Unquant

Opening your workspace…

Unquant

DeepSeek V4.1 Flash 1017

Nuestro modelo más grande: un MoE disperso de 763 mil millones de parámetros con memoria Engram, descensurado a nivel de tensor, para tareas de programación complejas, ejecuciones prolongadas de agentes y razonamiento profundo, con visión, llamadas a herramientas, razonamiento ajustable y la ventana de contexto completa de 262K en todos los niveles.

Nuestro modelo más grande y capaz, para tareas de programación que abarcan repositorios completos, ejecuciones prolongadas de agentes con llamadas a herramientas y razonamiento profundo sobre texto e imágenes, con la ventana de contexto completa de 262K en todos los niveles. Esta es la versión 1017, la actualización de DeepSeek para V4.1 Flash: según la ficha publicada por DeepSeek, obtiene 42,3 puntos en Terminal-Bench 4.0 frente a los 31,2 de la primera versión, y 77,0 en DeepSWE frente a 74,2. Funciona con cualquier cliente que permita configurar una URL base compatible con OpenAI y un ID de modelo personalizados.

De un vistazo

  • Familia de modelos: DeepSeek V4.1 Flash 1017
  • ID de modelo: deepseek-v4.1-flash-1017
  • Planes desde $99 / mes
  • Uso: tokens y mensajes ilimitados
  • Contexto: 262.144 tokens en todos los planes
  • Descensurado a nivel de tensor, con visión y llamadas a herramientas
  • Acceso: beta privada · por invitación

Suscripciones de DeepSeek V4.1 Flash 1017

  • DeepSeek Standard: $99/mes · tokens y mensajes ilimitados · contexto de 262K · 1 flujo simultáneo
  • DeepSeek Pro: $189/mes · tokens y mensajes ilimitados · contexto de 262K · 2 flujos simultáneos
  • DeepSeek Ultra: $359/mes · tokens y mensajes ilimitados · contexto de 262K · 4 flujos simultáneos
  • DeepSeek Dedicated: $3.999/mes · tokens y mensajes ilimitados · contexto de 262K · 8 flujos simultáneos

Comparar planes · Solicitar acceso beta · Leer la documentación

Para qué está diseñado DeepSeek V4.1 Flash 1017

  • Programación compleja: Cambios, refactorización y depuración a escala de repositorio, con todo el código en el contexto.
  • Ejecuciones prolongadas de agentes: Llamadas a herramientas a lo largo de múltiples pasos en Claude Code, Codex u OpenCode, con razonamiento cuya intensidad puedes aumentar o que puedes desactivar.
  • Visión: Capturas de pantalla, gráficos, diagramas y documentos escaneados junto con texto.
  • Razonamiento profundo: Investigación, análisis y demostraciones que requieren largas cadenas de razonamiento.

Especificaciones

  • Parámetros: 763 mil millones (6 de 384 expertos por token)
  • Contexto: 262K (tokens, en todos los planes)
  • Entrada: texto + imágenes (visión integrada)
  • Razonamiento: ajustable (activado o desactivado, con niveles de esfuerzo)
  • ID de modelo: deepseek-v4.1-flash-1017
  • Modelo base: DeepSeek-V4.1-Flash-1017 de DeepSeek, con pesos abiertos (MIT)
  • Memoria: memoria de n-gramas Engram y atención dispersa
  • API: compatible con OpenAI y Anthropic
  • Llamadas a herramientas, visión, streaming, salida JSON, API de OpenAI y Anthropic, descensurado en los pesos, tokens ilimitados

Conéctate en un minuto

Funciona con cualquier cliente compatible con OpenAI. En Python:

from openai import OpenAI

client = OpenAI(base_url="https://api.unquant.io/v1", api_key="YOUR_UNQUANT_KEY")
reply = client.chat.completions.create(
    model="deepseek-v4.1-flash-1017",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(reply.choices[0].message.content)

Guías de configuración: SillyTavern · Janitor AI · Open WebUI · Claude Code · Documentación de la API

Preguntas frecuentes sobre DeepSeek V4.1 Flash 1017

¿Está descensurado DeepSeek V4.1 Flash 1017?

Sí. Los rechazos se eliminan de los pesos del modelo (descensurado a nivel de tensor), en lugar de eludirlos mediante un prompt. La visión, las llamadas a herramientas y el razonamiento se mantienen intactos.

¿Es realmente ilimitado?

Sí. Todos los planes de DeepSeek V4.1 Flash 1017 incluyen tokens y mensajes ilimitados, sin topes ni medición del consumo. Los planes solo se diferencian en cuántas solicitudes pueden ejecutarse a la vez.

¿Cuánto contexto tengo?

La ventana completa de 262.144 tokens en todos los planes, sin un límite inferior por solicitud.

¿Puedo controlar el razonamiento?

Sí. El razonamiento está activado de forma predeterminada en "high"; envía reasoning_effort con el valor "none" para obtener respuestas directas, o con "low", "high" o "max".

¿En qué se diferencia de GLM-5.3-Flash?

Es un modelo más grande (763 mil millones de parámetros frente a 328 mil millones), con memoria Engram y atención dispersa, diseñado para las tareas más exigentes de programación, agentes y razonamiento. GLM-5.3-Flash responde más rápido por flujo.