DeepSeek · pașaport de model
DeepSeek: DeepSeek V4.1 Flash 1017
deepseek-v4-1-flash- Ponderi deschise
- Licență MIT
- 763.2B parametri
- 1,048,576 context
- Lansat 2026-10-17(repo HF creat)
- General · LMArena
- 1,475#33 din 396
- Cea mai bună percentilă
- 95.2Urmarea instrucțiunilor
- Poziția în cohortă
- 75.5mediană 60.6
Ce spun datele
Evaluat pe 12 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai puternice axe
- 95.2 pct — Urmarea instrucțiunilor (1,476)
- 93.9 pct — Programare (1,523)
- 92.4 pct — Prompturi dificile (1,498)
Neuniform: 46,4 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 95.2 pct pe Urmarea instrucțiunilor față de 48.8 pct pe SimpleQA Verified.
- Urmarea instrucțiunilor95.2 pct1,476Verifică →
- Programare93.9 pct1,523Verifică →
- Prompturi dificile92.4 pct1,498Verifică →
- General91.9 pct1,475Verifică →
- AIME (matematică)89 pct98.3%Verifică →
- WebDev Arena85.6 pct1,619Verifică →
- Factuality Arena84.9 pct1,468Verifică →
- GPQA Diamond80.5 pct89.8%Verifică →
- ARC-AGI-279.8 pct72.9%Verifică →
- Vision Arena74.7 pct1,260Verifică →
- Agent Arena65.5 pct0.030Verifică →
- SimpleQA Verified48.8 pct42.9%Verifică →
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- FrontierMathNeevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- LiveBenchNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- MMLU-Pro (Artificial Analysis)Neevaluat
- LiveCodeBench (Artificial Analysis)Neevaluat
- IFBench (Artificial Analysis)Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
Cum îl rulezi
Rulează-l singur
Transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "deepseek-ai/DeepSeek-V4.1-Flash-1017"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)Ollama
Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →
Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →
Folosește-l găzduit
deepseek/deepseek-v4.1-flash-1017Parametri API acceptați de acest endpoint
Exemplu de cerere
curl https://openrouter.ai/api/v1/chat/completions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"deepseek/deepseek-v4.1-flash-1017","messages":[{"role":"user","content":"Hello"}]}'Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.
deepseek-v4.1-flash-max stands at 75.5 (raw mean 81.8) — measured on 12 of 27 axes.
deepseek-v4.1-flash-max stands at 75.5 versus a cohort median of 60.6 across 168 models released within 180 days — above the peer median.
deepseek-v4.1-flash-max scores at percentile 95.2 on Urmarea instrucțiunilor.
deepseek-v4.1-flash-max scores at percentile 93.9 on Programare.
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →