DeepSeek lancia V4.1-Flash-1017 aperto, più forte nel coding

Chiedete a un modello linguistico un modello 3D del Palace Museum, un gioco di corse nel browser o una ricostruzione di Portal 2 nel motore Godot, con un breve prompt e quasi nessun materiale di riferimento, e DeepSeek sostiene che potrete ottenere qualcosa di eseguibile. È la dimostrazione che il laboratorio cinese di intelligenza artificiale ha presentato con V4.1-Flash-1017, rilasciato il 17 ottobre come aggiornamento minore del suo modello V4.1 Flash. Le dimostrazioni, tra cui una scena 3D attraverso epoche diverse chiamata Valley of Ages, sono state realizzate ciascuna in pochissimi turni di interazione all'interno di DeepSeek Harness, l'ambiente per agenti dell'azienda.

DeepSeek chiama questa capacità programmazione «wish-style»: la costruzione di un progetto completo da zero a partire da una richiesta sintetica. L'azienda attribuisce il risultato all'apprendimento per rinforzo basato sull'autovalutazione, un metodo di addestramento in cui il modello critica il proprio output end-to-end. L'aggiornamento viene inoltre presentato come un miglioramento «di Pareto», espressione che indica un progresso su più fronti contemporaneamente: punteggi più alti nei benchmark, ma anche tempi di esecuzione e output più brevi, che abbassano il costo complessivo di ogni chiamata. Il servizio di TechNode segnala anche progressi nel ragionamento e nella comprensione visiva.

I numeri sono la parte più netta dell'affermazione. Su Terminal-Bench 4.0, eseguito con il framework Claude Code, il punteggio è salito da 31,2 a 42,3. ProgramBench è passato da 20,3 a 29,1, DeepSWE v1.1 da 74,2 a 77,0, NL2Repo-Bench da 65,4 a 68,2 e Automation-Bench da 54,8 a 60,5. Questi dati provengono dalla model card su Hugging Face, quindi dalla stessa DeepSeek. Nelle fonti non compare alcuna valutazione indipendente, e vanno quindi letti come misurazioni dell'azienda finché test esterni non li riprodurranno.

Anche il contesto merita attenzione. La mattina del 15 ottobre, due giorni prima del rilascio, gli utenti hanno trovato DeepSeek non disponibile per quasi cinque ore. Un servizio di Tencent News ha contato 44 incidenti finora quest'anno sulla pagina pubblica di stato di DeepSeek, dai brevi rallentamenti alle interruzioni parziali, tra cui uno durato circa 12 ore alla fine di marzo. DeepSeek non ha collegato quell'interruzione all'aggiornamento del modello, e le fonti non dicono se il modello stesso abbia cambiato l'affidabilità del servizio.

Per gli sviluppatori, il primo giorno cambia poco. Gli utenti delle API mantengono lo stesso nome di modello, deepseek-flash, e gli stessi prezzi, mentre i pesi sono disponibili su Hugging Face e ModelScope con licenza MIT, gli stessi termini di V4.1 Flash. Chi vuole ospitare il modello in autonomia trova il codice di inferenza e le istruzioni di deployment. Gli utenti di DeepSeek Harness hanno bisogno della versione 0.2.1-rc.1 o successiva per il supporto completo, e il modello è stato adattato anche agli strumenti CodeBuddy e WorkBuddy di Tencent. Contemporaneamente DeepSeek ha aperto agli sviluppatori il proprio motore di ricerca interno, sotto forma di API autonome Search e Fetch. Disponibile da subito, l'aggiornamento vale la pena di essere provato per il lavoro di coding basato su agenti, dove secondo i benchmark dell'azienda i guadagni sono maggiori.