DeepSeek Memperbarui V4.1 Flash, Membuka API Pencarian, dan Menetapkan Awal Penagihan pada 1 November

Pembaruan coding hadir bersama layanan pencarian publik

DeepSeek merilis V4.1-Flash-1017 pada 17 Oktober 2026, memperbarui situs web, aplikasi, dan API secara bersamaan, sekaligus membuka dua layanan yang memungkinkan pengembang menelusuri web dan mengambil konten halaman tertentu. Perusahaan menetapkan harga setiap endpoint Search dan Fetch sebesar $0.75 per 1.000 panggilan. Biaya untuk panggilan yang memenuhi syarat melalui server tools mulai berlaku pada 16:00 UTC tanggal 31 Oktober, atau tengah malam 1 November di Beijing.

Rilis ini hadir 37 hari setelah V4.1 Flash pertama kali diperkenalkan pada 10 September. Pengembang tetap dapat menggunakan nama model deepseek-flash, dengan metode pemanggilan API model dan harga yang tidak berubah. DeepSeek juga merilis model yang diperbarui secara terbuka melalui Hugging Face dan ModelScope.

Pengumuman resmi rilis DeepSeek menempatkan pengembangan proyek secara menyeluruh sebagai fokus utama pembaruan ini. Contoh yang ditampilkan meliputi model Kota Terlarang Beijing, gim balap di peramban, pembuatan ulang Portal 2 menggunakan mesin Godot, serta adegan 3D bergerak yang menelusuri sejarah dari zaman prasejarah hingga era modern.

DeepSeek menyatakan model ini bekerja lebih baik dengan waktu pengerjaan yang lebih singkat dan keluaran yang lebih ringkas. Bagi pengembang, perubahan tersebut mengurangi dua jenis biaya sekaligus: waktu yang digunakan komputer untuk menjalankan tugas otomatis dan jumlah teks yang dihasilkan yang ditagihkan oleh layanan model.

Peluncuran Search menambahkan bagian lain dalam alur kerja tersebut. Kini, aplikasi AI dapat menggunakan model DeepSeek untuk merencanakan tugas, mesin pencarinya untuk menemukan informasi terkini, dan layanan Fetch untuk memasukkan halaman web pilihan ke dalam tugas.

Arti pemrograman berbasis keinginan dalam praktik

DeepSeek menggambarkan ambisi utama proyek ini sebagai pemrograman berdasarkan keinginan pengguna: seseorang menjelaskan apa yang mereka inginkan dengan bahasa sehari-hari, lalu AI menangani lebih banyak pekerjaan yang diperlukan untuk mewujudkan permintaan itu menjadi proyek yang berfungsi.

Keempat demonstrasi tersebut mencakup beragam jenis pekerjaan. Contoh Kota Terlarang berfokus pada pemodelan 3D. Gim balap membutuhkan interaksi dengan peramban. Pembuatan ulang Portal 2 menggunakan mesin gim yang sudah ada, yaitu Godot. Valley of Ages menampilkan lingkungan yang berubah sepanjang rentang sejarah manusia yang panjang.

DeepSeek menyatakan proyek-proyek ini dibuat di dalam DeepSeek Harness dengan prompt yang relatif sedikit, bahan referensi terbatas, dan sedikit putaran interaksi. Perusahaan mengaitkan peningkatan ini dengan pembelajaran penguatan dengan umpan balik mandiri, yaitu metode pelatihan yang menggunakan umpan balik atas pekerjaan yang dicoba untuk membentuk perilaku selanjutnya.

Harness adalah perangkat lunak di sekitar model bahasa yang mengelola alat, file, sesi, dan pelaksanaan tugas. Model dapat mengusulkan kode atau menentukan langkah berikutnya; harness menyediakan lingkungan tempat tindakan tersebut berlangsung. Karena itu, perangkat lunak pendukung menjadi bagian dari proses pengembangan proyek, bersama model itu sendiri.

Peningkatan skor tolok ukur paling menonjol

Evaluasi yang dipublikasikan DeepSeek menempatkan model terbaru ini pada skor 77.0 di DeepSWE v1.1, naik dari 74.2 pada versi September. Itu merupakan peningkatan 2.8 poin dalam evaluasi pekerjaan rekayasa perangkat lunak. Dalam perbandingan perusahaan, Claude Opus 5 meraih skor 74.0 dan GPT 5.6-Sol memperoleh 73.0.

Terminal-Bench 4.0 menunjukkan peningkatan lebih besar dibandingkan rilis Flash sebelumnya, naik dari 31.2 menjadi 42.3, atau bertambah 11.1 poin. ProgramBench naik dari 20.3 menjadi 29.1, sedangkan NL2Repo-Bench meningkat dari 65.4 menjadi 68.2.

