В каталоге Token Factory, сервиса Selectel для инференса с оплатой за токены, появилась DeepSeek V4.1 Flash. Это октябрьское обновление открытой модели китайской лаборатории DeepSeek, веса которого вышли 17 октября под лицензией MIT. Модель работает через тот же OpenAI-совместимый API, что и остальной каталог, а запросы обрабатываются в российских дата-центрах.
Что внутри
DeepSeek — лаборатория из Ханчжоу, чьи открытые модели уже не раз роняли цены на рынке API. Базовая V4.1 Flash вышла в сентябре, а версию 1017 сама компания называет минорным обновлением. По архитектуре это MoE на 763 млрд параметров, из которых при генерации на каждый токен работают около 16 млрд. Получается, что на каждый шаг включается примерно 2% сети, поэтому модель такого размера отвечает со скоростью куда более компактных.
Главная инженерная ценность — экономный KV-кэш. В FP4 он занимает 890 байт на токен, вчетверо меньше, чем у V4 Flash. Именно этот подход позволяет эффективно масштабировать память при работе с контекстом в миллион токенов. Модель мультимодальная. Изображения принимает собственный энкодер DeepSeek-ViT, обученный с нуля.
Что изменилось в версии 1017
DeepSeek обещает более высокие результаты на бенчмарках, быстрое выполнение задач и более короткие ответы. Для оплаты за токены последний пункт важнее остальных, ведь каждое лишнее слово в рассуждениях попадает в счет. Цифры из техотчета выглядят так:
| Бенчмарк | V4.1 Flash | V4.1 Flash 1017 | Claude Opus 5 |
| HLE без инструментов | 36,8 | 42,6 | 56,3 |
| Terminal-Bench 4.0 | 31,2 | 42,3 | 51,8 |
| DeepSWE v1.1 | 74,2 | 77,0 | 74,0 |
| ProgramBench | 20,3 | 29,1 | 37,0 |
| Automation-Bench v1.0.6 | 54,8 | 60,5 | 50,3 |
Прирост в 11 пунктов на Terminal-Bench для минорного апдейта заметный, и он приходится как раз на агентную работу в терминале. А также в тестах на автоматизацию и веб-разработку легковесный Flash обогнал тяжеловесный Opus, на это тоже стоит обратить внимание.
Как она смотрится рядом с соседями по каталогу
| Модель | Input, ₽ за 1 млн | Output, ₽ за 1 млн | Cached, ₽ за 1 млн | Скорость, ток/с | Контекст | Зрение |
| DeepSeek V4.1 Flash 1017 | 243,2 | 486,4 | 58,7 | 117 | 1 048 576 | да |
| DeepSeek V4 Flash | 75,42 | 186,29 | 7,54 | 220 | 393 216 | нет |
| GLM 5.3 Flash | 74,64 | 248,55 | 7,46 | 77 | 262 144 | да |
| Qwen3.8 27B | 37,01 | 206,5 | 3,7 | 56 | 262 144 | да |
Цены актуальны на 6 ноября.
У новинки окно контекста больше в 2,7 раза чем у V4 Flash. Чтобы цифры стали осязаемее, возьмем типичный запрос агента с 50 000 токенов на входе и 2 000 на выходе. Без кэша он обойдется примерно в 13 ₽. Если 40 000 входных токенов попадут в кэш (системный промпт и описание инструментов повторяются от запроса к запросу), цена упадет примерно до 5,8 ₽.
Отсюда простое правило выбора. Для чатов, классификации и массовой обработки текста по-прежнему выгоднее V4 Flash. Версия 1017 оправдана там, где нужно держать в памяти весь репозиторий, длинную переписку или документы со сканами.
Все запросы остаются внутри российской инфраструктуры. По документации промпты и ответы не хранятся и не идут на обучение моделей, собирается только техническая статистика потребления. Для проектов с персональными данными это, вероятно, главный аргумент в пользу локального инференса перед прямым API DeepSeek.
Как подключить
В панели управления откройте Продукты → Token Factory и нажмите Создать API-ключ. Задайте имя и срок действия. Ключ показывается один раз, а в одном проекте их может быть не больше десяти. Во вкладке Каталог моделей скопируйте алиас модели, deepseek-v4.1-flash-1017.
Проверочный запрос через curl:
curl https://api.tf.selcloud.ru/v1/chat/completions \
-H "Authorization: Bearer $TF_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4.1-flash-1017",
"messages": [
{"role": "developer", "content": "You are a helpful assistant."},
{"role": "user", "content": "Hello!"}
]
}'
API совместим с OpenAI, поэтому в существующем коде на официальном SDK достаточно поменять base_url и имя модели:
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.tf.selcloud.ru/v1",
api_key=os.environ["TF_API_KEY"],
)
resp = client.chat.completions.create(
model="deepseek-v4.1-flash-1017",
messages=[{"role": "user", "content": "Сравни RAG и длинный контекст для поиска по документации"}],
temperature=1.0,
top_p=1.0,
)
print(resp.choices[0].message.content)
Значения temperature и top_p, равные 1.0, рекомендует сама DeepSeek. Расход по каждой модели видно во вкладке Статистика.
Похоже, у DeepSeek сложился ритм небольших, но частых обновлений, и каждое снова поднимает планку для открытых моделей. Тем, кто строит агентов на российской инфраструктуре, версия 1017 дает ровно то, чего не хватало V4 Flash, — длинный контекст и зрение, без переделки интеграции.
Переходите в панель управления или в каталог Token Factory и тестируйте DeepSeek V4.1 Flash на своих задачах.
