DeepSeek-V4.1-Flash-1017 공개: 더 짧게 생각하고 더 빠르게 일하는 에이전트용 모델

Who Should Read

코딩 에이전트의 비용과 대기 시간 때문에 값싼 오픈 웨이트(공개 가중치) 모델로 갈아탈지 고민하는 백엔드 개발자

Core Mechanics

• 마이너 업데이트인데 점수가 많이 올랐다
  • DeepSeek이 V4.1-Flash 대비 추론·코딩·에이전트·시각 벤치마크가 크게 올랐다고 밝혔다.
  • 작업 실행 시간과 출력 길이도 줄었다고 한다.
• Terminal-Bench 4.0 42.3, 이전 31.2
  • 이전 V4.1-Flash는 31.2, GLM-5.3은 37.9, GPT-5.6 Sol은 39.9, Opus 5는 51.8이다.
  • Claude Code 하네스(모델을 감싸는 실행 틀)로 쟀다.
• DeepSWE v1.1 77.0으로 표의 모델 중 최고
  • 이전 V4.1-Flash 74.2, Opus 5 74.0, GPT-5.6 Sol 73.0이다.
  • Mini-SWE-V2 하네스 기준이다.
• Automation-Bench·Agents' Last Exam·Apex Bench에서도 앞섰다
  • Automation-Bench v1.0.6은 60.5로 Opus 5의 50.3보다 높다.
  • Agents' Last Exam은 35.4로 Opus 5의 28.6보다 높고, Apex Bench v1.1은 72.1로 Opus 5의 65.8보다 높다.
• Opus 5가 앞서는 벤치도 있다
  • HLE(도구 없음)는 42.6으로 Opus 5의 56.3보다 낮다.
  • Terminal-Bench 4.0, ProgramBench(29.1 대 37.0), NL2Repo-Bench(68.2 대 75.3)도 Opus 5가 높다.

Community Reactions

• 빠른 속도 덕에 에이전트 대기가 줄었다는 경험
  • 벤치 점수는 Sol이나 Gemini보다 낮아도 tok/s와 TTFT(첫 토큰까지 시간)가 좋아 체감이 낫다는 의견이 있었다.
  • 추론 과정(CoT)이 보이고 사이버 리뷰로 갑자기 차단되지 않는 점도 장점으로 꼽았다.
• Flash로 구현하고 Opus가 리뷰하는 조합을 쓴다는 경험
  • Chief/Builder/Reviewer 스웜을 며칠씩 자율로 돌려 봤더니 Opus 5.5가 더 똑똑해도 속도와 가격이 그 차이를 메운다는 경험담이 있었다.
  • Opus·Sol은 계획과 코드 리뷰에 쓰고 DeepSeek은 구현과 검증에 쓴다는 사용자도 있었다.
• 같은 코드 리뷰에서 GPT 6.1 Sol에 밀렸다는 경험
  • 200개 넘는 파일이 바뀐 C++ 코드를 리뷰시켰더니 DeepSeek은 20분 걸려 P1 하나와 무관한 P2 하나를 찾았다는 경험이 있었다.
  • GPT 6.1 Sol은 4분 30초에 P1 둘과 P2 하나를 찾았고, 수정 계획도 DeepSeek은 버퍼를 딱 191로, Sol은 256으로 잡았다고 한다.
• 토큰 사용량이 20% 줄었다는 측정
  • 이전 가중치와 비교했더니 모든 reasoning effort에서 토큰이 약 20% 줄었다는 벤치 결과가 공유됐다.
  • reasoning effort 1이 토큰 2.5배 적게 쓰면서 쓸 만해졌고 지능과 도구 호출 패턴은 그대로라고 한다.
• 자체 벤치에서는 오히려 나빠졌다는 반론
  • 과거 PR 리뷰 벤치에서 이전 4.1 flash보다 시간은 30% 더 쓰고 성능은 낮았다는 경험이 있었다.

How to Apply

• 지금 쓰는 에이전트 작업 3개를 Flash로 돌려 비교하기
  • 오늘 OpenRouter나 Baseten 같은 제공자 API 모델명만 deepseek/deepseek-v4.1-flash-1017로 바꿔 같은 작업을 돌려라.
  • 현재 모델과 완료 시간, 출력 토큰 수, 결과 정확도를 표로 적어라.
• 구현은 Flash, 리뷰는 상위 모델로 역할을 나누기
• reasoning effort를 낮춰 토큰 비용 다시 재기
• 직접 호스팅할 때 프롬프트 인코딩부터 확인하기
  • vLLM이나 SGLang으로 서빙하기 전에 Jinja 템플릿이 없다는 점을 확인해라.
  • encoding.py의 테스트 케이스나 deepseek-recipe로 툴 호출과 thinking 포맷이 맞는지 검증해라.

Try It

# 터미널에서 실행: OpenRouter로 DeepSeek-V4.1-Flash-1017 호출 (OPENROUTER_API_KEY 필요, 모델 ID는 원문 제공자 목록 기준)

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",
    "temperature": 1.0,
    "top_p": 1.0,
    "max_tokens": 4096,
    "messages": [{"role": "user", "content": "{{작업 설명}}"}]
  }'

# 이어서 해 볼 것: 같은 요청을 지금 쓰는 모델로도 보내고 걸린 시간과 usage.completion_tokens를 비교해 보세요.

Terminology

관련 논문

• Mercury 3: 규모를 키운 diffusion LLM, 초당 1,000토큰 이상

  Diffusion LLM을 40배 키웠더니 속도 4~8배, 품질은 속도 특화 모델 수준

• Timestral: Mistral의 시계열 파운데이션 모델

  209M 파라미터 시계열 모델이 3대 벤치마크 1위, CPU에서도 돌아간다

• DeepSeek V4.1 Flash 1017 (Max) 성능·속도·가격 분석

  DeepSeek V4.1 Flash 1017 Max는 지능 지수 45에 211 tok/s, 입력 $0.30

• LLM 프록시를 직접 안 돌리면 무슨 일이 벌어지는지 어떻게 아나

  자체 LLM 프록시를 세웠더니 키·모델·캐시 미스를 직접 볼 수 있다

• DeepSeek V4.1 Flash 1017: 싼 가격에 1M 컨텍스트를 주는 에이전트용 모델

  DeepSeek V4.1 Flash 1017은 입력 $0.05/M, 1M 컨텍스트의 에이전트용 모델

• Llmspeed: 로컬 LLM 속도를 하드웨어 구매 전에 체감해 보는 시뮬레이터

  GPU·모델을 고르면 로컬 LLM 속도를 미리 체감하게 해 주는 시뮬레이터

• FLUX 3 Image Klein: 5.6B 오픈 웨이트 이미지 생성·편집 모델

  5.6B 오픈 웨이트로 8GB VRAM에서 돌고, 자체 평가 1위를 주장

Related Resources

• https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
• https://api-docs.deepseek.com/news/news261017
• https://sference.com/blog/deepseek-v41f-1017-benchmark