DeepSeek

•

DeepSeek V4.1 Flash 1017

•

Open weights model

•

Released Oktober 2026

DeepSeek V4.1 Flash 1017 (Non-reasoning): Analyse von Intelligenz, Leistung und Preis

Name: Intelligenz
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Ausprobieren Benchmarks der API-Anbieter

Kosten

Eingabe 0,45 $Ausgabe 1,80 $Cache-Rabatt 98%

k. A.

Kosten pro Aufgabe des Intelligence Index

DeepSeek V4.1 Flash 1017 (Non-reasoning) zählt zu den am wenigsten intelligenten Modellen, ist aber preislich angemessen im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe. Das Modell ist außerdem auffallend schnell und antwortet äußerst knapp. Das Modell unterstützt Text und Bilder als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 1M Tokens.

DeepSeek V4.1 Flash 1017 (Non-reasoning) erzielt im Artificial Analysis Intelligence Index einen Wert von 19 und liegt damit am unteren Ende der vergleichbaren Modelle (Median: 19). Bei der Evaluation des Intelligence Index erzeugte es 51M Tokens und antwortete damit sehr knapp im Vergleich zum Median von 51M.

Der Preis für DeepSeek V4.1 Flash 1017 (Non-reasoning) beträgt $0.45 pro 1 Mio. Eingabetokens (moderat bepreist; Median: $0.50) und $1.80 pro 1 Mio. Ausgabetokens (moderat bepreist; Median: $1.80).

Mit 1486 Tokens pro Sekunde ist DeepSeek V4.1 Flash 1017 (Non-reasoning) auffallend schnell (Median: 60).

Reasoning	Nein Diese Seite zeigt die Version dieses Modells ohne Reasoning. Möglicherweise gibt es auch eine Reasoning-Variante.
Eingabemodalität	Unterstützt: Text und Bilder
Ausgabemodalität	Unterstützt: Text
Kontextfenster	1M ~1500 A4-Seiten in Arial mit Schriftgröße 12
Gesamtparameter	552B
Aktive Parameter	16B Anzahl der pro Token während der Inferenz aktiven Parameter
Lizenz	MIT
Modellgewichte	Hugging Face

Metriken werden mit Modellen derselben Klasse verglichen:

Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:

Sehr klein: ≤4B Parameter
Klein: 4B–40B Parameter
Mittel: 40B–150B Parameter
Groß: >150B Parameter

Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:

<$0.15 pro 1 Mio. Tokens
$0.15–$1 pro 1 Mio. Tokens
>$1 pro 1 Mio. Tokens

Updated

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

Geschwindigkeit

Output tokens per second · Higher is better

No publicly available API

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

No publicly available API

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

No publicly available API

Artificial Analysis Intelligence Index v5.0 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

No publicly available API

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index vs. Kosten pro Aufgabe

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Fähigkeitsindizes

Misst die Leistung von Modellen bei bestimmten Fähigkeiten und in bestimmten Branchen

Artificial Analysis Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

No publicly available API

Benchmarks

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

No publicly available API

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 AccuracyUpdated

Knowledge

AA-Omniscience v1.1 Non-Hallucination RateUpdated

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 2.0New

Agentic software engineering in open-source repositories

HLE-DiamondNew

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

EnterpriseOps-Gym-AA

Agentic business operations

GDPval-AA v2.1

Agentic real-world work tasks, Elo

AA-3DNew

Agentic interactive 3D experiences, Elo

Code2Video-AANew

Product and brand videos designed in code, Elo

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AAUpdated

Medical long context reasoning

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness ScoreNew

Rich, varied, well-crafted language

AA-PersonalityBench: Organization ScoreNew

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency ScoreNew

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop ScoreNew

Use of filler and generic language

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Briefcase v1.1

AA-Briefcase-Elo

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better

No publicly available API

AA-Briefcase Elo is a combined metric that aggregates analytical quality Elo, presentation Elo, and rubric pass rate, with rubric performance converted into Elo via synthetic head-to-head matches. Elo and 95% confidence interval bounds are clamped at 0.

AA-Omniscience v1.1

AA-Omniscience Index

AA-Omniscience v1.1 Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

No publicly available API

Openness Index

Artificial Analysis Openness Index: Wert

Der Openness Index bewertet die Offenheit von Modellen auf einer normierten Skala von 0 bis 100 (höher bedeutet offener)

Vergleiche des Intelligence Index

Intelligence Index vs. Kosten pro Aufgabe

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Tokenverbrauch

Ausgabe-Token pro Aufgabe des Intelligence Index

Gewichtete durchschnittliche Anzahl an Ausgabe-Token für eine Aufgabe im Artificial Analysis Intelligence Index

No publicly available API

The number of tokens required per Intelligence Index task. This is calculated by multiplying the output tokens per eval by the relative weights of each benchmark in the Intelligence Index, then dividing by task count (excluding repeats).