DeepSeek juga mencatat peningkatan pada tugas yang melibatkan agen, yaitu sistem yang menggunakan alat untuk menjalankan serangkaian tindakan. Automation-Bench v1.0.6 naik dari 54.8 menjadi 60.5, Agents' Last Exam dari 31.8 menjadi 35.4, dan Apex Bench v1.1 dari 64.6 menjadi 72.1.

Dalam tabel perbandingan DeepSeek, model terbaru ini memimpin pada DeepSWE, Automation-Bench, Agents' Last Exam, dan Apex Bench, mengungguli model-model yang dicantumkan dari Anthropic, OpenAI, Kimi, dan Zhipu. Claude Opus 5 meraih skor lebih tinggi pada beberapa evaluasi lain, termasuk Terminal-Bench, ProgramBench, dan NL2Repo.

Kondisi pengujian berpengaruh terhadap angka-angka tersebut. DeepSeek mencatat skor 42.3 untuk Terminal-Bench 4.0, sedangkan evaluasi Artificial Analysis mencantumkan skor 26.8. Rincian pengaturan yang diperlukan untuk menjelaskan selisih tersebut tidak disertakan. DeepSeek menyebut Claude Code sebagai lingkungan untuk Terminal-Bench dan Mini-SWE-V2 untuk DeepSWE, yang menunjukkan bahwa model dan alat pendukungnya dievaluasi secara bersamaan.

Mengapa jawaban lebih ringkas dapat menekan biaya tugas

DeepSeek menyebut pembaruan ini sebagai peningkatan Pareto dalam kinerja dan biaya. Sederhananya, klaim perusahaan adalah pengguna memperoleh hasil lebih baik dengan biaya lebih rendah, bukan menukar kualitas yang lebih tinggi dengan tagihan yang lebih besar.

Layanan model umumnya mengenakan biaya berdasarkan token, yaitu unit-unit kecil yang membagi teks untuk diproses. Respons yang dihasilkan lebih singkat menggunakan lebih sedikit token keluaran. Agen coding dapat menghasilkan banyak respons dalam satu pekerjaan, sehingga mengurangi keluaran yang tidak perlu di setiap tahap dapat menekan total biaya.

DeepSeek menyatakan waktu pelaksanaan tugas juga berkurang. Hal ini penting untuk proyek yang melibatkan penyuntingan berulang, pengujian, dan penggunaan alat, ketika pengguna menunggu hasil akhir, bukan sekadar satu jawaban. Perusahaan menggambarkan rilis teknis ini sebagai pembaruan kecil, meski mengklaim ada peningkatan dalam penalaran, coding, tugas agen, dan evaluasi visual.

Search menemukan halaman, sementara Fetch mengambil isinya

Layanan Search dan Fetch milik DeepSeek memiliki fungsi berbeda. Search menerima kueri dan mengembalikan hasil yang telah diurutkan. Fetch menerima halaman web tertentu dan mengambil judul serta isi halamannya dalam format Markdown, yaitu format teks sederhana yang mempertahankan judul, daftar, dan struktur berguna lainnya.

Contohnya, pengembang dapat menggunakan Search untuk menemukan dokumentasi perangkat lunak terbaru, lalu Fetch untuk mengambil halaman yang relevan sebelum meminta model menulis kode. Aplikasi yang menggabungkan dokumen yang diambil dengan jawaban yang dihasilkan sering disebut sistem retrieval augmented generation, atau RAG.

Layanan ini menggunakan alamat dasar api.deepseek.com dan sistem kredensial API yang sama dengan layanan model DeepSeek. Endpoint-nya adalah POST /v1/tools/search dan POST /v1/tools/fetch. Layanan tersebut mengembalikan data JSON terstruktur yang dapat dibaca perangkat lunak dan diteruskan antaralat.

Search menerima kueri hingga 128 karakter. Pengembang dapat meminta antara satu hingga 50 hasil, dengan 10 hasil sebagai pengaturan bawaan. Hasilnya dapat mencakup judul, alamat, ringkasan singkat, ringkasan lebih lengkap yang ditujukan untuk model, tanggal publikasi, dan jika tersedia, konten halaman secara utuh.

DeepSeek menyatakan mesin pencarinya telah mendukung pencarian di situs web dan API perusahaan serta menangani ratusan juta permintaan setiap hari di seluruh dunia. Perusahaan menggambarkan indeksnya mencakup ratusan miliar halaman web dan mendukung pencarian dalam berbagai bahasa.

DeepSeek juga menyatakan menyaring manipulasi peringkat pencarian, upaya memengaruhi informasi yang dipilih AI generatif, serta konten berkualitas rendah yang dihasilkan AI. Langkah-langkah ini menangani informasi yang ditemui agen sebelum menulis jawaban atau bertindak atas permintaan pengguna.

