DeepSeek V4.1 Flash 1017: 30/30 task di codice senza thinking

Con il thinking disattivato, DeepSeek V4.1 Flash 1017 ha risolto tutti i nostri 30 piccoli task di modifica e test del codice a $0.0042 per task risolto. È il 36% in meno rispetto al livello di thinking predefinito ($0.0066). Anche senza lo strumento per eseguire i test ne ha risolti 28 su 30. Disattivare il thinking non ha funzionato su un altro tipo di lavoro: quesiti da risolvere con una sola risposta, come i conteggi soggetti a vincoli, dove le risposte corrette sono state 11 su 39. Il thinking è il ragionamento interno del modello prima della risposta e viene fatturato come token di output. Il parametro reasoning_effort ne regola l’intensità (low, high di default o max), mentre thinking: {"type": "disabled"} lo disattiva. Abbiamo misurato tutte le impostazioni due giorni dopo il rilascio del 17 ottobre, applicando i prezzi di listino DeepSeek nelle ore di punta: $0.30 per milione di token di input e $1.20 per milione di token di output.

TL;DR

• DeepSeek V4.1 Flash 1017 costa $0.30/$1.20 per milione di token nelle ore di punta e la metà fuori punta; le ore di punta sono 35 sulle 168 della settimana.
• Nei piccoli task di programmazione eseguiti come agente, DeepSeek V4.1 Flash 1017 ha risolto 30 task su 30 con tutte le impostazioni: $0.0042 ciascuno senza thinking, $0.0066 con il valore predefinito high, $0.0099 con max.
• Su 13 task di ragionamento da risolvere in un’unica risposta, senza thinking ha ottenuto 11 risposte corrette su 39; con qualsiasi livello di thinking, 39 su 39.
• DeepSeek V4.1 Flash 1017 ha recuperato un’informazione nascosta in tre posizioni di un prompt da 1,001,531 token.

Cosa è cambiato il 17 ottobre e quanto costa 1017?

DeepSeek V4.1 Flash 1017 ha sostituito la versione di settembre di V4.1 Flash sull’API DeepSeek, allo stesso prezzo. Nelle note di rilascio, DeepSeek dichiara «completamento dei task più rapido e output più brevi rispetto alla versione precedente» e mostra un grafico del tasso di superamento di DeepSWE v1.1 (correzione di problemi in repository reali) rispetto al costo per task. Attribuisce i miglioramenti nel lavoro su interi progetti al «reinforcement learning con self-feedback». I pesi sono aperti: si possono scaricare da Hugging Face ed eseguire il modello sulla propria infrastruttura. Per chi deve usarlo in produzione, ecco cosa cambia per nomi, prezzi, fasce orarie e tokenizer:

• Sull’API DeepSeek è cambiato il modello associato al nome usato nelle richieste. L’id DeepSeek è deepseek-flash e la pagina dei prezzi indica che anche i vecchi nomi deepseek-v4-flash e deepseek-v4-flash-vision-exp ora servono 1017. Il codice che chiama direttamente DeepSeek sta usando un modello nuovo anche senza aver modificato una riga: occorre rieseguire le valutazioni. Synthorai ha mantenuto gli id precedenti sulle vecchie versioni, come spiega l’ultima sezione.
• Il prezzo non è cambiato. I prezzi sono in dollari per milione di token. Un cache hit corrisponde a input già ricevuto dal server in una richiesta precedente, per esempio un prompt di sistema ripetuto:

• La maggior parte della settimana è fuori punta. Le ore di punta sono dalle 01:00 alle 04:00 e dalle 06:00 alle 10:00 UTC nei giorni feriali (dalle 09:00 alle 12:00 e dalle 14:00 alle 18:00 di Pechino). Nei fine settimana e nei giorni festivi cinesi si applica la tariffa fuori punta per tutta la giornata.
• Il tokenizer non è cambiato. Gli stessi campioni in inglese, cinese, Python e JSON hanno prodotto conteggi di token identici su 1017, sul V4.1 Flash di settembre e su V4 Pro. I budget di token restano quindi validi.

