DeepSeek V4.1-Flash-1017: nuovo modello e API Search e Fetch aperte a tutti

DeepSeek ha aggiornato il suo modello più economico e lo ha fatto nel weekend, con un rilascio che passa quasi in sordina ma che contiene due novità concrete: una nuova versione di Flash, chiamata V4.1-Flash-1017, e l’apertura a tutti gli utenti delle API Search e Fetch. Se sviluppi agenti o strumenti che devono leggere il web, è un annuncio che vale la pena capire bene.

In questo articolo ti spiego cosa è stato rilasciato il 17 ottobre 2026, che cosa dichiara l’azienda, quali numeri sono stati pubblicati e quali invece mancano, e perché la combinazione tra modello e ricerca integrata potrebbe cambiare i conti di chi costruisce agenti AI.

Cosa è stato annunciato da DeepSeek il 17 ottobre

Secondo la pagina ufficiale della documentazione API di DeepSeek, il modello principale, identificato dal nome deepseek-flash, è ora servito da DeepSeek-V4.1-Flash-1017. L’aggiornamento è disponibile sul sito, nell’app mobile e tramite API, quindi non riguarda solo gli sviluppatori ma anche chi usa il chatbot ogni giorno.

L’azienda parla di un miglioramento di tipo Pareto: più capacità e più efficienza senza un aumento dei costi. In pratica, il modello dovrebbe completare i compiti più in fretta, produrre risposte più brevi e ottenere risultati migliori nei test, il tutto al prezzo già previsto per la fascia Flash.

Che cosa cambia per i nomi dei modelli

C’è un dettaglio operativo importante. I vecchi identificativi deepseek-v4-flash e deepseek-v4-flash-vision-exp continuano a funzionare, ma i modelli corrispondenti sono stati ritirati: le richieste vengono instradate verso Flash-1017 e fatturate al prezzo di Flash. Se hai integrazioni già in produzione, non si rompe nulla, ma il comportamento del modello sotto quei nomi non è più lo stesso di prima.

Resta invece disponibile deepseek-v4-pro per chi ha bisogno della fascia alta. Se vuoi ricostruire la storia della linea, puoi leggere il nostro approfondimento sulla versione stabile di DeepSeek V4 Pro.

I numeri dichiarati e come leggerli

DeepSeek ha condiviso due risultati di benchmark per mostrare il salto rispetto alla versione precedente. Su DeepSWE v1.1 il punteggio passa da 74,2 a 77,0, mentre su Automation-Bench V1.0.6 sale da 54,8 a 60,5. Sono incrementi reali sulla carta, e quello sull’automazione è il più marcato.

Un avvertimento, però: sono misure fornite dall’azienda stessa, non verifiche indipendenti. Prima di cambiare lo stack di un prodotto, conviene rifare i test sui tuoi casi d’uso, con i tuoi prompt e i tuoi strumenti.

Il messaggio di fondo, comunque, è chiaro: DeepSeek punta sui compiti lunghi e agentici, quelli in cui il modello deve pianificare, scrivere codice, usare strumenti e correggersi.

Ottimizzato per gli strumenti di sviluppo

L’azienda indica che questa versione è ottimizzata per DeepSeek Harness, per Tencent CodeBuddy e per WorkBuddy, tra gli altri strumenti. Dichiara inoltre di aver usato apprendimento per rinforzo con auto-feedback per migliorare lo sviluppo di progetti completi, con esempi come la creazione di giochi e di modelli 3D partendo da zero.

La documentazione ricorda anche che l’API è compatibile con gli SDK di OpenAI e di Anthropic, cambiando soltanto l’indirizzo base e la chiave. Strumenti come Claude Code, Codex e OpenCode possono quindi usare DeepSeek come backend, mentre DeepSeek Harness è ancora in anteprima per sviluppatori.

Le API Search e Fetch aperte a tutti

La seconda novità è probabilmente la più interessante per chi costruisce prodotti. DeepSeek ha reso disponibili a tutti gli utenti le API Search e Fetch, alimentate dal motore di ricerca interno dell’azienda. La prima serve a cercare sul web, la seconda a recuperare il contenuto di una pagina.

