DeepSeek V4.1-Flash-1017: Neues Modell landet automatisch in der API

DeepSeek hat am 17. Oktober 2026 das Update DeepSeek-V4.1-Flash-1017 veröffentlicht. Für Admins, die DeepSeek per API in Skripte, Coding-Agenten oder interne Werkzeuge eingebunden haben, ist vor allem eine Folge wichtig: Wer die Modell-ID deepseek-flash nutzt, bekommt das neue Modell ab sofort automatisch, ohne Codeänderung. Auch Anfragen an die alten Namen deepseek-v4-flash und deepseek-v4-flash-vision-exp landen inzwischen beim neuen Modell, weil DeepSeek die zugehörigen Modelle stillgelegt hat.

Dringend ist das Update nicht, es gibt keine Sicherheitslücke und keinen Zwang zur Umstellung. Sinnvoll ist aber eine kurze Prüfung im nächsten Wartungsfenster: Welche Anwendungen verlassen sich auf ein festes Modellverhalten, und wo landen dabei Unternehmensdaten? Nicht betroffen sind Umgebungen, die DeepSeek gar nicht nutzen oder ausschließlich ältere, selbst gehostete Gewichte wie DeepSeek R1 betreiben, denn diese ändern sich durch das Update nicht.

Was ist neu an V4.1-Flash-1017?

Laut Changelog in der API-Dokumentation ist 1017 ein Nachfolgestand des am 10. September 2026 erschienenen DeepSeek-V4.1-Flash. Die Modellkarte auf Hugging Face bezeichnet es als kleines Update, das Aufgaben schneller erledigt und kürzere Ausgaben erzeugt. Weniger Ausgabe-Tokens bedeuten bei Abrechnung pro Token geringere Kosten je Aufgabe, an den Listenpreisen selbst ändert sich laut DeepSeek nichts. THE DECODER berichtet zusätzlich, dass DeepSeek für das Training auf Reinforcement Learning mit Selbst-Feedback setzt, um vollständige Softwareprojekte besser zu bewältigen.

DeepSeek nennt im Vergleich zum Vorgänger V4.1-Flash unter anderem diese eigenen Messwerte:

• Terminal-Bench 4.0: 42,3 statt 31,2 Punkte (getestet mit dem Claude-Code-Framework)
• DeepSWE v1.1: 77,0 statt 74,2 Punkte
• ProgramBench: 29,1 statt 20,3 Punkte
• Automation-Bench: 60,5 statt 54,8 Punkte
• Apex Bench v1.1: 72,1 statt 64,6 Punkte

Alle Zahlen stammen vom Hersteller. Unabhängige Messungen stehen noch aus, darauf weist auch THE DECODER hin. Für Entscheidungen im Unternehmen zählen deshalb eigene Tests mit typischen Aufgaben mehr als Ranglisten.

Unterschiede zu V4-Flash-0731

Wer zuletzt V4-Flash-0731 aus dem Sommer im Einsatz hatte, springt mit der automatischen Umleitung nicht nur über ein Update, sondern über einen Generationswechsel. V4-Flash-0731 war ein reines Nachtraining auf unveränderter Architektur. V4.1-Flash ist laut Modellkarte dagegen neu von Grund auf trainiert:

• Größe: 552 Milliarden Backbone-Parameter statt 284 Milliarden bei V4-Flash
• Aktive Parameter: 8 Milliarden beim Einlesen des Prompts und 16 Milliarden bei der Generierung, statt 13 Milliarden
• Multimodal: Bilder werden nativ verarbeitet, das separate Vision-Experiment entfällt
• KV-Cache: pro Token rund ein Viertel des Speicherbedarfs von V4-Flash
• Steuerbarer Denkaufwand: reasoning_effort als Zahl von 1 bis 100, im API-Beispiel zusätzlich als Stufe wie high

Kontextfenster mit einer Million Tokens und die MIT-Lizenz bleiben gleich. Praktisch heißt das: Prompts, Ausgabeformate und Tool-Aufrufe, die mit 0731 sauber liefen, sollten erneut geprüft werden, weil sich das Antwortverhalten eines neu trainierten Modells spürbar unterscheiden kann.

