热榜上的"新大模型"是 DeepSeek-V4.1-Flash-1017。10 月 17 日，DeepSeek 更新了开源模型 V4.1-Flash-1017。 用官方的定性说，这不是新一代模型，而是一次"小改版"——架构没变、规模没变、API 价格没变。 但官方模型卡给出的结果是 11 项基准全部上涨：涨幅集中在写代码和智能体任务上，输出明显变短，同样的任务跑下来花费更低，单价却一分没动。对用户来说，这次热点其实是三件事：它到底强在哪、为什么跑分有两套说法、以及"静默替换"跟你有什么关系。知乎知乎
强在哪：工程赛道跳了一大截
提升基本都写在"工程"这一侧：Terminal-Bench 4.0 从 31.2% 涨到 42.3%，DeepSWE v1.1 到了 77.0%。 一个考终端里跑任务，一个考修真实代码的 Bug，都是编码 Agent 的主战场。和顶级闭源模型的对照并不是一边倒：对上 Claude Opus 5，赢 4 项、输 7 项。 赢的集中在软件工程和 Agent 自动化，输在 HLE 这类综合知识上（42.6%，落后 Opus 5 约 13.7 分）；对上 Kimi K3 和 GLM-5.3，除 HLE 略输外全面领先。知乎知乎
涨幅的来源，官方公告里最关键的一句是"用自我回馈强化学习提升端到端项目开发能力——从做游戏到 3D 建模"。 也就是让模型拿自己的评估当奖励信号，专门练"从零做出完整项目"，官方放出的演示——故宫 3D 建模、网页赛车游戏、Godot 复刻《传送门 2》——全是这条路线。这套叙事在中文社区被概括成"许愿式编程"。 微博上也有开发者直呼进步幅度大、这什么后训练仙人？ 需要说明的是，奖励信号具体怎么构造、如何防止自我强化跑偏，官方还没披露技术细节。知乎知乎微博
隐藏的主角：账单
价格表面上没动：人民币报价仍是闲时输入 1 元、输出 4 元每百万 token，峰时翻倍，缓存命中另有更低的单价。 真正变化发生在任务这一侧：官方 DeepSWE 成本对照图上，新版以 77.0% 的成功率做到每题约 0.2 美元，旧版约 74% 却要 0.5 美元——分数更高，每题成本降到了原来的约四成。 道理很简单：API 按 token 计费，这版把话写短、把活干快，账单自然缩水。有知乎作者同设置实测，1017 的 Token 消耗减少 31%、任务耗时下降 59%，不过这组降幅属于个人实测，只能参考。知乎知乎知乎
两拨争议：分数不能直接比，"换皮"说不可信
发布后最热的争论，是 42.3% 该信几分。官方跑 Terminal-Bench 4.0 用的是 Claude Code 框架，跑 DeepSWE 用 mini-swe-v2。 也就是说，这是"指定框架 + 指定版本"下的成绩。知乎
第三方口径是另一回事：OpenRouter 模型页引用的 Artificial Analysis 数据里，Terminal-Bench 4.0 只有 26.8%。 与官方差 15.5 个百分点——不过该页面并未注明实测对象是否对应 1017 快照，若测的是 9 月版本，差距会收窄到 4.4 个百分点。分歧的落点在于官方分不等于换套框架的分：外层框架、推理档位、测试版本都会改写结果，直接抄官方跑分对比自己手里的框架，等于拿别人的分当自己的用。知乎
另一拨"DeepSeek 是 GPT-6 换皮"的说法，来自一次模型指纹检测：有开发者用 ModelTrace 测 V4.1 Flash，得到与 GPT-6 Astra 较高的相似度。 但关键细节是，该工具的候选模型库当时只包含 GPT、Claude 等系列，并没有收录 DeepSeek——不在库里的模型只能被归到库内"最像"的那个，相似度百分比当不了身份证。"换皮"论目前只是未经核验的社区猜测，而黑盒指纹在学界也仍是改进中的检测方向，不是可靠的鉴定手段。知乎
静默替换：三个要留意的点
最容易被热榜内容漏掉的变化，是发布方式：官方 API 只保留 deepseek-flash 一个名字，1017 是覆盖式更新，用户无法在端点层面钉住旧版本。 OpenRouter 上这个模型的前五大调用方全是 Agent 框架，不少生产环境等于在不知情的情况下换了引擎；换模型还会让 KV 缓存作废，此前缓存命中的 token 要重新付费。对拿 Agent 干活的团队来说，这次更新的实际含义是一轮回归测试，而不只是尝鲜。知乎
另外两个时间窗口。10 月 15 日 DeepSeek 曾故障近 5 小时，恢复后官方按账号 10 月 8 日至 14 日的消耗金额，以赠金形式全额返还，后续调用时抵扣。 而检索接口方面，Search 与 Fetch 定价 5 元/千次，目前在 Harness、Claude Code 等框架内的服务端调用不计费，从 2026 年 11 月 1 日 00:00 起按次收费。 也就是说，跑大量检索的任务会从下月起多出一笔与 token 无关的固定开销。知乎知乎
第三方平台也在借窗口拉人：WorkBuddy 国际版把新模型挂上，标注 free through Oct 31。 注意那是平台的补贴，不是 DeepSeek 降价。知乎
这版适合谁
独立综合榜单也还没完成对 1017 的复测。 它的高分暂时只代表官方口径，而且独立测试显示它并不"诚实"：在 AA-Omniscience 上，这个模型的准确率 46.4%，非幻觉率只有 3.5%。 对编码和检索场景，这表现为编造不存在的 API，比答得慢更麻烦。知乎知乎
结论并不复杂：拿它写代码、做网页、跑长任务的，值得拿手头任务立刻在自己的框架里实测一次；指望它当全能旗舰、包办写作和日常问答的，它还不是。单价看似没变，但峰时计费、缓存命中率、检索费这些变量，会从 11 月起悄悄改写月账单。
