DeepSeek更新Flash模型，把竞争焦点转向单任务成本

2026年10月17日，DeepSeek在官网、App和API上线DeepSeek-V4.1-Flash-1017，并在Hugging Face和ModelScope发布了权重。模型卡显示，代码仓库和权重均采用MIT许可，并将此次发布定位为对上一版V4.1-Flash的小版本更新：推理、编程、智能体任务和视觉基准均有提升，执行时间更短，输出也更简洁。模型支持图像和文本的多模态输入，上下文窗口为100万token，建议将max_tokens设为至少256K。关于后训练，公司表示采用了基于自我反馈的强化学习：奖励来自模型自身的置信度，或来自它自己生成的批评。

具体数字如下（新版对旧版）：DeepSWE v1.1为77.0对74.2；Terminal-Bench 4.0为42.3对31.2；无工具HLE为42.6对36.8；ProgramBench为29.1对20.3；Automation-Bench为60.5对54.8。在DeepSeek公布的同一张表中，Claude Opus 5在HLE（56.3）、Terminal-Bench 4.0（51.8）、ProgramBench（37.0）和NL2Repo-Bench（75.3）上领先；在DeepSWE v1.1上则以74.0落后，GPT-5.6 Sol也仅为73.0。DeepSeek将这一切概括为“Stronger benchmark performance, faster task completion, and shorter outputs than the previous version”，The Decoder则报道称，公司把这一结果称为性能与成本之间的“Pareto improvement”。The Decoder同样引用DeepSeek的数据指出，在DeepSWE上，模型以每任务约0.20美元达到77%的准确率，在“low”模式下以约0.10美元达到72%以上，而前代模型每任务约需0.50美元。

与模型一同，DeepSeek向所有人开放了Search和Fetch API，每个端点每1,000次调用0.75美元；在DeepSeek Harness、Claude Code和Codex中将其作为服务器端工具使用的API用户，可免费使用至2026年10月31日16:00（UTC）。该模型针对DeepSeek Harness（建议v0.2.1-rc.1或更高版本）、腾讯CodeBuddy和WorkBuddy进行了优化。不过，仍有不少空白，而这次发布究竟能派上多大用场，恰恰取决于这些空白。基准成绩和单任务成本全部来自公司，目前尚无独立验证。参数量说法不一：Hugging Face的“Model size”栏显示7630亿，一些二手媒体称是552B加上196B的“Engram”参数，有一个来源认为763B是9月版本权重的数字，而激活参数量没有任何一方公布。官方公告中没有按token计费的API价格，各媒体报道的数字也不一致。本地运行所需的硬件要求同样缺失。

我最感兴趣的不是DeepSWE的分数，而是这个分数被放在了哪条坐标轴上。把每任务0.20美元写在准确率旁边，比较的问题就从“它有多强”变成了“达到这个水平要花多少钱”；而权重以MIT许可开放下载，理论上任何人都可以把这笔账重新算一遍。只是理论上：没有硬件要求，也没有按token的价格，让这次发布显得有意思的那个数字，恰恰也是目前在DeepSeek之外还没有人能验证的数字。

— Olya