드에는 마크다운 표로 게시되어 있다. 카드에서 읽은 1017 열 대 9월 열은 다음과 같다. 도구 없이 HLE 42.6(텍스트 전용 부분집합에서는 44.0) 대 36.8(39.1), Terminal-Bench 4.0 42.3 대 31.2, DeepSWE v1.1 77.0 대 74.2, ProgramBench 29.1 대 20.3, NL2Repo-Bench 68.2 대 65.4, Automation-Bench v1.0.6 60.5 대 54.8, Agents' Last Exam 35.4 대 31.8, Apex Bench v1.1 72.1 대 64.6, 도구 사용 시 Chartography 83.0 대 78.9, 도구 사용 시 BabyVision 92.5 대 89.6, 도구 사용 시 ZeroBench-main 51.0 대 49.0. 열한 개 행이 모두 상승한다. 표에는 두 개의 각주가 붙어 있다. 단검 기호는 HLE의 텍스트 전용 부분집합을 표시하며, Terminal-Bench 4.0은 Claude Code 하네스에서 실행된 반면 DeepSWE v1.1은 Mini-SWE-V2에서 실행되었다.

이제 이를 45에서 46으로 가는 추정이 다루는 대상인 Artificial Analysis Intelligence Index와 대조해 보자. 현재 인덱스 버전은 4.3.2이며, 이는 네 가지 항목 아래 열 가지 평가를 가중 합성한 지수다. 항목별 비중은 에이전트 30%, 코딩 20%, 과학적 추론 20%, 일반 30%다. 가중치는 공개되어 있으며, 그것이 논거의 전부다. AA-Briefcase v1.1은 15%를 차지한다. AA-Omniscience는 15%를 차지하며 정확도 10%와 비환각률 5%로 나뉜다. Terminal-Bench 4.0은 10%를 차지한다. HLE는 10%를 차지한다. 연구 수준의 미공개 물리학 세트인 CritPt는 10%를 차지한다. GDPval-AA v2.1은 10%, GDP.pdf 10%, SciCode 10%, AutomationBench-AA 5%, AA-LCR v1.1 5%를 차지한다.

그 열 가지 평가 중 DeepSeek의 11행 표에 같은 이름과 같은 구성으로 등장하는 것은 단 하나뿐입니다: Terminal-Bench 4.0이며, 인덱스의 10분의 1 수준입니다. HLE는 양쪽 모두에 나오지만 동일하지는 않습니다 — 벤더 열은 순수 텍스트 하위 집합이고, 인덱스는 2,158문항의 텍스트 전용 세트를 사용합니다. 인덱스가 사용하는 나머지 모든 항목은, 가장 비중이 큰 두 구성 요소를 포함해, 벤더 행이 전혀 없습니다. 이것이 그 추측의 작동 원리이지 해당 랩에 대한 비판은 아닙니다. 단지 벤더 표와 복합 인덱스는 서로 다른 부분으로 만들어지며, 겹치는 부분은 한 행 폭에 불과하다는 것입니다.

45–46은 어디에서 비롯되며, 왜 그것을 확인할 수 없는가

이 예측은 9월 점수를 바탕으로 한 산술적 계산입니다. Artificial Analysis는 현재 9월 DeepSeek V4.1 Flash 체크포인트를 최대 추론 강도 설정에서 39점으로 평가하며, 이는 Intelligence Index에서 120개 모델 중 9위이고 동급 크기 오픈웨이트 모델의 중앙값 19를 크게 웃도는 수치입니다. 같은 항목은 인덱스 작업당 비용 $0.27, 초당 출력 토큰 175.9개, 첫 토큰까지 1.23초를 기록합니다. 따라서 45~46 예측은 체크포인트 한 번 교체로 약 6~7 인덱스 포인트를 얻는다는 주장입니다. 이는 단일 단계 상승으로는 이례적으로 큰 폭이며, 바로 그 때문에 게시자는 이를 예측하기보다 "괜찮을 것"이라고 완곡하게 표현했습니다.

그 지점에 도달하면 1017은 붐비는 대열에 합류하게 된다. 현재 46에 있는 모델은 xhigh와 high의 Grok 4.7, low effort의 MiMo-V2.6-Pro와 G​PT-6 Astra다. 45에는 Qwen3.8-Max(0902), xhigh의 M​use Spark 1.3, max의 G​LM-5.3이 있다. 44에는 max의 S​tep 5 Preview와 Kimi K3가 있다. 6~7점이면 D​eepSeek의 저가 티어를 오픈 웨이트 클러스터 아래에서 그 중간으로 옮길 수 있고, 게시자가 택한 비교 — "G​rok보다 낫다" — 는 45나 46이면 Grok 4.7 자체의 effort 설정에서 문자 그대로 사실이 되게 하면서도 작업당 비용은 약 10분의 1로 드는 비교다. 그 추측에서 유용한 것은 정수가 아니라, 그것이 함축하는 가격 대 점수 위치다.

