この記事は AIHubMix が作成しました。調査日と AIHubMix 経由の動作確認日は、いずれも2026年10月19日です。記事中のベンチマークとタスクあたりのコストは DeepSeek が自社で公表した数値（コストは同社のグラフを The Decoder が読み取ったもの）で、第三者による再現はまだありません。
TL;DR
- 2026年10月17日、DeepSeek は API のモデル名
deepseek-flashの中身を、新しいチェックポイント DeepSeek-V4.1-Flash-1017 に差し替えました。トークン単価、コンテキスト長、呼び出し方は変わっていません。 - DeepSeek の公表値では、Terminal-Bench 4.0 が 31.2 から 42.3 に、ProgramBench が 20.3 から 29.1 に伸びています。
- いちばん大きな変化は出力が短くなったことです。DeepSeek のグラフでは、DeepSWE の1タスクあたりのコストが約 $0.50 から $0.20 弱に下がりました。
- DeepSeek の API では9月版を固定できません。AIHubMix では
deepseek-v4.1-flash-1017という別の ID なので、モデル名を変えるまで切り替わりません。 - 料金は経路で変わります。AIHubMix の ByteDance チャネルは10月25日（UTC）まで30%割引で、OpenRouter 上の DeepSeek 本家エンドポイントよりトークン単価が約34%安くなります。ピーク時間帯なら、OpenRouter で量子化版を動かすサードパーティのプロバイダーはさらに安価です。
- コーディングエージェントやツール呼び出しが中心なら乗り換えを推奨します。出力形式に厳しい本番プロンプトは回帰テストが先です。知識系の Q&A では大きな変化はありません。
何が変わり、何が変わらないか
| 項目 | 9月版 V4.1 Flash | V4.1 Flash 1017 |
|---|---|---|
| アーキテクチャ | 552B の MoE（アクティブ 8B / 16B） | 同じ |
| コンテキスト / 最大出力 | 1M / 384K | 同じ |
| 入力 | テキストと画像 | 同じ |
| 思考モードの既定値 | オン（推論強度 high） | 同じ |
| 推論強度の段階 | low / high / max | 同じ |
| DeepSeek API のモデル名 | deepseek-flash | deepseek-flash（中身が 1017 に） |
| 定価 | 変更なし | 変更なし |
| 出力の長さ | 長い | 短い（DeepSeek 談、数値は非公表） |
Hugging Face のモデルカード は、1017 を V4.1 Flash の小規模なアップデートと位置づけています。一方、DeepSeek の リリースノート は次のように書いています。
Stronger benchmark performance, faster task completion, and shorter outputs than the previous version—a Pareto improvement in performance and cost.
（前バージョンよりベンチマーク性能が高く、タスクを速く終え、出力も短い。性能とコストの両面でのパレート改善です。）
アーキテクチャと API はそのままで、新しくなったのは事後学習（post-training）です。DeepSeek によると、エンドツーエンドのプロジェクト開発能力を高めるために、自己フィードバックを使った強化学習を行っています。
旧名の deepseek-v4-flash と deepseek-v4-flash-vision-exp も DeepSeek の API でまだ使えますが、どちらも中身は 1017 で、Flash の料金で課金されます。
ベンチマーク：伸びたのはターミナル操作とゼロからのプログラム構築
数値は DeepSeek のモデルカードと変更履歴によるものです。The Decoder と Kingy.ai も同じ表をまとめていますが、第三者による独立した再現はありません。
| ベンチマーク | 9月版 | 1017 | 差分 |
|---|---|---|---|
| Terminal-Bench 4.0 | 31.2 | 42.3 | +11.1 |
| ProgramBench | 20.3 | 29.1 | +8.8 |
| Apex Bench v1.1 | 64.6 | 72.1 | +7.5 |
| HLE（ツールなし） | 36.8 | 42.6 | +5.8 |
| Automation-Bench | 54.8 | 60.5 | +5.7 |
| Agents' Last Exam | 31.8 | 35.4 | +3.6 |
| DeepSWE v1.1 | 74.2 | 77.0 | +2.8 |
| NL2Repo-Bench | 65.4 | 68.2 | +2.8 |
| BabyVision（ツールあり） | 89.6 | 92.5 | +2.9 |
Terminal-Bench 4.0 は Claude Code のハーネス、DeepSWE は mini-SWE-v2 で実行されています。