Biaya yang dibayar pengembang dan waktu mulai berlakunya

Pengumuman berbahasa Inggris DeepSeek menetapkan harga Search dan Fetch secara terpisah sebesar $0.75 per 1.000 panggilan untuk masing-masing layanan. Harga dalam bahasa Mandarin adalah 5 yuan per 1.000 panggilan untuk setiap layanan. Alur kerja yang melakukan satu pencarian dan mengambil satu halaman dengan demikian menggunakan dua layanan yang ditagihkan secara terpisah.

Berdasarkan aturan penagihan yang dipublikasikan, Search dikenai biaya ketika berhasil mengembalikan daftar hasil yang tidak kosong. Fetch dikenai biaya ketika mengembalikan konten halaman dengan status sukses HTTP 200. Permintaan yang gagal, hasil kosong, dan waktu habis tidak dikenai biaya. Meminta lebih banyak hasil pencarian juga tidak mengubah harga untuk satu panggilan Search.

Dengan tarif yuan yang disebutkan, 1.000 pencarian sukses yang diikuti 1.000 pengambilan halaman sukses akan dikenai biaya 10 yuan untuk pencarian dan pengambilan. Pemrosesan model ditagihkan secara terpisah. Pemisahan ini membantu pengembang memperkirakan biaya agen yang berulang kali mencari informasi saat bekerja.

DeepSeek menyatakan panggilan Search dan Fetch melalui server tools di DeepSeek Harness, Claude Code, dan Codex untuk sementara gratis bagi pengguna API DeepSeek. Penagihan untuk jalur tersebut dimulai pada 16:00 UTC tanggal 31 Oktober 2026, bersamaan dengan pukul 00:00 pada 1 November di Beijing. Pembebasan sementara ini hanya berlaku untuk panggilan alat tersebut, sementara biaya normal model tetap berlaku.

Setiap akun dapat melakukan hingga lima permintaan Search per detik dan lima permintaan Fetch per detik, dengan kedua batas dihitung secara terpisah. Fetch juga memiliki batas tambahan untuk setiap domain situs web. Permintaan yang melampaui batas kecepatan yang diizinkan akan menerima respons HTTP 429, yang memberi tahu aplikasi agar memperlambat permintaan.

Pembaruan Harness menghubungkan model dengan pekerjaan sehari-hari

DeepSeek merekomendasikan Harness v0.2.1-rc.1 atau versi yang lebih baru untuk model terbaru. Huruf rc menandai release candidate, yaitu versi yang disiapkan untuk pengujian sebelum rilis final. Model ini secara khusus dioptimalkan untuk DeepSeek Harness, Tencent CodeBuddy, WorkBuddy, dan kerangka kerja lainnya.

Rilis Harness menambahkan cara untuk menemukan plugin dari indeks khusus dan meminta agen membuat plugin. Rilis ini juga meningkatkan pengelolaan dependensi saat plugin diaktifkan, dinonaktifkan, diperbarui, atau dihapus. Beberapa perubahan plugin dapat langsung diterapkan; perubahan lainnya memerlukan mulai ulang.

Pengembang memperoleh antarmuka untuk membaca dan mengubah direktori kerja sesi melalui perangkat pengembangan perangkat lunak TypeScript dan Python. Penambahan lainnya mencakup alat eksperimental untuk memeriksa sesi, dukungan bagi direktori kerja Git terpisah, serta penyamaran otomatis terhadap kunci dan token yang ditemukan dalam pesan terkirim.

Rilis ini melanjutkan pengembangan jembatan Claude Code Mods, yang diuji dalam versi alfa Harness sebelumnya. Pengembangan sebelumnya mencakup tiga contoh yang dapat dijalankan dan empat contoh yang terkendala antarmuka atau kemampuan tampilan yang belum tersedia. Lapisan kompatibilitas ini masih eksperimental, dengan tujuan yang dinyatakan untuk menguji kesesuaian kemampuan ekstensi Claude Code dengan plugin Harness.

Pengguna Harness baru juga ditawari kredit promosi sebesar 6 yuan tanpa pembayaran awal. Kredit tersebut kedaluwarsa tujuh hari setelah diterima dan hanya tersedia selama alokasinya masih ada. Masa berlaku yang singkat menjadikannya kredit uji coba singkat bagi pengguna baru.

Bobot terbuka dan pilihan penerapan

Pengumuman resmi DeepSeek mengonfirmasi bahwa V4.1-Flash-1017 tersedia melalui Hugging Face dan ModelScope. Rilis ini melanjutkan penggunaan lisensi MIT pada lini V4.1 Flash, yang mengizinkan penggunaan ulang secara luas sesuai ketentuannya. Karena itu, pengembang dapat memilih antara layanan yang dihosting dan menjalankan model sendiri.

