一句话结论：10 月 17 日的 V4.1-Flash-1017 是一次“只换权重、不换架构”的后训练升级——agentic 类基准全面越级，压过国产同行基本成立；但知识、终端、仓库级程序理解仍落后 Claude Opus 5 一个身位。“逼近”是真的，“全面超越”不是。
数据口径：除特别标注外，所有分数与截图均来自 DeepSeek 官方 API 文档 2026-10-17 发布说明，属厂商自测，尚无第三方独立复现。
一、三分钟看懂这次更新
| 项目 | 内容 |
|---|---|
| 发布时间 | 2026 年 10 月 17 日，网页端 / App / API 同步切换 |
| 权重 | MIT 协议开源，Hugging Face + ModelScope，约 510GB |
| 架构 | 没动。config.json 与 9 月版字节级一致，只换了权重 |
| 官方定位 | 性能–费用的帕累托改进：更准、更快、输出更短 |
| 顺带上线 | 自研 Search / Fetch API，5 元 / 千次 |
发布当天评论区的高频词是“太上进”和“超级斩杀线”（快科技报道）。但“斩杀”到底斩到谁，得看数据。
二、官方成绩单：11 项基准，赢在哪、输在哪
图 1：DeepSeek API 文档官方发布页截图（2026-10-17），蓝框为新模型
把 11 行数据拆成三组，模型画像立刻清楚：
① 反超（4 项，全部是 agentic / 长程执行）
| 基准 | V4.1-Flash-1017 | Claude Opus 5 | GPT-5.6-Sol |
|---|---|---|---|
| DeepSWE v1.1 | 77.0 | 74.0 | 73.0 |
| Automation-Bench V1.0.6 | 60.5 | 50.3 | 45.8 |
| Agents’ Last Exam | 35.4 | 28.6 | 26.7 |
| Apex Bench v1.1 | 72.1 | 65.8 | 54.3 |
② 略逊（3 项，差距 1～2 分）
| 基准 | V4.1-Flash-1017 | 对手 | 差距 |
|---|---|---|---|
| Chartography (w/tools) | 83.0 | Opus 5：84.0 | −1.0 |
| BabyVision (w/tools) | 92.5 | Opus 5：94.1 | −1.6 |
| ZeroBench-main (w/tools) | 51.0 | GPT-5.6-Sol：53.0 | −2.0 |
③ 明显落后（4 项，差距 7～14 分）
| 基准 | V4.1-Flash-1017 | Claude Opus 5 | 差距 |
|---|---|---|---|
| HLE（无工具） | 42.6 | 56.3 | −13.7 |
| Terminal-Bench 4.0 | 42.3 | 51.8 | −9.5 |
| ProgramBench | 29.1 | 37.0 | −7.9 |
| NL2Repo-Bench | 68.2 | 75.3 | −7.1 |
一句话：**它很会“干活”，但还不太会“考试”。**赢的全是要动手跑任务的项，输的全是知识储备与仓库级程序理解。
对比自家 9 月版，进步幅度更能说明这是一次“后训练发力”：Terminal-Bench 4.0 +11.1（31.2→42.3）、ProgramBench +8.8（20.3→29.1）、Apex Bench +7.5、Automation-Bench +5.7、Agents’ Last Exam +3.6、DeepSWE +2.8。
三、“斩杀一切国模”，成立几分？
对 Kimi K3：11 项里赢 10 项，唯一失手是 HLE（42.6 vs 43.5，差 0.9 分）。
对 GLM 5.3：所有列出项目全部领先，而且不是小胜——Apex Bench 72.1 vs 56.6、Terminal-Bench 4.0 42.3 vs 37.9、DeepSWE 77.0 vs 66.9、Automation-Bench 60.5 vs 48.8。
但要泼两盆冷水：
- 这是 DeepSeek 自己挑的对照表，里面只有 Kimi K3、GLM 5.3 两家国产，没有 Qwen、豆包、MiniMax 等。“一切国模”是情绪表达，不是统计结论。
- 全部为厂商自测，且表注写明 Terminal-Bench 4.0 用 Claude Code 框架、DeepSWE 用 Mini-SWE-V2、ZeroBench 用 Pass@5——换 harness 分数会浮动。
准确的说法是：在“小尺寸 / 低价 / 主打 agentic coding”这个格子里，官方这张表上暂时没有国产对手。
四、真正的“斩杀线”在成本图上
图 2：官方性能–成本帕累托图（mini_swe_v2 框架），横轴为对数刻度
这张图比基准表更有杀伤力：
- V4.1-Flash-1017：max 档77.0 分，每任务约1.5 元；low 档 1 元出头就能拿到 73 分左右
- Claude Opus 5：70～74 分区间，每任务十几元到几十元
- GPT-6.1 Sol：约 72～73 分，每任务 3～10 元
- GPT-6 Sol：1.2 元档只有36 分——同一价位下，1017 比它高了近 40 分
换句话说：同样的钱，别人只能跑一个任务，它能跑十个；同样的分数，别人的账单是它的十倍到几十倍。
顺带解释标题里“GPT-6.1 Sol”的出处：它出现在这张性能–成本图里，而基准表里对照的是 GPT-5.6-Sol。两者不是同一代模型，读的时候别混。