用途ごとに読むと分かりやすくなります。伸びが大きいのは、長時間のターミナル操作と、プログラムをゼロから作るタスクで、DeepSeek が説明している学習の方向と一致します。既存リポジトリでのバグ修正（DeepSWE、NL2Repo）と画像系は、2〜3ポイントの伸びにとどまりました。エージェントの主な仕事が既存リポジトリへのパッチ当てなら、見出しの数字ほどの改善は期待しないほうがよいでしょう。
DeepSeek のラインナップの中では、1017 は上位の V4 Pro 0813 を、両モデルの数値が公表されているすべてのエージェント系ベンチマークで上回っています（Terminal-Bench 4.0 は 42.3 対 12.4、DeepSWE は 77.0 対 62.7）。フロンティアモデルとの比較では勝ち負けが分かれます。DeepSeek の表では、DeepSWE、Automation-Bench、Agents' Last Exam、Apex で Claude Opus 5 を上回る一方、Terminal-Bench 4.0（51.8）、ProgramBench（37.0）、NL2Repo（75.3）、HLE（56.3）では Opus 5 がリードしています。比較対象もやや古く、Opus 5.5、Sonnet 5.5、GPT-6 世代は表に入っていません。Google は別途、Opus 5.5 の Terminal-Bench 4.0 を 66.4 と公表しています。
出力が短くなったことの意味
トークン単価が同じなので、コストが下がるとすれば、使うトークンが減った分だけです。そして9月版は冗長でした。Artificial Analysis が推論強度 max で Intelligence Index を実行したところ、9月版の出力は約2.5億トークンで、中央値の1.3億トークンを大きく上回り、DeepSeek 自身の V4 Pro 0813 より 62% 多いものでした。
DeepSeek の DeepSWE のグラフ（横軸がタスクあたりのコスト）を The Decoder が読み取った値は、次のとおりです。
- 9月版：スコア 74.2%、1タスク約 $0.50
- 1017（最上位の設定）：スコア 77.0%、1タスク $0.20 弱
- 1017（low 設定）：スコア 72% 超、1タスク約 $0.10
ただし、DeepSeek は出力がどれだけ短くなったかを数値で示していません。タスクあたりのコストもベンダーのグラフからの読み取りで、第三者の実測ではありません。「6割安くなる」前提で予算を組む前に、手元のワークロードで確かめてください。
AIHubMix で試す
準備
- AIHubMix の API キーを環境変数
AIHUBMIX_API_KEYに設定します。キーの作成手順は AIHubMix のクイックスタート にあります。 - OpenAI の Python SDK（
pip install openai）を使い、base_urlをhttps://aihubmix.com/v1に向けます。 - モデル ID は
deepseek-v4.1-flash-1017です。AIHubMix では Chat Completions、Responses API、Anthropic Messages の3つのプロトコルで提供しています。以下のサンプルは Chat Completions を使います。
リクエスト
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["AIHUBMIX_API_KEY"],
base_url="https://aihubmix.com/v1",
)
resp = client.chat.completions.create(
model="deepseek-v4.1-flash-1017",
messages=[{"role": "user", "content": "Write a Python function that merges overlapping intervals."}],
reasoning_effort="high",
max_tokens=32000,
)
print(resp.choices[0].message.content)
reasoning_effort="high" はもともと既定値ですが、コードレビューで段階が見えるように明示しています。思考モードは既定でオンで、推論トークンも max_tokens に含まれるため、上限には余裕を持たせてください。モデルカードは、長時間のエージェント実行では 256K 以上を推奨しています。
どのチェックポイントが応答したかを確かめる
AIHubMix は2026年10月19日、deepseek-v4.1-flash-1017 に一連のリクエストを送り、各項目を1回ずつ確認しました。
- すべてのレスポンスで、
modelフィールドはdeepseek-v4-1-flash-261017でした。resp.modelをログに残しておけば、この文字列で 1017 が応答したことを確認できます。 -
reasoning_effortのlow、high、maxは、いずれも HTTP 200 で受け付けられました。 - レスポンスには
