10月17日下午，DeepSeek把网页、App和API里的模型一起换掉了：新版名为DeepSeek-V4.1-Flash-1017，官方把它定义成一次"小改版"——架构没变、规模没变、API价格没变，权重照旧以MIT协议在Hugging Face和ModelScope开源。但这次"小改版"的账面变化不小：官方自测的11项基准全部上涨，DeepSWE编程测试拿下77%的最高分，单个任务的成本降到旧版的四成左右。至于这两天传得最热的"新版是蒸馏自GPT-6"的说法，截至10月18日只有匿名网友的自述检测，OpenAI和DeepSeek双方都没有回应，也没有可复现的第三方报告。知乎专栏知乎专栏
一次"小更新"，换的是什么
DeepSeek在10月17日（周六）下午通过X官宣升级，官方模型卡称这是一次小版本更新，推理、写代码、Agent任务和视觉测试都有明显进步；和9月10日发布的上一版相比，Terminal-Bench 4.0从31.2提高到42.3，DeepSWE v1.1从74.2提升到77.0，不带工具的HLE从36.8升到42.6。真正的变化在训练方法上——新版采用基于自我反馈的强化学习训练，让模型拿自己的置信度和自我批评当奖励信号，不再依赖人工打分。落到产品上，就是DeepSeek这次主打的"许愿式编程"：提示词给得很少也能交出可运行的完整项目，官方演示包括故宫3D建模、网页赛车游戏和用Godot引擎复刻的《传送门2》。知乎专栏知乎专栏
API侧几乎没有门槛：调用方式和价格保持不变，开发者仍用deepseek-flash这个模型名就能访问最新模型，上下文100万token，DeepSeek依旧没有公布参数量。从9月10日的初版到10月17日的1017，正好一个月一版。知乎专栏
分数涨到哪条线：口径要对齐
横向对比更能说明位置。对着Claude Opus 5，11项里赢4项、输7项：赢的集中在软件工程和Agent自动化——DeepSWE 77.0对74.0、Automation-Bench 60.5对50.3、Agents’ Last Exam 35.4对28.6、Apex Bench 72.1对65.8；输得最重的是HLE（42.6对56.3）和Terminal-Bench 4.0（42.3对51.8）。也就是说，它赢的是"干活"，不是"纯智力"。知乎专栏
对国内对手，除HLE以42.6略输Kimi K3的43.5外，其余项目全部领先Kimi K3和GLM-5.3。需要留一句：以上都是官方自测成绩，截至发稿，独立评测还没出来，最终成色要等其他跑分方交卷。知乎专栏知乎专栏
实测体感：强在"从零造项目"，翻车在2D场景
开发者的实测和官方口径基本对得上。别看版本号只多了个日期，对比上一版，模型性能全方位起飞——这是小林coding爆肝实测一天后的结论。他用DeepSeek Harness桌面端做了一轮"一句话提示词"测试：跑步的斑马SVG、骑斑马的鹈鹕、3D马里奥赛车、SpaceX"筷子夹火箭"动画、3D版清明上河图、千与千寻海上小火车，大多几十分钟一次成型；和GPT-6 Astra、GPT-6.1 Sol同题对比，它街景丰富度赢了，雨水反光的物理质感输了。知乎专栏
新旧版对照更有说服力：同一句提示词让一个多月前的旧版来做赛车游戏，完全玩不了，跑道是歪的，车一动不动；1017版则能完整跑完三圈、还自带角色选择页。知乎专栏
翻车也有：2D平面锦鲤鱼塘里"鱼画得像泥鳅"，改成3D版本又出现"倒着游"。多篇实测的共同结论是，这次强化学习明显偏科在3D建模、游戏和完整项目上，平面视觉反而不稳。
另一个细节是发布前奏。10月15日早高峰8点11分起，DeepSeek网页、对话服务、V4 Pro API和V4.1 Flash API同时中断，官方状态页挂出红色故障公告；几乎同一时间，一个"DeepSeek Harness"官方账号现身B站。至于宕机是不是新模型发布前的动作，官方没有给出任何关联证据。中断前后持续近5小时，根因未披露，但补偿是实际的：DeepSeek按每个账号10月8日至14日的消耗全额返还赠金，接入的腾讯WorkBuddy、CodeBuddy也同步退款并额外赠送500积分。36氪知乎专栏
成本才是这次的主角