Nella classifica di Artificial Analysis, consultata il 19 ottobre, 1017 al livello massimo ottiene 45.1 contro 39.5 della versione di settembre. L’indice aggrega benchmark di agenti, programmazione, conoscenze e scienze eseguiti direttamente da Artificial Analysis. DeepSeek ha anche aperto le API Search e Fetch sulla propria piattaforma: restituiscono, rispettivamente, risultati web per una query e il contenuto di un URL, ciascuna a $0.75 per 1,000 chiamate. Le chiamate da Claude Code, Codex e DeepSeek Harness effettuate con una chiave API DeepSeek sono gratuite fino alle 16:00 UTC del 31 ottobre 2026. Queste condizioni valgono solo per l’API DeepSeek. Non abbiamo testato né queste API né le prestazioni dichiarate sui grandi progetti. Il resto dell’articolo misura solo 1017, confrontando le impostazioni di thinking.

Quale livello di thinking usare per ragionare in un’unica risposta?

Nei nostri task basta low; disattivare il thinking, invece, non basta. Abbiamo eseguito su 1017 la nostra suite standard di 13 task: conteggi con vincoli, una regola da applicare 200 volte, un problema dello zaino, aritmetica modulare e problemi simili con una sola risposta verificabile. Ogni task è stato eseguito tre volte per impostazione, con una richiesta per esecuzione. Il costo per risposta corretta è la spesa totale divisa per le risposte corrette, ai prezzi di listino delle ore di punta:

Senza thinking, 28 risposte su 39 erano errate. Di queste, 17 contenevano solo un numero di cinque token o meno, senza alcun passaggio di calcolo. Tutti i livelli di thinking hanno dato tutte le risposte corrette: cambiava solo la quantità di testo prodotto.

max ha scritto più di low in 12 task su 13, generando in totale 1.96x i token di output. Abbiamo verificato la differenza con un test dei segni, che conta in quanti task un’impostazione ha scritto di più, e con la correzione di Holm, che tiene conto dei cinque confronti eseguiti insieme. La differenza resta significativa (p = 0.002). high ha prodotto 1.51x i token di low ed è stato più prolisso in 11 task su 13, ma dopo la correzione si tratta di una tendenza, non di una differenza dimostrata (p = 0.09). Omettendo del tutto reasoning_effort, che secondo la documentazione DeepSeek equivale a high, abbiamo ottenuto il 14% di token in meno rispetto alla prova con high esplicito. Questo dà un’idea di quanto possano variare due esecuzioni con la stessa configurazione.

I due controlli e i campi della risposta da cui abbiamo ricavato le misure:

import os
from openai import OpenAI

client = OpenAI(base_url="https://synthorai.io/v1", api_key=os.environ["SYNTHORAI_API_KEY"])
prompt = "How many positive integers below 1000 are divisible by 3 or 5 but not by 15?"
resp = client.chat.completions.create(
    model="deepseek-v4.1-flash-1017",
    messages=[{"role": "user", "content": prompt}],
    reasoning_effort="low",                          # "low" | "high" (default) | "max"
    # extra_body={"thinking": {"type": "disabled"}}, # thinking off instead
)
u = resp.usage
reasoning = u.completion_tokens_details.reasoning_tokens  # billed as output
cache_hits = u.prompt_tokens_details.cached_tokens         # billed at 2% of the input price
thinking_text = resp.choices[0].message.reasoning_content

Serve il thinking nei cicli di un agente di programmazione?

Nei nostri task di programmazione non serviva, ma si tratta di task semplici: ogni impostazione ne ha risolti 30 su 30 e le opzioni più economiche erano thinking disattivato e low. Per ciclo dell’agente intendiamo un’esecuzione a turni in cui il modello chiama strumenti e ne legge i risultati finché non ritiene concluso il task. Abbiamo fornito a 1017 un piccolo pacchetto Python e tre task basati su bug inseriti da noi: correggere il parsing di un importo, aggiungere due nuovi formati di input, correggere un controllo sullo scoperto e un report mensile. Gli strumenti disponibili erano quattro: elencare i file, leggere un file, scrivere un file ed eseguire i test visibili. Un’esecuzione contava come riuscita solo se i file finali superavano test nascosti, mai mostrati al modello. Ogni task è stato eseguito 10 volte per impostazione, con un massimo di 30 turni e con il codice del modello eseguito in una sandbox isolata. Turni, token di output e secondi sono le mediane per esecuzione; il costo per task risolto è la spesa totale divisa per i task risolti, ai prezzi di listino delle ore di punta:

