DeepSeek, V4.1-Flash-1017로 추론·코딩 성능 대폭 개선
원제 DeepSeek-v4.1-Flash-1017
310 포인트댓글 121
Key Point
LLM의 성능과 효율성이 함께 개선되는 것이 드문데, 추론·코딩 벤치마크에서 동시에 개선되면서 낮은 비용으로 더 복잡한 작업을 처리할 수 있게 됐다.
핵심 요약
- DeepSeek-V4.1-Flash-1017은 DeepSeek-V4.1-Flash의 마이너 업데이트로, 추론·코딩·에이전트 작업·시각 벤치마크에서 상당한 성능 개선을 제공한다.
- 작업 실행 시간과 출력 길이를 단축해 더 빠르고 낮은 비용으로 작업을 완료할 수 있으며, 여러 에이전트 테스트에서 성능-비용 파레토 한계를 앞당겼다.
- 벤치마크에서 HLE는 42.6점(기존 36.8점), Terminal-Bench 4.0은 42.3점(기존 31.2점), DeepSWE v1.1은 77.0점(기존 74.2점)을 기록했다.
- ProgramBench 29.1점, NL2Repo-Bench 68.2점, Automation-Bench v1.0.6 60.5점, Agents' Last Exam 35.4점, Apex Bench v1.1 72.1점으로 이전 버전보다 모두 상향되었다.
- Chartography(w/tools) 83.0점, BabyVision(w/tools) 92.5점, ZeroBench-main(w/tools) 51.0점 등 시각 관련 벤치마크도 개선됐다.
- Jinja 형식의 채팅 템플릿은 포함되지 않으며, Python 참조 구현과 Rust 기반 deepseek-recipe 라이브러리를 제공한다.
- 권장 샘플링 파라미터는 temperature 1.0, top_p 1.0, context_window 1M 토큰, max_tokens 256K 이상이다.
- 모델은 763B 파라미터 규모이며 BF16·F32·F8_E4M3·I8 텐서 타입을 지원한다.
- MIT 라이선스로 공개되었으며, 12개의 양자화 모델과 1개의 미세조정 모델이 제공된다.