Kosten

Kosten pro Aufgabe des Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

No publicly available API

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

No publicly available API

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Preise: Cache-Treffer, Eingabe und Ausgabe

Price (USD per M Tokens)

No publicly available API

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Kontextfenster

Context window: tokens limit · Higher is better

No publicly available API

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Geschwindigkeit

Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)

Ausgabegeschwindigkeit

Output tokens per second · Higher is better

No publicly available API

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Zeit pro Aufgabe des Intelligence Index

Weighted average decode time (minutes) per Intelligence Index task · Excludes TTFT and overhead time · Lower is better

No publicly available API

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

Latenz

Gemessen anhand der Zeit (in Sekunden) bis zum ersten Token

Latenz: Zeit bis zum ersten Antworttoken

Sekunden bis zum ersten Antwort-Token · Berücksichtigt die „Denkzeit“ von Reasoning-Modellen

No publicly available API

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better

No publicly available API

Seconds to receive a 500 token response. Key components:

Input time: Time to receive the first response token
Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
Answer time: Time to generate 500 output tokens, based on output speed

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Häufig gestellte Fragen

Häufige Fragen zu DeepSeek V4.1 Flash 1017 (Non-reasoning)

DeepSeek V4.1 Flash 1017 (Non-reasoning) wurde am 17. Oktober 2026 veröffentlicht.

DeepSeek V4.1 Flash 1017 (Non-reasoning) wurde von DeepSeek entwickelt.

DeepSeek V4.1 Flash 1017 (Non-reasoning) erzielt im Artificial Analysis Intelligence Index einen Wert von 19 und liegt damit im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe deutlich über dem Durchschnitt (Median: 19).

DeepSeek V4.1 Flash 1017 (Non-reasoning) erzeugt Ausgaben mit 1,486.0 Tokens pro Sekunde (auf Grundlage des Medians aller Anbieter, die das Modell bereitstellen). Dies ist deutlich über dem Durchschnitt im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe (Median: 59.8 Tokens/s).

DeepSeek V4.1 Flash 1017 (Non-reasoning) hat eine Zeit bis zum ersten Token (TTFT) von 1.15 s (auf Grundlage des Medians aller Anbieter, die das Modell bereitstellen). Dies ist besser als der Durchschnitt im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe (Median: 1.31 s).

DeepSeek V4.1 Flash 1017 (Non-reasoning) kostet $0.45 pro 1 Mio. Eingabetokens (besser als der Durchschnitt; Median: $0.50) und $1.80 pro 1 Mio. Ausgabetokens (besser als der Durchschnitt; Median: $1.80). Die Angaben basieren auf dem Median aller Anbieter, die das Modell bereitstellen.

DeepSeek V4.1 Flash 1017 (Non-reasoning) kostet $0.45 pro 1 Mio. Eingabetokens und $1.80 pro 1 Mio. Ausgabetokens (auf Grundlage des Medians aller Anbieter, die das Modell bereitstellen). Bei einem Mischpreis mit einem Verhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe entspricht dies $0.28 pro 1 Mio. Tokens. Der Preis kann je nach Anbieter variieren. Preise der Anbieter vergleichen

Bei der Evaluation des Intelligence Index erzeugte DeepSeek V4.1 Flash 1017 (Non-reasoning) 51M Ausgabetokens. Dies ist sehr konkurrenzfähig im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe (Median: 51M).

Nein, DeepSeek V4.1 Flash 1017 (Non-reasoning) ist kein Reasoning-Modell. Es antwortet direkt, ohne längeres Chain-of-Thought-Reasoning.

DeepSeek V4.1 Flash 1017 (Non-reasoning) unterstützt Text und Bilder als Eingabe.

DeepSeek V4.1 Flash 1017 (Non-reasoning) unterstützt Text als Ausgabe.

Ja, DeepSeek V4.1 Flash 1017 (Non-reasoning) unterstützt Bildeingaben und kann Bilder analysieren, beschreiben und Fragen dazu beantworten.

Ja, DeepSeek V4.1 Flash 1017 (Non-reasoning) ist multimodal. Es kann Text und Bilder als Eingabe verarbeiten und Text als Ausgabe erzeugen.

DeepSeek V4.1 Flash 1017 (Non-reasoning) hat ein Kontextfenster von 1.0M Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Ja, DeepSeek V4.1 Flash 1017 (Non-reasoning) hat offene Gewichte. Die Modellgewichte sind öffentlich verfügbar und können zum Selbsthosten heruntergeladen werden.

