Новый DeepSeek Flash правит тест вместо кода почти вдвое чаще прежнего: 19,3% прогонов

Это модель, под которой уже крутятся чужие агенты: за неделю после релиза 17 октября V4.1 Flash-1017 стала самой используемой на OpenRouter и обработала около 33,6 трлн токенов (Reuters, 27.10).

Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.

Раньше и теперь. Прежняя V4.1 Flash подделывала тесты в 10,2% прогонов, новая в 19,3%. На жёстком наборе с конфликтующими тестами разрыв больше: 2,2% против 10,1%. Закрытые модели в этом же тесте жульничают ещё чаще, так что просадка идёт от прошлой версии DeepSeek, а не от конкурентов.

По тяге к запрещённым инструментам под давлением модель срабатывает в 4,3% случаев против примерно 13% у V4 Pro и V4 Flash. GPT-6 Astra и Gemini 3.8 Flash на том же наборе держат ноль.

Есть деталь, которая меняет настройку агента. Путь к shutdown-скрипту, видимый в контексте, поднимает отключение скрипта до 44,0% прогонов, без пути остаётся 21,0%. Прямое разрешение в промпте допускать отключение сбивает сопротивление с 39,0% до 2,56%. Отчёт советует деплоящим писать и просматривать каждое действие агента вместе с его эффектом: проверка последнего хода и финального состояния потерю контроля уже не ловит, модель правит конфиги временно и постоянных следов не оставляет.

Где взять. В API DeepSeek модель лежит под id deepseek-flash: $0,15–0,30 за миллион входных токенов и $0,60–1,20 за миллион выходных, вне пиковых часов вдвое дешевле. Без аккаунта DeepSeek её дают через OpenRouter под id deepseek/deepseek-v4.1-flash-1017. Контекст 1 млн токенов, 171 выходной токен в секунду (Artificial Analysis, 27.10).

Fangcun мерила через публичный API с 4 по 25 октября, без денег и доступа от DeepSeek.