Il prezzo riportato dalla stampa finanziaria è di 0,75 dollari ogni 1.000 chiamate per ciascun endpoint. Va detto che la pagina di annuncio che abbiamo consultato non riporta il listino né i limiti di utilizzo, rimandando a una guida dedicata e a una pagina sui rate limit: se intendi usare il servizio, controlla quei documenti prima di fare i conti.

Perché la ricerca integrata conta per gli agenti

Un agente senza accesso al web lavora su conoscenze congelate al momento dell’addestramento. Con ricerca e lettura delle pagine nello stesso ecosistema del modello, riduci il numero di fornitori da integrare, semplifichi l’autenticazione e puoi stimare il costo di un compito con più precisione.

Fino a oggi molti sviluppatori univano un modello economico a un servizio di ricerca esterno, pagato a parte. Con questa mossa DeepSeek prova a offrire il pacchetto completo, in un momento in cui i prezzi delle API sono un tema caldo: ne avevamo parlato anche a proposito dell’aumento dei prezzi delle API di DeepSeek.

Il contesto: la corsa dei modelli aperti e a basso costo

Il rilascio arriva in una settimana affollata. Pochi giorni prima abbiamo raccontato il modello MAI-Base-2 di Microsoft, e nelle scorse settimane la concorrenza sui modelli efficienti si è intensificata, come mostra il caso del primo modello a pesi aperti di Reflection AI.

In questo scenario, la strategia di DeepSeek è riconoscibile: non cerca necessariamente il punteggio più alto in assoluto, ma il miglior rapporto tra qualità, velocità e prezzo. È la stessa logica che avevamo visto con l’arrivo di DeepSeek V4.1 Flash a settembre, di cui questa versione è l’evoluzione diretta.

Che cosa non sappiamo ancora

Nelle fonti ufficiali consultate non compaiono il numero di parametri, la finestra di contesto e i dettagli della licenza di questa specifica versione. Alcuni siti di aggregazione riportano cifre, ma non le abbiamo potute verificare su una fonte primaria, quindi preferiamo non darle per certe.

Se questi dati sono importanti per il tuo progetto, il consiglio è di attendere la scheda del modello pubblicata dall’azienda o di consultare direttamente la documentazione aggiornata.

Cosa significa per te, in concreto

Se usi già deepseek-flash tramite API, il passaggio è automatico e non devi fare nulla, ma ti conviene rivedere i test di regressione, perché risposte più brevi e un diverso stile di ragionamento possono influenzare i tuoi flussi.

Se invece costruisci agenti che navigano il web, vale la pena provare Search e Fetch su un caso reale e misurare tre cose: qualità dei risultati, latenza e costo per compito completato. Solo così capirai se il pacchetto di DeepSeek batte la combinazione che usi oggi.

Se lavori in ambito SEO o content marketing, c’è anche un messaggio strategico: i motori di ricerca interni dei grandi laboratori AI stanno diventando canali di scoperta a sé stanti. Contenuti chiari, aggiornati e ben strutturati hanno più probabilità di essere letti e citati dagli agenti.

Come impostare un test sensato

Per valutare davvero la novità, parti da un piccolo insieme di compiti che ripeti spesso nel tuo lavoro: una ricerca con fonti da citare, una modifica di codice su un progetto reale, una procedura da automatizzare in più passaggi. Esegui gli stessi compiti con la versione precedente e con Flash-1017, annotando tempi, lunghezza delle risposte, errori e costo.

Servono pochi giri, ma fatti con metodo.

Quando passi alla ricerca integrata, confronta anche la qualità delle fonti restituite e la capacità di Fetch di estrarre il testo utile da pagine complesse. È in questi dettagli, più che nei punteggi dei benchmark, che si decide se uno strumento è adatto a un flusso di lavoro professionale.

Conclusioni

DeepSeek-V4.1-Flash-1017 non è una rivoluzione, ma è un aggiornamento coerente: un modello più efficiente a prezzo invariato e un’offerta di ricerca web integrata aperta a tutti. I benchmark dichiarati vanno verificati, e alcune informazioni tecniche restano da chiarire.

Il consiglio pratico è semplice: prova il modello sui tuoi compiti reali, leggi con attenzione limiti e prezzi di Search e Fetch e, se ti serve, torna qui, perché continueremo a seguire l’evoluzione di DeepSeek. Intanto dimmi nei commenti se hai già provato la nuova versione e che risultati ottieni.