V4.1 Flash menerima teks dan gambar serta menghasilkan teks. Arsitekturnya menggunakan mixture of experts, yang berarti bagian-bagian model tertentu diaktifkan pada setiap tahap pemrosesan, alih-alih seluruh model bekerja pada setiap token. Deskripsi arsitektur mencantumkan 552 miliar parameter pada backbone, dengan 8 miliar parameter aktif selama pemrosesan masukan dan 16 miliar saat menghasilkan keluaran.

Jendela konteks sekitar satu juta token memungkinkan model memproses banyak materi dalam satu sesi. Bagi agen coding, materi itu dapat mencakup instruksi, file sumber, percakapan sebelumnya, dan hasil dari alat. Jendela konteks menentukan banyaknya materi yang dapat dipertimbangkan, sedangkan batas keluaran menentukan banyaknya teks yang dapat dihasilkan dalam satu respons.

Spesifikasi penerapan yang dihosting dapat bervariasi. Daftar API pihak ketiga mencantumkan jendela konteks 1,048,576 token dan batas penyelesaian maksimum 131,072 token, serta pemanggilan fungsi dan keluaran terstruktur yang ditentukan oleh skema JSON. Pemanggilan fungsi memungkinkan model meminta alat eksternal; keluaran terstruktur memberikan format yang konsisten untuk diproses aplikasi.

Daftar yang sama menawarkan perutean melalui inference.net, DeepInfra, dan DeepSeek, dengan mengalihkan permintaan ke penyedia lain ketika salah satunya mengalami galat. Bagi pengembang, pilihan kini mencakup akses model, perutean penyedia, dan layanan pencarian terpisah, masing-masing dengan pengaturan operasional dan biaya sendiri.

Tanggal-tanggal penting dalam peluncuran

Rilis DeepSeek pada Oktober menggabungkan pembaruan model, versi kandidat rilis Harness, dan akses publik ke infrastruktur pencarian. Pada awal 17 Oktober, pelacak API otomatis mendeteksi entri model dengan akhiran 1017 yang kemudian menghilang. Pengumuman DeepSeek berikutnya mengonfirmasi rilis tersebut dan pembaruan di situs web, aplikasi, serta API-nya.

Urutan ini memberi pengembang waktu singkat untuk memperbarui alat dan memeriksa penggunaan pencarian sebelum masa gratis sementara berakhir:

• 10 September 2026: DeepSeek merilis model V4.1 Flash yang asli.
• 3 Oktober 2026: Harness v0.2.1-alpha.1 memperkenalkan jembatan Claude Code Mods eksperimental.
• 17 Oktober 2026: V4.1-Flash-1017 tersedia di situs web, aplikasi, dan API; Search dan Fetch dibuka bagi pengembang, dan versi kandidat rilis Harness yang diperbarui tersedia.
• 31 Oktober 2026, pukul 16:00 UTC: Penagihan dimulai untuk panggilan Search dan Fetch yang memenuhi syarat melalui server tools, setara dengan tengah malam 1 November di Beijing.

Pengembang yang sudah menggunakan deepseek-flash akan menerima model terbaru melalui nama yang sama. Pengguna Harness juga diminta memperbarui aplikasi pendukungnya. Perubahan praktisnya adalah alur kerja yang lebih terhubung: model yang dilatih untuk proyek yang lebih panjang, alat untuk menjalankan pekerjaan, dan layanan pencarian yang akan segera dikenai biaya penggunaan terpisah.

Poin Utama

• DeepSeek merilis V4.1-Flash-1017 pada 17 Oktober 2026 di situs web, aplikasi, dan API-nya.
• Model tetap dapat diakses sebagai deepseek-flash, dengan metode pemanggilan API model dan harga yang tidak berubah.
• DeepSeek melaporkan skor 77.0 pada DeepSWE v1.1, naik dari 74.2, disertai pengerjaan tugas yang lebih cepat dan keluaran yang lebih ringkas.
• Demonstrasi proyek mencakup pemodelan Kota Terlarang, gim balap di peramban, pembuatan ulang Portal 2, dan Valley of Ages.
• Search dan Fetch masing-masing berharga $0.75, atau 5 yuan menurut harga dalam bahasa Mandarin, per 1.000 panggilan sukses.
• Penagihan untuk panggilan yang memenuhi syarat melalui server tools dimulai pada tengah malam 1 November di Beijing.
• DeepSeek merekomendasikan Harness v0.2.1-rc.1 atau versi lebih baru dan telah merilis bobot model melalui Hugging Face dan ModelScope.