기준선 자체를 조심해야 할 이유가 하나 더 있습니다. 9월에 발표된 제3자 보고서는 9월 체크포인트를 지수 40, 113개 중 6위로 인용했습니다. 해당 사이트는 오늘 이름이 붙은 지수 버전에서 39, 120개 중 9위로 표시합니다. 동일한 가중치지만 공표된 정수는 다릅니다. 지수는 버전이 관리되고 그 모집단이 증가하기 때문입니다. 이미 두 번이나 움직인 숫자에 기반한 예측은 모래 위에 세운 예측이며, 45–46 주장의 정직한 버전은 범위에 관한 범위입니다.

Omniscience 예측은 메커니즘이 있는 쪽이다.

이 시그널의 모든 내용 중에서, 1017이 "또다시 Omniscience에 의해 박살 날 것"이라는 주장은 분위기가 아니라 검증 가능한 메커니즘이 뒷받침하는 부분이다. AA-Omniscience는 합격선이 있는 지식 퀴즈가 아니다. 42개 주제에 걸친 약 6,000개 질문 전반에서 사실적 신뢰성을 채점하며, 정답에는 점수를 주고 환각에는 감점하며, 답변 거부는 중립으로 둔다. 따라서 답변을 거부하는 것이 틀리게 추측하는 것보다 낫다. 에이전트 처리량과 짧은 출력에 맞춰 튜닝된 모델, 즉 1017 체인지로그가 설명하는 모델은 답변당 숙고 토큰이 더 적은 모델이다. 확신에 찬 오답에 페널티를 부과하는 지수에서 그것이 도움이 될지 해가 될지는 진짜 미해결 질문이며, 그 문장에서 "again"은 의미 있는 역할을 한다: 9월 체크포인트가 이미 그 부분에서 기대에 못 미쳤음을 암시한다. 이 지수는 Omniscience 정확도와 비환각률을 별도 수치로 공개하지만, DeepSeek 모델 페이지는 벤치마크별 수치를 드러내지 않으므로, 현재 사이트에서 9월 Omniscience 세부 분할 수치를 읽을 수는 없다. 그 예측은 그럴듯하며, 오늘날 반증 불가능하다.

같은 불만의 나머지 절반, 즉 지수가 "여전히 망가진 CritPt를 사용한다"는 지적은 이 합성 지수의 실제 속성을 가리킨다. CritPt는 연구 수준의 미공개 물리학이다. 답이 아직 학습 데이터에 없는 문제들이며, 바로 그 점이 오염에 강하게 만들고 동시에 잡음이 많고 갱신이 느리게 만든다. 그것은 지수의 10분의 1을 차지하며, HLE 및 Terminal-Bench 4.0과 같은 가중치다. CritPt 행을 한 번도 공개한 적 없는 모델 패밀리는 그에 대해 내려지는 모든 예측에 10%의 사각지대를 안고 가는 셈이다. 비판의 두 절반은 사실 같은 관찰이다. 지수와 벤더는 서로 다른 것을 측정하고 있으며, 예측은 가정으로 그 간극을 메워야 한다.

Vals 번호는 기반이 다른 별도의 보드입니다.

57%라는 수치는 별도 문단으로 다룰 가치가 있다. 왜냐하면 그것이 공표된 숫자에 대응하는 신호의 유일한 부분이고, 그 대응은 한 해 낡았지만 방향은 맞기 때문이다. Vals AI의 인덱스는 9월의 DeepSeek V4.1 Flash를 57.86%로, 56개 모델 중 15위이자 오픈 웨이트 항목 중 최상위로 두며, 57.81%의 Kimi K3를 근소하게 앞서고, 테스트당 $0.30이라고 명시한다. 따라서 "Vals에서 57%라면 타당해 보인다"는 것은 위쪽으로의 전망이 아니다. 그것은 9월 체크포인트가 이미 오픈 웨이트 선두였던 리더보드에서 대략 평탄한 성능을 전망하는 것이다. 같은 게시자가 같은 문장에서 말하는 두 개의 보드, 두 가지 기대: 인덱스에서는 큰 상승, Vals에서는 전혀 상승 없음. 그 비대칭이 이 게시물에서 가장 많은 정보를 주는 부분이다. 그것은 게시자가 1017의 이득이 인덱스가 비중 있게 보고 Vals가 가볍게 보는 평가들, 즉 일반 지식 업무의 폭이 아니라 Terminal-Bench 스타일의 에이전트 작업에서 나타나리라고 기대한다는 것을 말해 주기 때문이다.

