10月17日，DeepSeek把线上Flash模型更新为DeepSeek-V4.1-Flash-1017，网页端、App、API同步切换，权重按MIT许可开源。 标题里的“总榜第11”，出自Arena的智能体榜单：它在衡量真实任务表现的Agent Arena上位列总榜第11、开源模型第一。 值不值得换，一句话结论：拿它写代码、跑任务，值得换，而且眼下试错成本几乎为零；拿它做知识问答和深度推理，旗舰还得留着。拆开讲三件事——这次更新到底是什么、榜单第11的含金量、以及“免费平替”这笔账的真实结构。梨视频知乎IT之家
这不是新模型，是一次“换权重”
最容易误会的地方先说清：官方配置文件与9月10日那版完全一致，参数规模没变，变的只有权重，更准确的说法是V4.1 Flash换了一个新checkpoint。 但提升也是实打实的：官方对照表里11项基准几乎全线抬升，Terminal-Bench 4.0从31.2%涨到42.3%，ProgramBench从20.3%涨到29.1%，DeepSWE v1.1从74.2%到77.0%。 涨分集中在“把活干完”这一侧——终端执行和程序构建测的不是生成代码片段，而是能否自己把项目搭起来跑通，官方口径的新能力被称作“许愿式编程”，可一键生成游戏、3D建模等。知乎知乎36氪
榜单的另一面：赢在干活，输在知识
Arena的两个榜单都指向同一个位置：Code Arena的WebDev榜上，DeepSeek得分1670分、整体排名约第12，超越Kimi K3（Max），成本却只有后者约1/10。 官方演示的故宫3D建模、网页版赛车游戏、Godot复刻《传送门2》等案例，也全部来自自测自选，不代表第三方环境下的普遍水平。知乎知乎
非官方实测里，媒体用1017做古代开封3D探索和网页赛车游戏，两项案例均一次性完成、合计花费约6元。 也有创作者拿5亿token跑了十多个案例，只花了28块钱。36氪蚁工厂
把官方对比表横过来读更关键：赢下Claude Opus 5的是4项agentic任务，11项总计输7项，输得最多的是考跨学科硬知识的HLE——42.6对56.3，差13.7分。 这个模型不是最聪明的那个，而是能干完活还特别便宜的那个。知乎
成绩和你的成绩之间还隔着一层执行框架：官方跑Terminal-Bench用的是Claude Code框架，并专门注明要把DeepSeek Harness升到0.2.1-rc.1以上才能拿到最优体验；而OpenRouter页面引用的Artificial Analysis独立数据里，同系模型的Terminal-Bench 4.0只有26.8%，与官方42.3%相差15.5个百分点——不排除独立数据对应的是9月版本，即便那样差距也仍有4.4个百分点。 换一套框架，分数就不是那个分数，总榜第11无法直接搬进你的工作流。知乎
另一条容易被跑分盖住的短板是幻觉：在Artificial Analysis的Omniscience测试中，这个模型准确率46.4%、非幻觉率只有3.5%，遇到不会的问题几乎从不承认。 用在编码Agent和检索链路上，编造不存在的API会把整条流程拖回去返工。知乎
“免费平替”这笔账：入口、单价、和11月1日起的新账单
OpenCode官方宣布把DeepSeek V4.1 Flash免费开放，给开发者递了一个不付费就能用上Flash档的窗口。 但这个免费口子的规格有限：据行业快讯，OpenCode免费版上下文窗口只有付费版的1/5，读大仓库、跨文件重构会先撞墙，重度使用仍要回到付费档或本地部署。WorkBuddy国际版则把满血版1017限时免费到10月31日，原生多模态、1M上下文，同时设每日基础额度、高峰期可能限流。知乎知乎
付费侧的单价一分没动：每百万token人民币报价为闲时输入1元、输出4元，峰时2元、8元，峰时指北京时间工作日09:00–12:00和14:00–18:00；缓存命中的输入价闲时低至每百万token 0.02元。 官方对“任务更省钱”的解释是运行时间和输出长度同步缩短，DeepSWE测试中单任务平均费用较上一版降了约六成，但没有给出适用于所有任务的节省比例，省多少仍要拿自己的项目测。知乎知乎
两笔新账藏在细节里。一是DeepSeek首次把自研搜索开放为Search/Fetch接口，5元/千次成功请求，目前经DeepSeek Harness、Claude Code、Codex的服务端调用不计费，将从北京时间11月1日零时起按次收费。 二是版本控制：线上API只保留deepseek-flash一个名字，1017是覆盖式更新，用户无法钉住旧版本，静默换权重等于把依赖长上下文的缓存命中清零。知乎知乎
对号入座：盯住10月31日和11月1日
已经在用deepseek-flash的人什么都不用改，新版已自动生效；拿它写代码、做原型、跑Agent任务的用户值得换，几块钱一个项目级成果的试错成本摆在那里。原本挂着V4 Pro的人更没得选：9月14日起请求已全部路由到Flash、按Flash计价，而V4.1 Pro至今未见上线。 需要知识深度、复杂推理，或者要靠固定版本做回归测试和成本预测的场景，别急着把旗舰踢掉；更稳的用法是分层——强模型定架构做复核，1017负责执行。可靠性也要计入：这轮上新前两天，DeepSeek刚经历一轮宕机，媒体统计那已是其年内第18次。知乎36氪
这个档位本身还在升温：10月20日MiniMax发布M3.1 Flash，输出卷到200+TPS、价格砍到一半，正面硬刚DeepSeek。 所以“总榜第11”的准确读法是前十梯队里最便宜的，而不是能替掉前十；“免费平替”的准确读法是10月31日、11月1日这两个节点之前的限时入口。要不要把生产任务交给它，拿自己真实的项目在窗口期内跑一遍，比任何榜单都管用。36氪
