Berita viral hari ini datang dari Hangzhou: DeepSeek merilis pembaruan model DeepSeek-V4.1-Flash-1017 pada Sabtu sore, 17 Oktober 2026. Perusahaan menyebut versi ini punya kinerja benchmark lebih kuat, menyelesaikan tugas lebih cepat, dan menghasilkan keluaran lebih pendek dibanding versi sebelumnya. Model langsung tersedia di situs web, aplikasi, dan platform API DeepSeek.
Rilis ini menjadi pembaruan kecil atas DeepSeek-V4.1-Flash yang diperkenalkan pada 10 September 2026. Meski disebut kecil, perubahan yang diklaim cukup lebar, mulai dari penalaran, penulisan kode, tugas agen, sampai pemahaman visual. DeepSeek memposisikannya sebagai perbaikan Pareto, yaitu kinerja naik sementara biaya per tugas turun.
Bagi pengguna di Indonesia, perubahan yang paling terasa justru bukan pada angka benchmark. Nama model di API tetap deepseek-flash dan tarif pemakaian tidak berubah, sehingga pengembang tidak perlu mengubah integrasi yang sudah berjalan. Yang berubah adalah kecepatan dan panjang jawaban yang dihasilkan model tersebut.
Apa yang Dirilis DeepSeek
DeepSeek mengumumkan V4.1-Flash-1017 melalui serangkaian unggahan di X pada 17 Oktober sore waktu setempat. Pengumuman itu menyebut tiga janji utama: skor benchmark lebih tinggi, penyelesaian tugas lebih cepat, dan keluaran lebih ringkas. Ketiganya diarahkan pada satu tujuan yang sama, yaitu menurunkan biaya per tugas bagi pemakai API.
Menurut laporan teknis di Hugging Face, pembaruan ini mencakup peningkatan pada penalaran, kemampuan menulis kode, tugas agen, dan benchmark visual. Perusahaan juga menyebut model lebih cocok untuk pekerjaan seperti pembuatan game dan pemodelan 3D. Klaim itu disertai tabel skor yang mereka publikasikan sendiri.
DeepSeek menegaskan bahwa ini bukan model baru dari nol, melainkan penyempurnaan atas V4.1-Flash. Model sebelumnya dirilis 10 September 2026 sebagai anggota terkecil dalam keluarga arsitektur baru DeepSeek. Arsitektur itu memakai 552 miliar parameter dengan pola MoE, tetapi hanya mengaktifkan 8 miliar parameter untuk masukan dan 16 miliar untuk keluaran.
Pendekatan itu yang membuat DeepSeek bisa menekan biaya. Cache KV model hanya membutuhkan seperempat memori HBM dan seperdelapan penyimpanan SSD dibanding generasi sebelumnya. Efeknya terasa pada tagihan pemakaian agen, karena biaya cache hit sering menjadi komponen terbesar dalam operasional sehari-hari.
Iklan
Paviliun Akademika: punya kost tanpa repot kelola
Paviliun Akademika menghadirkan pilihan investasi kost terkelola di Akademika Townhouse, Gowa. Unit disiapkan untuk disewakan, dengan pengelolaan kawasan yang ditangani pemilik proyek.
Berita Viral: Angka Benchmark yang Diklaim
Angka yang paling banyak dibicarakan adalah skor Humanity’s Last Exam. DeepSeek mencatat 42,6 untuk V4.1-Flash-1017, naik dari 36,8 pada V4.1-Flash. Untuk subset khusus teks, skornya 44,0, sedangkan versi lama berada di 39,1. HLE dipakai untuk menguji model pada ribuan soal matematika, sains, dan humaniora.
Pada Terminal-Bench 4.0, skor naik dari 31,2 menjadi 42,3. DeepSWE v1.1 bergerak dari 74,2 ke 77,0, sementara ProgramBench melonjak dari 20,3 ke 29,1. Automation-Bench v1.0.6 naik dari 54,8 ke 60,5 dan Agents’ Last Exam dari 31,8 ke 35,4.
Kenaikan juga terlihat di Apex Bench v1.1 yang mencapai 72,1 dari 64,6, Chartography dengan alat 83,0 dari 78,9, BabyVision dengan alat 92,5 dari 89,6, serta ZeroBench-main 51,0 dari 49,0. Semua angka berasal dari pengujian yang dilakukan DeepSeek sendiri, bukan dari lembaga independen.
Harga dan Akses API Tidak Berubah
DeepSeek memastikan harga API tidak berubah pada pembaruan ini. Pengembang cukup memakai nama model deepseek-flash untuk mengakses versi terbaru, termasuk yang baru dirilis 17 Oktober. Rincian teknisnya tertulis di halaman pembaruan resmi DeepSeek, termasuk daftar skor dan catatan metode pengujian.
Perusahaan juga menyebut optimalisasi khusus untuk beberapa lingkungan kerja, seperti DeepSeek Harness, Tencent CodeBuddy, dan WorkBuddy. Pengguna DeepSeek Harness disarankan memperbarui ke versi 0.2.1-rc.1 atau lebih baru agar memperoleh pengalaman terbaik dengan model ini.
Bagi tim yang menjalankan agen dalam jumlah besar, kombinasi tarif tetap dan keluaran lebih pendek bisa menurunkan biaya total. Sebab, biaya agen tidak hanya ditentukan harga per token, tetapi juga jumlah token yang dihasilkan dan waktu tunggu. Keluaran yang lebih ringkas memangkas keduanya sekaligus.
