DeepSeek V4.1-Flash-1017: nhanh hơn, ngắn hơn, mạnh hơn cho agent lập trình

Ngày 17/10/2026, DeepSeek phát hành DeepSeek-V4.1-Flash-1017, bản cập nhật của V4.1-Flash ra ngày 10/09. Theo DeepSeek, bản này đạt điểm benchmark cao hơn, hoàn thành tác vụ nhanh hơn và viết câu trả lời ngắn hơn bản trước. Hãng gọi đó là "cải thiện Pareto" về hiệu năng và chi phí. Model đã chạy trên web, ứng dụng và API, trọng số được mở trên Hugging Face và ModelScope. Người dùng API không phải đổi gì: model ID deepseek-flash giờ trỏ thẳng tới bản mới, giá giữ nguyên.

Bối cảnh: dòng V4 trong năm 2026

DeepSeek tung dòng V4 theo từng đợt. Bản xem trước ra ngày 24/04 với hai model mở trọng số là V4-Pro (lớn, cho lập trình và agent phức tạp) và V4-Flash (nhỏ, rẻ). V4-Pro chính thức GA giữa tháng 8 với bản 0813. Ngày 10/09, V4.1-Flash ra mắt, là model nhỏ nhất của một họ kiến trúc mới. Bản 1017 lần này được DeepSeek mô tả trên Hugging Face là một "minor update" giúp giảm thời gian thực thi tác vụ và độ dài đầu ra. Hãng không nói giảm bao nhiêu.

Có gì mới

• Tối ưu cho agent: model được tinh chỉnh để chạy tốt trong DeepSeek Harness (công cụ agent của DeepSeek) và các sản phẩm của Tencent như CodeBuddy (trợ lý lập trình) và WorkBuddy (agent văn phòng trên desktop). DeepSeek khuyên dùng Harness từ bản 0.2.1-rc.1 trở lên.
• Xây cả dự án: DeepSeek cho biết đã huấn luyện thêm bằng reinforcement learning với cơ chế tự phản hồi để model làm tốt hơn việc phát triển dự án từ đầu đến cuối. Các ví dụ được giới thiệu gồm game đua xe chạy trên web, bản dựng lại Portal 2 bằng Godot và mô hình 3D Tử Cấm Thành.
• Điểm DeepSWE v1.1: theo bảng của chính DeepSeek (SiliconANGLE dẫn lại), bản 1017 giải được 77% tác vụ, tăng từ 74,2% của bản tháng 9, nhỉnh hơn Claude Opus 5 (74%) trong cùng bảng. Tuy vậy, Claude Opus 5 vẫn dẫn ở 7 trên 11 benchmark DeepSeek công bố.

Giá và thông số API

Theo trang giá chính thức, cả hai model đều có context 1 triệu token, đầu ra tối đa 384K, hỗ trợ chế độ thinking (bật mặc định), JSON output, tool call, Responses API và cả định dạng Anthropic API.

Giờ cao điểm giá gấp đôi. Cao điểm là 01:00–04:00 và 06:00–10:00 UTC, thứ Hai đến thứ Sáu (tức 08:00–11:00 và 13:00–17:00 giờ Việt Nam). Cuối tuần và ngày lễ Trung Quốc tính giá thấp điểm. deepseek-flash còn đọc được ảnh, deepseek-v4-pro thì không. Tên cũ deepseek-v4-flash vẫn gọi được nhưng được chuyển sang bản 1017 và tính giá Flash.

API tương thích SDK của OpenAI, chỉ cần đổi baseURL:

import OpenAI from "openai";
 
const client = new OpenAI({ baseURL: "https://api.deepseek.com", apiKey: process.env.DEEPSEEK_API_KEY });
 
const completion = await client.chat.completions.create({
  model: "deepseek-flash",
  messages: [{ role: "user", content: "Viết hàm debounce bằng TypeScript" }],
  // Tham số riêng của DeepSeek (xem tài liệu API)
  thinking: { type: "enabled" },
  reasoning_effort: "high",
});
 
console.log(completion.choices[0].message.content);

Muốn dùng DeepSeek trong công cụ viết theo chuẩn Anthropic (ví dụ Claude Code) thì trỏ base URL tới https://api.deepseek.com/anthropic.

Search API và Fetch API

Cùng đợt này, DeepSeek mở cho mọi người hai API chạy bằng công cụ tìm kiếm riêng của hãng. Search API trả tối đa 50 kết quả web đã xếp hạng cho mỗi truy vấn. Fetch API chuyển một trang web thành Markdown. Giá là 0,75 USD cho mỗi 1.000 lượt gọi thành công ở mỗi endpoint. Các lượt gọi qua công cụ phía server trong DeepSeek Harness, Claude Code và Codex đang được miễn phí, và DeepSeek bắt đầu tính tiền từ 16:00 UTC ngày 31/10/2026.

Một điểm cần lưu ý

Ngày 15/10, API của DeepSeek gặp sự cố kéo dài gần 5 tiếng, một trong những lần tệ nhất năm. Hãng đã xin lỗi, hoàn tín dụng bằng mức chi tiêu tuần trước đó và cam kết loại bỏ các điểm phụ thuộc đơn lẻ. Nếu bạn dùng DeepSeek cho sản phẩm thật, nên có model dự phòng.

Vì sao đáng chú ý

DeepSeek tiếp tục là lựa chọn rẻ nhất trong nhóm model mạnh cho lập trình: giá đầu vào giờ thấp điểm chỉ 0,15 USD/triệu token, trọng số mở và tương thích cả chuẩn OpenAI lẫn Anthropic. Với các agent tốn nhiều token như sửa lỗi, refactor hay chạy test lặp đi lặp lại, việc model "nói ngắn hơn mà làm nhanh hơn" chính là tiết kiệm tiền. Các con số benchmark trên đều do DeepSeek tự đo, nên hãy thử trên repo của chính bạn trước khi chuyển hẳn.

Nguồn: DeepSeek API Docs – tin V4.1-Flash-1017, DeepSeek – Models & Pricing, SiliconANGLE, Hugging Face – DeepSeek-V4.1-Flash-1017, MIT Technology Review.