DeepSeek nambah satu nama lagi di daftar rilisnya. Pada 17 Oktober 2026, perusahaan AI asal China itu merilis DeepSeek V4.1-Flash-1017, pembaruan dari V4.1-Flash yang datang sekitar sebulan sebelumnya. Yang bikin rilis ini menarik: skor benchmark naik, biaya menjalankan tugas malah makin murah.
Klaim DeepSeek cukup lugas: model ini lebih kuat di coding dan kerja agen AI, selesai lebih cepat, jawabannya lebih ringkas, dan tagihannya tidak berubah. Buat saya, poin terakhir itu yang paling penting. Model bagus tapi mahal cuma berguna buat demo.
Apa Itu DeepSeek V4.1-Flash-1017?
Nama belakangnya bukan nomor versi baru, cuma tanggal rilis: 17 Oktober. DeepSeek pakai pola ini buat nandain pembaruan model tanpa ganti nama besar. Jadi DeepSeek V4.1-Flash-1017 masih bagian dari keluarga V4.1 Flash, model kelas menengah yang diposisikan buat kerja cepat dan murah, bukan model reasoning paling mahal di katalog mereka.
Karena itu, versi baru ini langsung dipasang di produk konsumen DeepSeek. Situs web dan aplikasi resmi mereka sudah memakai model ini. Buat developer, tidak ada endpoint baru yang perlu dipelajari: tetap pakai ID model deepseek-flash, dan panggilan API lama tetap jalan.
Yang berubah isinya. DeepSeek bilang model ini dioptimalkan buat dipakai di harness agen, termasuk DeepSeek Harness versi 0.2.1-rc.1 ke atas, Tencent CodeBuddy, dan WorkBuddy. Kalau kamu punya pipeline agen yang masih jalan di DeepSeek Harness versi lama, ada baiknya upgrade dulu sebelum mengukur ulang performanya.
Skor DeepSWE Naik ke 77 Persen
Benchmark yang paling disorot DeepSeek adalah DeepSWE v1.1, ujian buat mengukur kemampuan model menyelesaikan tugas rekayasa perangkat lunak. Di pengujian internal mereka, DeepSeek V4.1-Flash-1017 mencetak 77,0 persen, naik dari 74,2 persen yang dicatat V4.1-Flash.
Kenaikan paling tajam justru ada di Terminal-Bench 4.0, dari 31,2 ke 42,3. ProgramBench juga lompat dari 20,3 ke 29,1, dan NL2Repo-Bench dari 65,4 ke 68,2. HLE tanpa alat naik dari 36,8 ke 42,6, sementara Automation-Bench v1.0.6 ada di 60,5 dan Apex Bench v1.1 di 72,1.
Ada juga beberapa angka yang diukur pakai alat bantu. Chartography dapat 83,0, BabyVision 92,5, dan ZeroBench-main 51,0 dengan Pass@5. Semua angka ini datang dari tabel resmi DeepSeek, bukan pengujian pihak ketiga, jadi anggap sebagai klaim vendor dulu.
Yang bikin ramai, DeepSeek mengklaim skor ini melampaui beberapa model yang ukurannya jauh lebih besar, termasuk Claude Opus 5, GPT-5.6-Sol, Kimi K3, dan GLM 5.3. Klaim yang berani, tapi belum diverifikasi di luar.
Baca juga: DeepSeek V4 Pro Resmi Meluncur, Penantang Kimi K3 yang Fokus ke AI Agent
Biaya per Tugas di Bawah 0,2 Dollar AS
Ini bagian yang bikin saya angkat alis. DeepSeek mengukur biaya per tugas, bukan cuma harga per token. Hasilnya, DeepSeek V4.1-Flash-1017 butuh rata-rata kurang dari 0,20 dollar AS buat menyelesaikan satu tugas, turun dari sekitar 0,50 dollar AS di versi sebelumnya.
Artinya biayanya turun lebih dari 60 persen sementara skornya naik. DeepSeek juga menyebut ada konfigurasi yang lebih hemat lagi: skor di atas 72 persen dengan biaya sekitar 0,10 dollar AS per tugas. Buat tim yang menjalankan agen coding dalam jumlah banyak, selisih segitu menumpuk cepat.
Sebagai pembanding, grafik DeepSeek menempatkan GPT-6 Astra, Gemini 3.8 Flash, dan Claude Opus 5 di kisaran 2 dollar AS sampai lebih dari 10 dollar AS per tugas. Selisihnya bisa 10 sampai 50 kali lipat. Wajar kalau DeepSeek jualan dengan sudut “performa cukup, harga jauh lebih murah”.
Baca juga: AI China: Perang Harga DeepSeek, Alibaba, dan Tencent
Harga API deepseek-flash Tidak Berubah
Kabar bagusnya buat developer: harga API tidak ikut naik. DeepSeek tetap memasang tarif yang sama untuk deepseek-flash, dengan pembagian tarif jam sibuk dan jam sepi.