reasoning_contentが含まれ、usage.completion_tokens_details.reasoning_tokensに出力のうち思考部分のトークン数が入っていました。推論強度を比べるときに見るのはこの数字です。 - Chat Completions、Responses API（
/v1/responses）、Anthropic Messages（/v1/messages）のいずれも 200 が返りました。
料金と1セッションあたりの試算
| モデル | DeepSeek 入力 | DeepSeek 出力 | AIHubMix 入力 | AIHubMix 出力 |
|---|---|---|---|---|
| V4.1 Flash（9月版） | $0.30 | $1.20 | $0.3098 | $1.2392 |
| V4.1 Flash 1017 | $0.30 | $1.20 | $0.3098 | $1.2392 |
| V4 Pro 0813 | $1.32 | $3.96 | $1.3944 | $4.1832 |
ピーク時間帯、キャッシュミス時の100万トークンあたりの米ドル価格です。ピーク時間帯は平日の UTC 01:00–04:00 と 06:00–10:00（日本時間では 10:00–13:00 と 15:00–19:00）で、それ以外の時間帯、週末、中国の祝日はオフピークとして半額になります。Flash のキャッシュヒットは、ピーク時で DeepSeek が $0.006、AIHubMix が $0.0062 です。AIHubMix では現在 1017 の期間限定30%割引を実施していますが、この節の数値はすべて定価で計算しています。
1017 のタスクあたりのトークン数を示した公開テストはないため、以下は前提を置いた試算です。エージェントによるバグ修正1セッションで、モデル呼び出しが40回、入力は合計120万トークン（うち 90% がキャッシュヒット）、出力は思考部分を含めて6万トークンとします。AIHubMix の定価で計算しました。
| モデル | ピーク | オフピーク |
|---|---|---|
| V4.1 Flash 1017 | $0.118 | $0.059 |
| V4 Pro 0813 | $0.469 | $0.233 |
1017 のピーク時の計算式：0.12M × $0.3098 + 1.08M × $0.0062 + 0.06M × $1.2392 = $0.118
同じトークン数なら、9月版でもコストはまったく同じです。違いが出るのはトークン数そのもので、1017 が同じ修正をより少ないターン数と短い回答で終えれば、その分だけ請求額も下がります。バッチ処理をオフピークに回せば、さらに半額になります。
もう一つのレバーが推論強度です。DeepSeek の V4.1 Flash 論文は、API の low、high、max を内部の effort 値 50、75、100 に対応づけたうえで、最後に max まで上げる段階について次のように書いています。
lengthens agent trajectories by 1.6–1.8× for only marginal improvements
（改善はわずかなのに、エージェントの実行軌跡が1.6〜1.8倍に伸びる）
エージェントは既定の high から始め、max は最も難しいタスクだけに使うのがよいでしょう。
AIHubMix と OpenRouter の料金比較
OpenRouter では、1017 が deepseek/deepseek-v4.1-flash-1017 として15社のプロバイダーから提供されていて、どのプロバイダーが応答するかで料金が変わります。条件をそろえて比べられるのは、DeepSeek 本家のエンドポイントです。
| 経路 | 入力 | 出力 | キャッシュヒット |
|---|---|---|---|
| OpenRouter（DeepSeek 本家） | $0.30 | $1.20 | $0.006 |
| AIHubMix（DeepSeek チャネル） | $0.3098 | $1.2392 | $0.0062 |
| AIHubMix（ByteDance、10月19〜25日） | $0.1971 | $0.7885 | $0.0039 |
ピーク時間帯の100万トークンあたりの米ドル価格で、2026年10月19日時点のものです。どちらもオフピークは同じ時間割で半額になります。AIHubMix は DeepSeek、ByteDance、Alibaba Cloud の3つのチャネルで 1017 を提供しています。ByteDance チャネルの定価は $0.2816 / $1.1264 で、10月19日〜25日（UTC。日本時間では10月19日 9:00〜10月26日 9:00）は30%割引になり、deepseek-v4.1-flash-1017 を呼ぶと自動で適用されます。このチャネルには、100万トークン・1時間あたり $0.0024 のキャッシュ保存料もかかります。AIHubMix にチャージ手数料はありません。OpenRouter は DeepSeek の料金に上乗せをしませんが、クレジットをカードで購入するときに 5.5% の手数料がかかります。