读图也要留个心眼：横轴是对数刻度、成本含重试与 token 消耗，官方没有公布原始数据表，这属于方向性证据，不是精确账本。
五、为什么“没换架构”也能涨这么多？
第三方对 Hugging Face 文件的核对结论是：config.json与 9 月版是同一个 blob，48 个权重分片大小全部不变、但哈希全变——只练了权重，没动结构。
公开规格（据第三方对模型文件的分析，官方未给架构表）：
- 总参数约763B（含约 203GB 的 Engram 查表），40 层、hidden size 5120、384 个路由专家、每 token 激活 6 个
- 上下文1M（由 64K 原生长度用 YaRN 拉伸），1M token 的 KV cache 约 0.87GiB
- 稀疏存储 + 短序列哈希查表，让“大参数、低激活”在工程上跑得动
图 6：Hugging Face 官方模型页截图，MIT 协议、763B 参数
官方把增益归因于自反馈强化学习（RL），专门练“从零做完整项目”，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 做了适配（建议 Harness ≥ 0.2.1-rc.1）。
这件事的意义比分数更大：2026 年的边际收益，越来越来自后训练，而不是更大更贵的架构。
六、“许愿式编程”到底长什么样
图 3：官方发布页演示截图（GIF 首帧）
四个官方 demo：故宫 3D 建模、网页版赛车游戏、Godot 复刻《传送门 2》、3D 场景 Valley of Ages。
共同点很关键：**少提示词、少素材参考、极短交互轮次，在 Harness 里从零到能跑。**这不是“补全一段代码”，而是规划、写多文件、运行、看结果、再改的完整闭环——恰好是 agentic 后训练最擅长的区间。
提醒：这是官方精选案例，且都在自家 Harness 里跑。换到你的仓库、你的依赖、你的历史包袱，效果要自己验。
七、顺带上线的 Search / Fetch API
图 4：官方发布页截图
- 底层是自研 DeepSeek 搜索引擎，日处理全球数亿次请求，索引千亿级网页
- 两个接口均为5 元 / 千次（$0.75 / 1000 次）
- 目前在 DeepSeek Harness / Claude Code / Codex 中通过 server 端工具调用仍免费，2026 年 11 月 1 日 00:00（北京时间）起计费
对 agent 开发者的实际价值：搜索、抓取、模型来自同一家，少接一个第三方服务，也少一个计费口径。
八、价格与接入
在deepseek harness平台更新，即可使用
图 5：官方「模型 & 价格」页截图
| 项目 | deepseek-flash |
|---|---|
| 模型版本 | DeepSeek-V4.1-Flash-1017 |
| 上下文 / 输出 | 1M / 最大 384K |
| 输入（缓存命中） | 0.02 元（空闲）/ 0.04 元（高峰） |
| 输入（缓存未命中） | 1 元 / 2 元 |
| 输出 | 4 元 / 8 元 |
| 并发限制 | 2500 |
（单位：元 / 百万 tokens；高峰时段为工作日 9:00–12:00、14:00–18:00）
两个细节值得记：
- 模型名用
deepseek-flash。旧名deepseek-v4-flash、deepseek-v4-flash-vision-exp仍可调用，但对应模型已下线，请求会落到 1017 并按 Flash 计费。 - 支持思考 / 非思考模式、Tool Calls、Responses API、Anthropic API、图像理解——接 Claude Code、Codex 这类工具不用改协议。
九、三个“但是”
- **全是自测。**表注自己写明了 harness 与评测方式，换个框架、换个提示词，分数能差好几分。真正的结论要等第三方复现和你自己的仓库。
- **对照组不是最新一代。**表里是 Claude Opus 5、GPT-5.6-Sol，而 Opus 5.5、GPT-6.1 Sol 已经发布。跨代比“逼近”，说服力要打折。
- **510GB 权重。**MIT 开源是“保险”，不是“免费午餐”：个人机器跑不动，多数团队最后还是走 API，自部署是给有卡的团队准备的。
十、结论：现在该不该换
- 高频 coding agent、批量任务、成本敏感：直接加一路
deepseek-flash。按官方成本图，同等任务量下账单大概率降一个数量级。 - 硬知识问答、终端长链路、仓库级重构：继续用 Opus 5 / 5.5 打底，让 DeepSeek 去干那些“跑量”的活。
- 想自部署 / 要合规可控：MIT 权重是当下少有的选项，但先算清楚 500GB 级的显存（或统一内存）和运维成本。
**它不是在“斩杀一切”，而是在把 agentic coding 的价格打下来。**对开发者来说，这比榜单上的名次更值钱。
参考来源
- DeepSeek 官方发布说明（2026-10-17）：https://api-docs.deepseek.com/zh-cn/news/news261017
- 官方「模型 & 价格」：https://api-docs.deepseek.com/zh-cn/quick_start/pricing
- 模型权重（MIT）：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
- 参数与文件结构分析、跨代对照背景：AI Tools Review 独立整理（2026-10-18）