Untuk cache hit, tarifnya 0,003 dollar AS per juta token di jam sepi dan 0,006 dollar AS di jam sibuk. Cache miss 0,15 dollar AS dan 0,30 dollar AS. Output 0,60 dollar AS dan 1,20 dollar AS per juta token. Konteksnya 1 juta token, output maksimal 384 ribu token, dan model ini sudah mendukung input gambar.
Batas konkurensi API-nya 2.500. Buat skala startup kecil sampai menengah, angka itu lebih dari cukup. Dan karena ID modelnya tetap sama, kamu bisa dapat peningkatan performa ini cuma dengan memanggil endpoint yang sudah ada. Tidak ada migrasi, tidak ada kode baru.
RLSF: Model yang Menilai Dirinya Sendiri
Cara DeepSeek melatih model ini juga layak dibahas. Mereka pakai metode bernama Reinforcement Learning with Self-feedback, atau RLSF. Intinya, model memakai skor keyakinan internal dan kritik yang dihasilkan dirinya sendiri sebagai sinyal reward selama pelatihan lanjutan.
Pendekatan ini mengurangi ketergantungan pada penilai manusia dan model reward eksternal. Dari sisi biaya pelatihan, itu masuk akal: memberi label manusia buat tugas software yang panjang dan rumit itu mahal dan lambat.
Tapi ada catatan. Kalau model jadi hakim buat dirinya sendiri, dia juga bisa mewarisi biasnya sendiri. Model yang salah tapi yakin tetap dapat reward kalau tidak ada pemeriksa dari luar. DeepSeek tidak merinci bagaimana mereka mencegah masalah ini, jadi buat saya ini masih pertanyaan terbuka.
Search API Internal Ikut Dibuka
Di tanggal yang sama, DeepSeek juga membuka Search and Fetch API. Mesin pencarinya internal, dipakai buat melayani ratusan juta permintaan pencarian per hari, dan mengindeks ratusan miliar halaman web.
Yang menarik, DeepSeek menyebut mesin ini menyaring spam SEO, manipulasi GEO, dan konten AIGC berkualitas rendah. Buat agen AI yang butuh data segar, kualitas hasil pencarian sering jadi titik lemah. Kalau filter ini benar-benar bekerja, itu nilai jual tersendiri.
Harganya 0,75 dollar AS per 1.000 permintaan. Masih jauh lebih murah dibanding banyak penyedia search API khusus agen, meski kualitasnya perlu diuji sendiri.
Apa Artinya buat Developer Indonesia?
Buat yang membangun produk dengan biaya API ketat, rilis ini relevan. Agen coding, asisten internal, atau tool otomasi yang jalan ribuan kali sehari bisa memakai DeepSeek V4.1-Flash-1017 tanpa tagihan meledak. Selisih 0,30 dollar AS per tugas terdengar kecil, tapi kalikan 100.000 tugas sebulan.
Yang lebih penting, DeepSeek mulai menggeser cara mengukur harga. Selama ini kita bandingkan harga per juta token. Padahal biaya nyata sebuah agen ditentukan berapa banyak token yang dia bakar buat menyelesaikan satu tugas. Model yang jawabannya ringkas dan tidak muter-muter bisa lebih murah meski tarif per tokennya sama.
Buat tim yang masih menimbang, saran saya: uji dengan tugas nyata dari repo sendiri, bukan benchmark. Ambil 20 sampai 50 issue yang sudah pernah diselesaikan, jalankan di model lama dan model baru, lalu bandingkan biaya dan tingkat keberhasilan. Angka vendor bagus buat pembanding awal, bukan buat keputusan akhir.
Catatan Kritis: Benchmark Internal Bukan Segalanya
Semua angka di atas datang dari DeepSeek sendiri. Tidak ada satu pun yang sudah diverifikasi lembaga independen saat artikel ini ditulis. Benchmark juga dijalankan dengan framework tertentu, misalnya Terminal-Bench pakai Claude Code dan DeepSWE pakai Mini-SWE-V2, jadi hasilnya bisa berbeda di setup lain.
DeepSeek sendiri mengakui skor benchmark tidak selalu menggambarkan kualitas coding sehari-hari. Pengalaman developer waktu membangun software bisa jauh dari angka di tabel. Saya setuju. Model yang bagus di benchmark tetap bisa bikin frustrasi kalau dia salah paham konteks proyek.
Yang belum dijawab: berapa biaya pelatihannya, data apa yang dipakai, dan apakah peningkatan ini bertahan di tugas panjang dengan banyak file. Sampai ada pengujian pihak ketiga, klaim DeepSeek V4.1-Flash-1017 soal mengalahkan model lebih besar sebaiknya dibaca sebagai klaim pemasaran yang masuk akal, bukan fakta final.
Yang jelas, DeepSeek konsisten dengan strateginya: bersaing di harga sambil mengejar performa. Buat pasar AI yang harganya masih sering bikin kaget, tekanan seperti ini sehat. Tinggal tunggu apakah pemain lain ikut menurunkan harga atau malah fokus ke fitur.
Sumber
- DeepSeek API Docs – Change Log
- DeepSeek API Docs – Models & Pricing
- Kompas Tekno – DeepSeek Rilis AI Baru, Kalahkan Model Lebih Besar dengan Biaya Murah