DeepSeek V4.1 Flash 1017 (Non-reasoning) hat 552 Milliarden Parameter (16 Milliarden aktiv).

DeepSeek V4.1 Flash 1017 (Non-reasoning) ist ein Mixture-of-Experts-Modell (MoE) mit insgesamt 552 Milliarden Parametern, von denen während der Inferenz jedoch nur 16 Milliarden aktiv sind.

DeepSeek V4.1 Flash 1017 (Non-reasoning) wird unter der Lizenz MIT veröffentlicht. Diese Lizenz erlaubt die kommerzielle Nutzung. Lizenz anzeigen

DeepSeek V4.1 Flash 1017 (Non-reasoning) erzielt im Artificial Analysis Intelligence Index einen Wert von 19. Dieser zusammengesetzte Benchmark bewertet Modelle in den Bereichen Wissensarbeit, Programmierung, Wissenschaft und Allgemeinwissen.

Ja, DeepSeek V4.1 Flash 1017 (Non-reasoning) ist über 2 Anbieter per API verfügbar. API-Anbieter vergleichen

DeepSeek V4.1 Flash 1017 (Non-reasoning) ist über 2 API-Anbieter verfügbar. Anbieter vergleichen

DeepSeek V4.1 Flash 1017 (Non-reasoning): Analyse von Intelligenz, Leistung und Preis

Modellübersicht

IntelligenzUpdated

Zusammenfassung des Vergleichs

Technische Spezifikationen

47 Modelle in dieser Klasse

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. Kosten pro Aufgabe

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase v1.1

AA-Briefcase-Elo

AA-Briefcase Elo

AA-Omniscience v1.1

AA-Omniscience Index

AA-Omniscience Index

Openness Index

Artificial Analysis Openness Index: Wert

Vergleiche des Intelligence Index

Intelligence Index vs. Kosten pro Aufgabe

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Tokenverbrauch

Ausgabe-Token pro Aufgabe des Intelligence Index

Output Tokens per Intelligence Index Task

Kosten

Kosten pro Aufgabe des Intelligence Index

Cost per Intelligence Index Task

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preise: Cache-Treffer, Eingabe und Ausgabe

Cache Hit

Kontextfenster

Kontextfenster

Context Window for RAG

Context Window

Geschwindigkeit

Ausgabegeschwindigkeit

Output Speed

Model Performance Representation

Zeit pro Aufgabe des Intelligence Index

Time per Intelligence Index Task

Latenz

Latenz: Zeit bis zum ersten Antworttoken

Time to First Answer Token

Ende-zu-Ende-Antwortzeit

Ende-zu-Ende-Antwortzeit

End-to-End Response Time

Model Performance Representation

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Total Parameters

Active Parameters at Inference Time

Häufig gestellte Fragen

Wann wurde DeepSeek V4.1 Flash 1017 (Non-reasoning) veröffentlicht?

Wer hat DeepSeek V4.1 Flash 1017 (Non-reasoning) entwickelt?

Wie intelligent ist DeepSeek V4.1 Flash 1017 (Non-reasoning)?

Wie schnell ist DeepSeek V4.1 Flash 1017 (Non-reasoning)?

Wie hoch ist die Latenz von DeepSeek V4.1 Flash 1017 (Non-reasoning)?

Wie viel kostet DeepSeek V4.1 Flash 1017 (Non-reasoning)?

Wie gestaltet sich der API-Preis von DeepSeek V4.1 Flash 1017 (Non-reasoning)?

Wie ausführlich antwortet DeepSeek V4.1 Flash 1017 (Non-reasoning)?

Ist DeepSeek V4.1 Flash 1017 (Non-reasoning) ein Reasoning-Modell?

Welche Eingabemodalitäten unterstützt DeepSeek V4.1 Flash 1017 (Non-reasoning)?

Welche Ausgabemodalitäten unterstützt DeepSeek V4.1 Flash 1017 (Non-reasoning)?

Kann DeepSeek V4.1 Flash 1017 (Non-reasoning) Bilder verarbeiten?

Ist DeepSeek V4.1 Flash 1017 (Non-reasoning) multimodal?

Wie groß ist das Kontextfenster von DeepSeek V4.1 Flash 1017 (Non-reasoning)?

Hat DeepSeek V4.1 Flash 1017 (Non-reasoning) offene Gewichte?

Wie viele Parameter hat DeepSeek V4.1 Flash 1017 (Non-reasoning)?

Was sind die aktiven Parameter von DeepSeek V4.1 Flash 1017 (Non-reasoning)?

Unter welcher Lizenz steht DeepSeek V4.1 Flash 1017 (Non-reasoning)?

Wie schneidet DeepSeek V4.1 Flash 1017 (Non-reasoning) in Benchmarks ab?