DeepSeek同步放出的DeepSWE（修真实代码问题）成本对照图里，新版最高档成功率77.0%、每题约0.2美元，旧版最高档约74%、每题约0.5美元——分数更高，每题成本却降到了原来的约四成。便宜的关键是回答变短、步骤变快：API按token计费，单价没动，但完成同样任务写的字少了，账单自然缩水。知乎专栏
不过传播中最容易被混用的一个数字要单独说清：vLLM项目在GB300平台上测出"1美元约13亿token"（每百万token合0.00077美元），这是算力端的总拥有成本（TCO），不能和API标价（输入每百万token 0.15美元）直接划等号——后者还要摊入研发、运维、带宽、利润等复杂因素。两者相差约200倍这个事实本身，足以说明DeepSeek在成本端的底子有多厚，但它不等于用户实际能拿到的价格。知乎专栏
社区侧的放大效应已经出现：OpenCode、CommandCode的10美元套餐，实际用量额度被打到了80-120美元，OpenCode这两天甚至直接免费开放；在聚合路由平台上，V4.1 Flash一家的用量已经是百万亿token级别，一家顶六七家友商的总和。知乎专栏
GPT-6传闻：真事、假说，分开看
先给传闻一个准确的坐标。GPT-6不是传闻——OpenAI已在10月7日把GPT-6推给了所有用户，官方数据是每周使用ChatGPT的人超过12亿。10月17日，与DeepSeek同一天，OpenAI又把ChatGPT里的GPT-6 Astra Pro升级，官方帖子列了四点：响应更快、插件和工具调用更好、多个智能体可以并行处理同一任务的不同部分、能自动委派子任务再整合结果。知乎专栏知乎专栏
网络上的"传闻"指的是另一件事：有匿名网友声称用"模型指纹"检测工具在V4.1-Flash-1017里测出了GPT-6 Astra的痕迹，暗示新版是从GPT-6蒸馏出来的。这个说法在知乎相关问题下攒出了合计两千多个赞同的头部回答，但高赞几乎都在拆解它——流传最广的反驳是，拿同一套工具去测Python，也能"测出Python蒸馏了GPT"，方法学本身不过关。另一条质疑指向传闻叙事的自相矛盾：此前社区的说法是OpenAI和Anthropic都隐藏了思维链、“蒸不了”，新版本一出来又改口"是蒸出来的"。知乎问答知乎问答
证据边界要划清楚：DeepSeek官方公布的后训练路径是自反馈强化学习，不依赖外部模型的输出打分；1017在11项跑分里输掉7项给Opus 5、HLE大幅落后头部闭源模型，这种"偏科"的能力结构与"整体复制某家旗舰"也不吻合。截至目前，没有OpenAI声明、没有DeepSeek回应、没有可复现的第三方检测报告——“指纹测出GPT-6"只能按未核验传闻处理。真正值得盯的是接下来几周陆续放出的独立评测：如果第三方在编程和Agent任务上复现出77%的DeepSWE水平，讨论重心自然会从"它是不是蒸的"移回"它凭什么这么便宜”。
同一天还有两件事，值得一起看
DeepSeek与模型更新同步上线了Search（网页搜索）和Fetch（网页抓取）两个API，背后是自研搜索引擎、官方称收录了全球千亿级网页，定价每千次成功请求5元、失败不计费；在Harness、Claude Code和Codex里经DeepSeek API的自动调用，11月1日零点前免费。搜索能力从产品内置变成单独计价的接口，这是DeepSeek第一次把它做成开发者可用的基础设施。知乎专栏
另一件事在政策面。10月16日，商务部与科技部发布2026年第48号公告，拟在技术出口限制目录中增列AI领域23项技术，指向性能、使用量、安全等指标进入全球前十的顶尖模型，范围包括模型权重、检查点、源代码与架构。公告同时有一条关键豁免：已通过开源、发表论文进入公共领域的技术不纳入管理，企业用受限大模型对外提供API、App或网页服务也不属于技术出口；目前草案还在征求意见期（截至11月15日）。按这个口径，DeepSeek继续开源MIT权重，恰好踩在豁免的一侧。知乎专栏
现在就能上手的路径
普通用户打开DeepSeek网页或App即是1017版；开发者的API模型名和价格都没变，无需改代码；想在Agent工具里吃到完整适配，DeepSeek Harness需升级到0.2.1-rc.2以上，腾讯CodeBuddy、WorkBuddy也已同步适配优化。验证它成色的最省事路径，是拿自己手头一个真实任务——尤其是过去让旧版翻车过的3D或完整项目类需求——用一句简短提示词重跑一遍。这次社区实测里最一致的结论是：进步肉眼可见，但它离"全面超过闭源旗舰"还差着HLE那一截。知乎专栏
