DeepSeek V4.1 Flash 1017, herhangi bir genel API'den önce benchmark takip sitelerinde göründü

Ne oldu

DeepSeek'in listede yeni bir modeli var: Artificial Analysis'ın V4.1 Flash 1017 (Max) olarak listelediği bir sürüm. Siteye ait model sayfası 19 Ekim 2026'da Hacker News'in ana sayfasına çıktı ve sakin bir listelemeyi tartışma konusuna dönüştürdü. Artificial Analysis'a göre modelin genel erişime açık bir API'si yok; bu durum göstergesi, zekâ değerlendirmelerinden fiyat tablolarına kadar kaydın neredeyse her bölümüne eklenmiş.

Ad, modeli V4.1 nesli ve Flash tasarımı içinde konumlandırıyor; ancak listeleme modelin boyutunu, mimarisini veya hedeflenen konumlandırmayı belirtmiyor ve mevcut sayfa metninde belirli bir endeks puanı ya da değerlendirme başına sonuç bulunmuyor.

Endeks neyi ölçüyor

Artificial Analysis, modelleri Intelligence Index v4.3.2 ile puanlıyor; bu endeks on değerlendirmeyi birleştiriyor: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience ve AA-LCR v1.1. Bu karışım bilgi yarışması tarzı bilgiden çok ajan tabanlı (agentic) ve uygulamalı çalışmalara yaslanıyor. Artificial Analysis'ın kendisinin geliştirdiği AA-Briefcase, rubrik geçme oranlarını analitik ve sunum kalitesiyle harmanlayan bir Elo puanıyla ajan tabanlı bilgi işini ölçüyor. Terminal-Bench 4.0 bir terminal içinde bilimsel araştırma iş akışlarını sınıyor, ayrı bir değerlendirme açık kaynak depolarındaki ajan tabanlı yazılım mühendisliğini ele alıyor ve hukuk benchmark'ı yalnızca hiçbir şey uydurulmadığında yanıtların geçerli sayıldığı, halüsinasyon kapılı bir tam geçme oranı kullanıyor. AA-LCR tıbbi uzun bağlam muhakemesini ele alıyor, GDP.pdf profesyonel belge muhakemesini test ediyor ve -100 ile 100 arasında puanlanan AA-Omniscience doğru yanıtları ödüllendiriyor, halüsinasyonları cezalandırıyor ve reddetmeleri nötr ele alıyor.

Henüz doldurulamayan parçalar

Takip sitesinin değerinin büyük kısmı operasyonel metriklerde yatıyor ve bunlar tam olarak eksik bir API'nin engellediği şeyler. Çıktı hızı, birinci taraf bir uç noktadan saniye başına token olarak ölçülüyor ya da olmadığında sağlayıcılar arası medyan olarak. Intelligence Index görevi başına maliyet, girdi, cache-hit, cache-write, muakeme (reasoning) ve yanıt token fiyatlarından türetiliyor; bunların hiçbiri yayınlanmış fiyatlar olmadan hesaplanamıyor. Aynı durum zekâ-maliyet karşılaştırmaları, görev başına ağırlıklı token sayıları ve çözüm süresi tahminleri için de geçerli.

Listeleme ayrıca, retrieval-augmented iş akışları için önemli olan bağlam penceresini ve ağırlıkların paylaşıp paylaşılmadığını ile lisansın ticari kullanımı kısıtlayıp kısıtlamadığını yansıtan 0 ile 100 aralığındaki bir Openness Index'i de kaydediyor. Mevcut metin, bu modelin bu ölçülerden herhangi birinde nerede durduğunu belirtmiyor.

Neden önemli

Bir modelin herhangi bir uç nokta varmadan bağımsız bir takip sitesine düşmesi genellikle genel bir yayının yakın olduğunun sinyalidir ve DeepSeek için bu önemli sonuçlar doğuruyor: Laboratuvarın son sürümleri, çıkarım (inference) fiyatları üzerindeki etkileri ve kullanılabilir açık ağırlıklar sunmaları nedeniyle yakından izleniyor. API ortaya çıkana kadar geliştiricilerin entegre edeceği bir şey yok ve maliyet, gecikme süresi ya da verim hızı iddialarını bağımsız olarak doğrulamanın bir yolu bulunmuyor. Şimdilik kayıt esas olarak modelin gerçek olduğunu ve ölçülmekte olduğunu doğruluyor; asıl önemli sayılar, endeksteki yerinden görev başına fiyatına kadar, API ne zaman gelirse o zaman ulaşacak.