难绷!大肥鱼更新完变沉默了,只框框干活不说话
10 月 17 日,DeepSeek 把 V4.1 Flash 更新到了 V4.1-Flash-1017。网页、App、API 同步换新,模型名还是 deepseek-flash,调用代码不用改。
分数涨了,话变少了,钱没多花。
分数
官方给了一张对比表,1017 对上一版 V4.1 Flash:
| 基准测试 | 1017 | 上一版 | 变化 |
|---|---|---|---|
| HLE(无工具) | 42.6 | 36.8 | +5.8 |
| Terminal-Bench 4.0 | 42.3 | 31.2 | +11.1 |
| DeepSWE v1.1 | 77.0 | 74.2 | +2.8 |
| ProgramBench | 29.1 | 20.3 | +8.8 |
| NL2Repo-Bench | 68.2 | 65.4 | +2.8 |
| Automation-Bench v1.0.6 | 60.5 | 54.8 | +5.7 |
| Agents’ Last Exam | 35.4 | 31.8 | +3.6 |
| Apex Bench v1.1 | 72.1 | 64.6 | +7.5 |
Terminal-Bench 4.0 从 31.2 跳到 42.3,是最大的一跳。这项考的是在终端里真干活:读文件、跑命令、改环境、把任务收尾。天天用 agent 写代码的人,看这项比看 HLE 有用。
DeepSWE v1.1 是 77.0。同一张表里,Opus 5 是 74.0,GPT-5.6 Sol 是 73.0。这些数字是厂商自己跑的,不是第三方复测,看趋势可以,别当成你手上项目的保证。
Terminal-Bench 用 Claude Code 跑,DeepSWE 用 mini-SWE-v2 跑。
钱花在哪
Agent 任务的钱,很大一部分花在模型来回说话上。每一步多写两百字,几十步下来就是一笔账。官方说 1017 在涨分的同时,把任务运行时间和输出长度都压了下来,所以在多个 Harness 下做到了更低的单任务成本。
底子还是 9 月那套:552B 参数的 MoE,非对称的 Causal-Encoder-Decoder,输入激活 8B,输出激活 16B。KV Cache 比上一代省,HBM 占用降到四分之一,SSD 降到八分之一。
价格没涨:
| 每百万 token | 闲时 | 高峰 |
|---|---|---|
| 输入(缓存命中) | $0.003 | $0.006 |
| 输入(缓存未命中) | $0.15 | $0.30 |
| 输出 | $0.60 | $1.20 |
高峰是北京时间周一到周五的 09:00–12:00、14:00–18:00,法定节假日不算。其余时间按闲时价,正好一半。
上下文窗口 1M,最大输出 384K。窗口大是好事,但不控制输入的话,一次请求带几十万 token 也是它。便宜的前提是别把整个仓库无脑塞进去。
四个从零开始的例子
这次主打的演示不是补代码,是直接交项目:故宫的 3D 建模、一个网页版赛车游戏、用 Godot 复刻的《传送门 2》,还有「Valley of Ages」,用 3D 场景从史前演到现代。
训练方法是带自反馈的强化学习。模型做完一步,自己检查结果,再决定下一步怎么改。官方说这让它在提示词少、素材少、交互轮次短的情况下,能直接把完整项目做出来。
演示是挑过的,别拿它当交付标准。但它说明了一件事:模型厂商现在比的不是谁更会聊天,是谁能一次把活干完。
搜索 API
DeepSeek 把自研搜索开放成了两个接口:Search 和 Fetch,各 5 元 / 千次(美元价 $0.75 / 千次)。
官方说索引了全球千亿级网页,支持多语言,专门过滤三类东西:SEO 作弊、GEO 操纵、低质 AIGC。对做内容的人来说这是好事,被搜到的门槛回到了「写给人看」。
有个时间点要记:在 DeepSeek Harness、Claude Code、Codex 里通过服务端工具调用 Search/Fetch,北京时间 11 月 1 日 00:00 前不收费,之后按次计费。
接入
用 DeepSeek Harness 的,升到 0.2.1-rc.1 或更高,否则拿不到新模型的最佳效果。
调用名没变,还是 deepseek-flash。旧的 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 也还能用,但请求会被转到 1017,按 Flash 价计费。
模型权重同步开源,Hugging Face 和 ModelScope 都能下,MIT 许可。
值不值得换
做 agent 开发的,值得。Terminal-Bench 和 DeepSWE 涨得实在,输出变短会直接反映在账单上。原来嫌它话多的,可以再试一次。
只拿它聊天的,感知不会太强。分数主要涨在工具调用和长任务上,日常问答没那么明显。
上下文成本还是要注意。1M 窗口不是让你每次都塞满。该裁的历史、该丢的文件、该分段的活,还是得做。
这次更新最值钱的地方不是榜单,是同样的任务花更少的钱和时间。模型竞争打到这个阶段,便宜已经不算优势了,又便宜又能把活干完才算。
Qoder 和 WorkBuddy 也已经全量接入 1017,不用自己折腾接入。
引用来源
- DeepSeek-V4.1-Flash-1017 发布公告:https://api-docs.deepseek.com/zh-cn/news/news261017
- 模型与价格:https://api-docs.deepseek.com/zh-cn/quick_start/pricing
- 模型卡(基准测试、MIT 许可):https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
- DeepSeek-V4.1-Flash 发布公告(552B MoE、8B/16B 激活、KV Cache):https://api-docs.deepseek.com/zh-cn/news/news260910
- Qoder 接入文档:https://api-docs.deepseek.com/zh-cn/quick_start/agent_integrations/qoder
- WorkBuddy/CodeBuddy 接入文档:https://api-docs.deepseek.com/zh-cn/quick_start/agent_integrations/workbuddy
- Search & Fetch 指南:https://api-docs.deepseek.com/zh-cn/guides/search
分享文章
生成精美分享图或复制链接,与更多人分享本文。
继续阅读
换条路线
从其他文章中稳定抽取
最后更新于 ,距今已过 4 天
部分内容可能已过时