- 10月25日までは、AIHubMix の ByteDance チャネルが OpenRouter の DeepSeek 本家よりトークン単価で約34%安く、OpenRouter のカード手数料を含めると約38%安くなります。
- 定価どうしでも AIHubMix がやや安くなります。DeepSeek チャネルはトークン単価が3.3%高いものの、手数料の差で実質約2%安く、ByteDance チャネルはトークン単価の時点で6%安くなっています。
- 上の1セッションの試算に当てはめると、ピーク時は AIHubMix（割引中）が $0.075、OpenRouter の DeepSeek 本家が $0.114（手数料込みで $0.121）、オフピークではそれぞれ $0.038 と $0.057 です。
OpenRouter の安いプロバイダー
プロバイダーを指定しない場合、OpenRouter は安定して動いているプロバイダーの中から、料金の2乗に反比例する重みで振り分けます。そのため、指定なしのリクエストは DeepSeek 本家ではなく、安いプロバイダーに届くことがほとんどです。上のピーク料金をすべて下回るプロバイダーは次のとおりです。
| OpenRouter のプロバイダー | 重みの形式 | 入力 | 出力 | 1セッション |
|---|---|---|---|---|
| Relace | 記載なし | $0.05 | $0.10 | $0.023 |
| DeepInfra | fp8 | $0.098 | $0.294 | $0.033 |
| Wafer | mxfp4 | $0.10 | $0.50 | $0.045 |
| Morph | fp8 | $0.043 | $0.60 | $0.047 |
| InferenceNet | fp8 | $0.08 | $0.50 | $0.048 |
100万トークンあたりの米ドル価格（2026年10月19日時点）で、時間帯による変動はありません。「重みの形式」は OpenRouter に記載されている量子化の形式です。オフピークになると差は縮まり、AIHubMix の ByteDance チャネル（割引中 $0.0986 / $0.3942、1セッション $0.038）は Wafer、Morph、InferenceNet を下回ります。それより安いのは Relace と DeepInfra だけです。
本番のトラフィックを流す前に、2点を確かめてください。1つは量子化された重みでの出力品質で、DeepSeek のベンチマークはこれらのプロバイダーで測られたものではありません。もう1つは出力の上限で、DeepInfra と InferenceNet は OpenRouter 上で13.1万トークンまでと、モデルカードが長時間のエージェント実行に推奨する25.6万トークンを下回ります。DeepSeek 本家に固定したい場合は、リクエストボディに "provider": {"only": ["deepseek"]} を加えます（OpenAI SDK では extra_body に渡します）。
ハマりどころ
9月版で動いていた出力パーサーが失敗するようになった
出力が短くなると、旧バージョンの冗長さを前提に書いたパーサーや評価チェックが壊れることがあります。出力形式に厳しい本番プロンプトは、移行前に deepseek-v4.1-flash-1017 で回帰テストを流し、9月版のベースラインと失敗箇所を突き合わせてください。
DeepSeek の API で9月版を呼んでいるつもりが、すでに 1017 だった
DeepSeek の API では、deepseek-flash はローリングエイリアス（中身が随時差し替わる別名）です。deepseek-v4-flash と deepseek-v4-flash-vision-exp も、今は 1017 で動いています。9月版を固定する名前はありません。再現性が必要なら、日付付きのモデル ID を使います。AIHubMix では deepseek-v4.1-flash-1017 を指定し、resp.model をログに残しておけば、変化があったときに気づけます。
max_tokens が小さいと、回答が短くなったり途中で切れたりする
思考モードは既定でオンで、思考に使ったトークンも max_tokens に含まれます。思考なしのモデル向けに決めた上限のままだと、本来の回答に回る分がほとんど残りません。上限には余裕を持たせ（サンプルでは 32,000）、長時間のエージェント実行ではモデルカードの推奨どおり 256K 以上にして、usage の reasoning_tokens を確認してください。
グラフほどコストが下がらない
よくある原因は2つです。1つは、平日のピーク時間帯（UTC 01:00–04:00 と 06:00–10:00、日本時間では 10:00–13:00 と 15:00–19:00）に処理が集中していることで、オフピークの2倍の料金になります。バッチ処理はこの時間帯から外してください。もう1つは推論強度 max で、DeepSeek 自身の測定では、エージェントの実行が1.6〜1.8倍に伸びます。エージェントのフレームワークで全体に max を設定しているなら、いったん high に戻し、必要なタスクだけ個別に上げてください。
向いていない用途