Il numero di turni è cambiato pochissimo al variare del livello. A crescere è stato il ragionamento per turno: da zero con thinking disattivato al 72% dell’output con max. Abbiamo confrontato le 10 esecuzioni di ciascun task con un test di Mann-Whitney, che verifica se i costi di un’impostazione sono sistematicamente superiori a quelli dell’altra, applicando la correzione di Holm ai 12 confronti. high è costato più di low in tutti e tre i task, da 1.24x a 1.70x, e max è costato più di high in due task su tre. Non è emersa una differenza distinguibile tra thinking disattivato e low.

Le ultime due righe sono un controllo: gli stessi task senza lo strumento per eseguire i test, quindi senza feedback per il modello prima della valutazione. Con thinking disattivato ha comunque risolto 28 task su 30. Il calo non è significativo (test esatto di Fisher, che confronta due conteggi di successi, p = 0.49): in questi task il feedback dei test non era necessario per riuscire senza thinking. I problemi falliti senza thinking nella suite a risposta unica richiedevano molti passaggi di calcolo o ricerca all’interno della stessa risposta. Questi task di programmazione richiedevano invece di leggere e modificare pochi file, lavoro che 1017 ha gestito senza thinking.

I task sono volutamente piccoli: pochi file, bug individuabili leggendo il codice e meno di 30 turni. Attività più impegnative per un agente, come funzionalità distribuite su molti file, lunghe sessioni di debug o una codebase sconosciuta, potrebbero richiedere un livello più alto. È proprio su questo tipo di lavoro progettuale che DeepSeek promuove 1017. Noi non lo abbiamo testato. Un punto di partenza ragionevole è disattivare il thinking o usare low per task semplici con strumenti, passando a high quando il task è complesso o si osservano esecuzioni fallite.

Quando il thinking è attivo e la richiesta include tools, la guida alla modalità thinking di DeepSeek richiede di reinviare il reasoning_content di ogni precedente turno dell’assistente. In caso contrario, la documentazione indica un errore 400:

msg = resp.choices[0].message
messages.append({
    "role": "assistant",
    "content": msg.content or "",
    "tool_calls": msg.tool_calls,
    "reasoning_content": msg.reasoning_content,  # required with tools in thinking mode
})

Quanto si risparmia con la cache e le ore fuori punta?

Nelle nostre esecuzioni come agente, la cache ha ridotto il conto di oltre la metà e le ore fuori punta dimezzano quanto resta. Ogni turno del ciclo reinvia l’intera conversazione: nelle 120 esecuzioni con lo strumento di test, l’input rappresentava il 90% dei token. L’82% di quell’input è stato fatturato come cache hit, al 2% del prezzo di input. Ai prezzi di listino delle ore di punta, le 120 esecuzioni sono costate $0.75; senza lo sconto della cache, gli stessi token sarebbero costati $1.66. Dopo lo sconto della cache, l’output rappresentava il 71% del conto e l’input non in cache il 27%. Il livello di thinking è quindi la leva principale rimasta per regolare il costo di un agente 1017. Fuori punta, gli stessi token costerebbero $0.38.

La cache è automatica sull’API DeepSeek: non ci sono costi di scrittura né contenuti da contrassegnare. Nella nostra verifica, inviando due volte un prompt da 6,069 token, la seconda richiesta ha fatturato 6,016 token come cache hit. Conviene quindi mantenere stabile l’inizio del prompt: prima il prompt di sistema e le definizioni degli strumenti, in fondo ciò che cambia a ogni richiesta.

La finestra di contesto da 1M è reale?

L’intera finestra è utilizzabile per recuperare informazioni. Abbiamo nascosto una frase contenente un codice di sette cifre in un testo riempitivo composto da frasi diverse e abbiamo chiesto il codice, con thinking disattivato, collocandolo a tre profondità nel prompt:

Una richiesta da 1.15 milioni di token è fallita con HTTP 400 e un errore che indicava un limite di 1,048,568 token. Una richiesta troppo grande viene quindi rifiutata prima dell’esecuzione, senza troncamenti silenziosi. Questo test verifica il recupero di un singolo fatto esplicito; ragionare su molti fatti distribuiti in un prompt lungo è una prova più difficile, che non abbiamo eseguito.