실제로 무엇을 다시 실행해야 할까

유통 중인 독립적인 수치 중 1017 가중치를 설명하는 것은 없습니다. D​eepSeek는 안정적인 API 이름 뒤의 모델을 교체했으며, 이는 게시된 모든 수치의 귀속이 조용히 바뀌었음을 뜻합니다. 9월 실행에서 DeepSeek V4.1 Flash에 대해 인용된 점수는 이제 공급업체가 더 이상 제공하지 않는 가중치를 설명하는 반면, 실제로 제공하는 가중치에는 외부 점수가 전혀 없습니다. 체크포인트 교체를 구성 변경으로 취급하는 사람이라면 실용적인 규칙은 소프트웨어에서 가져온 것입니다. 즉, 동일한 회귀 검증이 필요합니다. 1017이 프로덕션 경로에 투입되기 전에 1017에 대해 답해볼 만한 다섯 가지 질문이 있습니다.

• Terminal-Bench 4.0은 재현됩니까? 벤더는 Claude Code 하네스에서 점수를 31.2에서 42.3으로 끌어올렸으며, 이는 독립 위원회가 읽는 몇 안 되는 행 중 하나입니다. 모델에 유리하게 작용하는 벤더의 하네스 선택은 벤치마크 보고에서 가장 오래된 실패 유형입니다.

• DeepSWE 이득은 다른 스캐폴드에서도 유지되는가? Mini-SWE-V2에서 9월의 74.2 대비 77.0. DeepSWE는 하네스 전반에서 큰 편차를 보여 왔으므로, 주장은 수준이 아니라 델타다.

• 출력 길이가 실제로 줄어드나요? 변경 로그의 비용 주장은 단지 더 빠른 출력이 아니라 더 짧은 출력에 달려 있습니다. 사용량 기반 과금 API에서 그것은 파레토 개선과 반올림 오차 사이의 차이입니다.

• 추론 노력 다이얼이 제대로 작동하나요? 노력 값은 숫자이며 low, high, max가 정의된 값에 매핑되고, high가 기본값이며, temperature는 허용되지만 사고 모드에서는 무시됩니다. 프로덕션에서 전송하는 정확한 노력 값으로 테스트하세요. max에서 실행한 테스트 스위트는 high로 배포된 환경에 대해 아무것도 알려주지 않기 때문입니다.

• 멀티턴 도구 사용도 여전히 왕복되나요? 도구를 사용할 때는 도구 호출이 없는 턴을 포함해 모든 이전 턴의 reasoning_content가 다시 전달되어야 하며, 그렇지 않으면 요청이 실패합니다. 이는 체크포인트 교체가 조용히 초래하는 종류의 회귀입니다.

프로덕션 경로를 측정되지 않은 가중치로 옮기지 않고 그 회귀 패스를 실행하려는 경우, 바로 이런 상황을 위해 OrcaRouter의 페일오버가 만들어졌습니다. 1017을 폴백 체인 뒤에 두고, 손실을 감수할 수 있는 트래픽을 보내면, 실패하거나 느린 응답이 호출자에게 보이기 전에 여러 제공자에 걸쳐 재시도됩니다. 가격은 논거의 나머지 절반이자 더 단순한 부분입니다. D​eepSeek는 Flash 요금표를 그대로 유지했고, OrcaRouter는 공급자의 정가를 0% 마크업으로 그대로 전달하므로 D​eepSeek의 가격을 바꾸지 않는 변경은 우리 가격도 바꾸지 않습니다. 오늘 D​eepSeek 자체 요금으로 D​eepSeek V4.1 Flash를 이용할 수 있으며, 두 번째 계약도 코드 변경도 필요 없습니다. 리더보드가 따라잡을 때까지도요.