- 知識を問う質問。 ツールなしの HLE は 42.6 で、Claude Opus 5（56.3）に大きく離され、Claude Haiku 5.5（45.9、Anthropic の公表値）も下回ります。
- 長く難しいシェル作業。 Terminal-Bench 4.0 の 42.3 は大きな前進ですが、このベンチマークでは Sonnet 5.5（70.6）と Opus 5.5（66.4）が別格です。
- DeepSeek の API で固定モデルが必要な用途。 理由は上のエイリアスの項目のとおりです。
まだ検証されていないこと
- 本記事のベンチマークの数値は、すべて DeepSeek 自身によるものです。第三者による再現はありません。
- 出力がどれだけ短くなったか。DeepSeek は数値を公表しておらず、タスクあたりのコストは The Decoder がベンダーのグラフから読み取った値で、実測ではありません。
- 1017 のタスクあたりのトークン数。上のセッションコストは前提を置いた試算です。
- AIHubMix 経由での推論強度ごとのコスト。10月19日の確認では簡単なプロンプトを使ったため、推論トークン数は low、high、max でそれぞれ 68、39、54 となり、段階による違いは表れませんでした。この確認で分かるのは、パラメーターが受け付けられることまでです。
- OpenRouter の量子化版プロバイダーでの品質。DeepSeek 本家と出力を比べた公開テストはありません。
乗り換えの判断
- 今すぐ乗り換える：9月版 Flash で動かしているコーディングエージェント、ターミナル操作の自動化、ツール呼び出しを使うパイプライン。料金は同じで、スコアは高く、DeepSeek の測定ではタスクあたりのトークンも少なくなっています。
- 回帰テストの後で乗り換える：出力形式に厳しい本番プロンプトや、評価セットで品質を管理している処理。
- 見送るか、別のモデルを検討する：知識系の Q&A や、もともとフロンティアモデルが必要な難しいデバッグ。
まとめ
- 1017 は、9月版と同じ料金、同じ API のまま、事後学習を新しくしたチェックポイントです。
- DeepSeek の公表値では、ターミナル操作（Terminal-Bench 4.0 で +11.1）とゼロからのプログラム構築（ProgramBench で +8.8）が大きく伸びました。
- 本当の変化は出力の短さで、DeepSWE の1タスクあたりのコストは約 $0.50 から $0.20 弱に下がっています（DeepSeek のグラフより）。
- DeepSeek の API では、
deepseek-flashがすでに 1017 を指しています。AIHubMix ではdeepseek-v4.1-flash-1017を指定したときだけ切り替わります。 - 料金は、10月25日（UTC）までなら AIHubMix の ByteDance チャネルが OpenRouter の DeepSeek 本家より約34%安く、定価に戻った後もチャージ手数料がない分だけ AIHubMix がやや安くなります。OpenRouter の量子化版プロバイダーはピーク時にはさらに安価ですが、品質は手元で確かめる必要があります。
- ベンチマークはすべて DeepSeek の自己申告です。最終的な判断は、手元の評価セットで出力形式とトークン数を確かめてから行ってください。
AIHubMix の比較ページ で2つのチェックポイントの仕様と料金を並べて確認したうえで、手元のプロンプトを deepseek-v4.1-flash-1017 に流してみてください。
あわせて読みたい：DeepSeek V4.1 Flash 1017 シリーズ
- 既存のツール呼び出しループを切り替えるなら、思考モードの 400 エラー、エイリアスの差し替え、ピーク時間帯の課金への対処をこちらで確認できます：DeepSeek V4.1 Flash 1017 移行時の reasoning_content 400 エラーと課金の落とし穴
- Terminal-Bench の数字が気になるなら、1017 と Anthropic の最安モデルを同じターミナル上のコーディングタスクで比べたこちらをどうぞ：DeepSeek V4.1 Flash 1017 vs Claude Haiku 5.5：ターミナル系コーディングエージェントでの性能とコスト比較
- V4 Pro 0813 も併用しているなら、3.3倍の出力単価を払う価値がまだあるかを検証したこちらを：DeepSeek V4.1 Flash 1017 vs V4 Pro：コーディング・エージェント用途で Pro はまだ必要か
参考
- DeepSeek-V4.1-Flash-1017 release note（DeepSeek）
- DeepSeek-V4.1-Flash-1017 model card（Hugging Face）
- DeepSeek V4.1 Flash 1017 on AIHubMix（AIHubMix）
- Deepseek V4.1 Flash 1017 beats larger rivals in agentic tasks（The Decoder）
- DeepSeek V4.1 Flash 1017 on OpenRouter（OpenRouter）