Quale impostazione scegliere per ciascun carico di lavoro?

Nessuna impostazione di thinking sostituisce una suite di test o un validatore che l’agente possa eseguire. Senza lo strumento di test, con thinking disattivato sono stati comunque risolti 28 task su 30, ma nulla ha rilevato gli altri due errori prima della valutazione. Se chiamate deepseek-v4-flash o deepseek-flash sull’API DeepSeek, pianificate anche un test di regressione dopo il 17 ottobre: il modello associato a quei nomi è cambiato.

Come lo gestisce Synthorai

Su Synthorai, 1017 ha un proprio id: deepseek-v4.1-flash-1017. Per non cambiare il comportamento delle integrazioni esistenti, non abbiamo riassegnato i vecchi id come ha fatto DeepSeek sulla sua API. deepseek-v4.1-flash resta il V4.1 Flash di settembre; per passare a 1017 basta cambiare l’id del modello. Su /v1/chat/completions è disponibile ai prezzi di listino DeepSeek per milione di token: $0.30 per l’input, $1.20 per l’output e $0.006 per la lettura dalla cache. reasoning_effort e thinking: {"type": "disabled"} vengono inoltrati al provider, le chiamate con thinking restituiscono reasoning_content e i cache hit sono riportati in usage.prompt_tokens_details.cached_tokens. Tutti i costi dell’articolo usano i prezzi di listino DeepSeek delle ore di punta, così potete ricalcolarli in base ai vostri orari.

FAQ

DeepSeek V4.1 Flash 1017 è un modello diverso da deepseek-v4-flash?

Sull’API DeepSeek è ora il modello associato a quel nome: la pagina dei prezzi indica che i vecchi id deepseek-v4-flash e deepseek-v4-flash-vision-exp servono DeepSeek V4.1 Flash 1017 alla tariffa Flash. Anche deepseek-flash punta a questo modello. Il V4.1 Flash di settembre non è più disponibile sull’API DeepSeek, anche se provider terzi continuano a servire i suoi pesi aperti. Su Synthorai i vecchi id restano sulle vecchie versioni e 1017 usa deepseek-v4.1-flash-1017.

Conviene disattivare il thinking su DeepSeek V4.1 Flash 1017?

Disattivatelo per task semplici di programmazione e uso di strumenti: nel nostro ciclo come agente, 1017 ha risolto tutti i 30 piccoli task di programmazione senza thinking a $0.0042 ciascuno, e 28 su 30 anche senza uno strumento di test. Tenetelo attivo a low per quesiti da risolvere in un’unica risposta che richiedono più passaggi di calcolo o pianificazione: senza thinking le risposte corrette sono state 11 su 39, contro 39 su 39 con low. Valutate high per il lavoro complesso con agenti, che non abbiamo testato.

DeepSeek V4.1 Flash 1017 ha davvero una finestra di contesto da 1M di token?

Sì: 1017 ha recuperato un’informazione nascosta al 10%, 50% e 90% di un prompt da 1,001,531 token, in circa 25 secondi e a $0.30 per richiesta ai prezzi di listino delle ore di punta. Una richiesta oltre 1,048,568 token ha restituito HTTP 400.

Articoli correlati: Costo di DeepSeek V4.1 Flash, DeepSeek V4 Pro GA rispetto alla preview, Controlli del ragionamento negli LLM, Costo di scrittura della cache dei prompt, Fasce di prezzo per contesti lunghi.

Misure effettuate il 19 ottobre 2026 tramite il gateway Synthorai, id modello deepseek-v4.1-flash-1017: 195 chiamate a risposta unica (13 task, cinque impostazioni, tre esecuzioni), 180 esecuzioni come agente (tre task, sei impostazioni comprese le due senza strumento di test, 10 esecuzioni) e 11 richieste con contesto lungo. Costi calcolati ai prezzi di listino DeepSeek delle ore di punta; dati Artificial Analysis consultati il 19 ottobre 2026.

← Torna al blog