API, Modell-ID und Migration

Laut Dokumentation lautet die empfohlene Modell-ID deepseek-flash. Sie zeigt jetzt auf DeepSeek-V4.1-Flash-1017, die Basis-URL bleibt https://api.deepseek.com im OpenAI-Format und https://api.deepseek.com/anthropic im Anthropic-Format. Eine Modell-ID für einen fest eingefrorenen Versionsstand nennt die Dokumentation nicht. Wer reproduzierbares Verhalten braucht, muss nach solchen Umstellungen selbst nachtesten. Die Abrechnung der alten Namen erfolgt laut DeepSeek zum Flash-Tarif.

Neu ist außerdem eine Such- und Abruf-Schnittstelle. Unter /v1/tools/search und /v1/tools/fetch stellt DeepSeek seine eigene Suchmaschine und einen Seitenabruf als Markdown für Agenten und RAG-Anwendungen bereit, authentifiziert mit demselben API-Schlüssel. Für die beste Leistung empfiehlt DeepSeek DeepSeek Harness ab Version 0.2.1-rc.1.

Lokal betreiben: Ollama und eigene Hardware

Die Gewichte stehen unter MIT-Lizenz auf Hugging Face und ModelScope bereit. Für kleine und mittlere Umgebungen ist ein echter lokaler Betrieb aber kaum realistisch. Die Dateien umfassen laut Hugging Face rund 763 Milliarden Parameter in FP8 und Int8. Die mitgelieferte Referenzimplementierung ist ausdrücklich keine Serving-Lösung für den Produktivbetrieb und rechnet in den Beispielen mit acht Tensor-Parallel-Rängen, also einem Mehr-GPU-Server.

Bei Ollama ist das Modell nur als Cloud-Variante gelistet, unter deepseek-v4.1-flash:cloud sowie deepseek-v4.1-flash:1017-cloud. Eine lokal herunterladbare Variante führt die Bibliothek nicht. Die Anfragen laufen damit über die Infrastruktur von Ollama und nicht auf eigener Hardware.

Datenschutz und Datenstandort

Die Datenschutzerklärung von DeepSeek nennt die Volksrepublik China als Ort, an dem personenbezogene Daten erhoben, verarbeitet und gespeichert werden. Für Unternehmen in der EU ist das eine Drittlandübermittlung, die vor dem Einsatz mit personenbezogenen Daten oder Geschäftsgeheimnissen datenschutzrechtlich zu prüfen ist. Daran ändert das Update nichts. Hinzu kommt laut THE DECODER, dass die chinesische Regierung offenbar plant, die Veröffentlichung offener Modellgewichte stärker zu regulieren. Wer langfristig auf selbst gehostete DeepSeek-Modelle setzt, sollte diese Unsicherheit einplanen.

Was sollten Admins jetzt tun?

• Inventar prüfen: In Konfigurationen, Secrets und Agenten nach deepseek-flash, deepseek-v4-flash und deepseek-v4-flash-vision-exp suchen
• Kritische Abläufe wie Ticket-Automatisierung, Codegenerierung oder Log-Analyse mit einigen Testfällen gegen das neue Modell laufen lassen
• Strukturierte Ausgaben wie JSON und Tool-Aufrufe gezielt validieren
• Agenten-Werkzeuge wie DeepSeek Harness auf 0.2.1-rc.1 oder neuer aktualisieren
• Vor Freigabe der Search- und Fetch-API festlegen, welche Daten Agenten in Suchanfragen schicken dürfen
• Datenflüsse nach China im Verzeichnis der Verarbeitungstätigkeiten dokumentieren oder sensible Daten von der API fernhalten

Passende Anleitungen auf S-EDV

• DeepSeek-V4-Flash: Was die Version 0731 bringt
• DeepSeek lokal betreiben: R1-Modelle mit Ollama und VRAM-Bedarf
• DeepSeek Harness (dsh): Open-Source-Agent-Framework

Quellen

• DeepSeek API Docs: Change Log (17.10.2026)
• DeepSeek API Docs: Models und Modellversionen
• Hugging Face: Modellkarte DeepSeek-V4.1-Flash-1017
• Hugging Face: Modellkarte DeepSeek-V4.1-Flash
• DeepSeek API Docs: Search und Fetch
• Ollama: deepseek-v4.1-flash
• DeepSeek: Privacy Policy
• THE DECODER: Deepseek veröffentlicht V4.1-Flash (17.10.2026)