그 신호가 남겨 둔 질문들

아키텍처가 동일하다면 체크포인트 교체가 대체 왜 지수를 움직이겠습니까? 지수는 에이전트형 및 코딩 평가에 전체의 절반 비중을 두고 있으며, 이런 종류의 포스트트레이닝 변화가 가장 빠르게 드러나는 평가가 바로 그것들이기 때문입니다. 9월 모델의 공개된 범주 중 가장 약한 것은 가격 대비 에이전트형 작업이었습니다; 1017 변경 로그는 거의 전부 에이전트형 작업과 작업당 비용에 관한 것입니다. 이 예측은 동일한 아키텍처에 더 나은 포스트트레이닝을 더하면 가중치가 말하는 위치에 도달할 것이라는 베팅입니다.

Artificial Analysis가 1017 수치를 공개하기 전에 그것을 읽을 방법이 있나요?간접적으로만 가능합니다. 공급업체가 공개하는 두 개의 에이전트형 행, 즉 Terminal-Bench 4.0과 Automation-Bench가 가장 가까운 대리 지표이며, 둘 다 자체 보고입니다. 세 번째 경로는 독립 보드의 9월 항목이 이름이 바뀌는지, 다시 실행되는지, 아니면 그대로 남는지 지켜보는 것입니다. 서빙되는 가중치가 바뀌는데도 옛 점수를 유지하는 오래된 행은 해당 수치가 더 이상 표면상 의미하는 바를 뜻하지 않는다는 가장 명확한 신호입니다.

가격이 변하지 않았다는 것이 파레토 주장이 사실이라는 뜻인가? 그것은 그 주장이 검증 가능하다는 뜻이다. 고정된 요금표에서 "성능–비용 파레토 개선"은 작업당 출력 토큰이 줄어들 때만 성립하는데, 그것이 남은 유일한 수단이기 때문이다. 벤더는 작업 실행 시간과 출력 길이가 모두 감소했다고 말한다. 그것이 이 페이지에서 독자가 자신의 청구서로 직접 확인할 수 있는 유일한 주장이다.

다음에 볼 콘텐츠

등급을 매길 예측은 구체적이며, 바로 그 점이 기록해 둘 가치가 있다. Intelligence Index에 1017 행이 45나 46으로 나타나면, 게시자는 포지션과 메커니즘을 정확히 짚은 것이다 — 에이전틱 비중이 높은 가중치에 더해 Omniscience의 알려진 취약점 — 그리고 유용한 교훈은 가중치를 주의 깊게 읽기만 하면 종합 점수가 벤더 표에서 예측 가능해졌다는 것이다. 만약 9월의 39 이하로 나오면, 교훈은 반대이며 더 값비싸다: 모든 행에서 상승하는 11행 벤더 표라도 종합 점수는 여전히 평평하게 남을 수 있다. 왜냐하면 움직인 행이 중요한 행은 아니기 때문이다. 어느 결과든 한 모델에 대한 단일 여론조사일 뿐 연구소에 대한 판결이 아니며, 이를 결정하는 숫자는 독자가 오늘 계산할 수 없는 숫자다.

독자가 오늘 할 수 있는 일은 예측보다 비용이 적게 듭니다. 가중치는 MIT 라이선스로 공개되어 있고 API는 9월 가격으로 운영 중이므로, 누군가 순위를 발표하기 전인 이번 달이야말로 자신에게 중요한 세 가지 질문에 대해 스스로 판단을 내려야 할 때입니다. 에이전트 작업을 더 빠르게 끝내는가, 그러면서도 말은 더 적게 하는가, 그리고 실제로 실행하는 멀티턴 도구 경로에서도 견디는가 하는 질문입니다.

출처 노트: 이 글에 나오는 모든 DeepSeek 수치 — 11개 벤치마크 행, 총 763B 매개변수, 1M 토큰 창, MIT 라이선스, 변경되지 않은 요금표, 하네스 권장 사항 — 는 공급업체 자체의 10월 17일 체인지로그 항목, Hugging Face의 모델 카드, 공개된 가격 페이지에서 나온 것입니다. 모든 독립 수치 — Intelligence Index의 39, 120개 중 9위, 지수 작업당 $0.27 비용, 초당 175.9토큰, 그리고 점수를 구성하는 10개 평가 가중치 — 는 2026년 10월 18일에 확인한 Artificial Analysis에서 나온 것입니다. 45에서 46으로의 전망, 57%라는 Vals 기대치, Omniscience 예측은 이들 보드 어디에도 1017 행이 없는 한 모델에 대한 한 관찰자의 추정치이며, 이들이 등장하는 모든 곳에서 추정치로 표시되어 있습니다.

이번과 같은 릴리스의 배경이 되는, 문서화된 AI 실패 및 에이전트 사건들은 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급 및 이의 제기 플래그가 포함되어 있습니다.