DeepSeek的更新发生在10月17日：V4.1 Flash升级至V4.1-Flash-1017，主打「许愿式编程」，官方标题是「许愿式编程一键成真」。模型价格不变，网页、App、API同步切换，权重也已开放下载。先把「新模型」这个标签校准：它不是新架构，底子仍是9月技术报告里那个552B参数MoE、1M上下文的模型，1017属于后训练层面的迭代，官方把能力提升归因于「基于自反馈的强化学习」。这篇横向测评真正要看清的增量是：分数涨了、每任务费用降了，而且补的恰恰是上一版被用户诟病最多的「从零搭项目」短板。哔哩哔哩知乎知乎
所谓许愿式编程，指用自然语言描述需求，剩下的规划、写代码、运行、检查、修改由模型自己接着往下推，用户不必逐行指导。官方公告放了四个演示：故宫3D建模、网页赛车游戏、用Godot复刻的《传送门2》，以及一座山谷从远古演变到现代的「Valley of Ages」。但公告同时给这四个案例写了限定条件：较少的提示词与素材参考、DeepSeek Harness框架内、极短的交互轮次。轮次是含金量所在：项目级生成最怕的不是写不出代码，而是写错以后调不回来；轮次短，说明模型对项目结构和引擎API的第一次判断就对了大半。知乎哔哩哔哩知乎
新旧对照的11项基准全线上涨：Terminal-Bench 4.0从31.2到42.3，ProgramBench从20.3到29.1，DeepSWE v1.1从74.2到77.0——涨幅最猛的两项都是长程执行类评测，和「从零搭项目」在同一条能力线上。横向比较，六个模型、十一项，1017拿了四个第一：DeepSWE 77.0压过Claude Opus 5的74.0，Automation-Bench 60.5对上对方的50.3，加上Agents’ Last Exam和Apex Bench，另有五项排第二、距离第一很近。「屠榜」的说法过头了，但前沿位次确实是它的。知乎知乎
成本曲线比单项分数更有决策价值。DeepSWE v1.1上，新版max档通过率较上一版提高2.8个百分点，平均单任务费用则从约3.3元降至约1.3元，降幅约六成。官方同时把每个模型的通过率和「完成一个任务平均花多少钱」画成了散点：作为对照，Claude Opus 5的最高档约75%、与1017只差两个点，费用却从五十元标到上百元；GPT-6.1 Sol最高档约71%，对应费用十元上下。官方把这叫「性能-费用的帕累托改进」，称新版在多个Harness下达成。Agent任务第一次可以把「分数」和「每任务花多少钱」放进同一个坐标系里权衡，这才是这次横评里最该被记住的一条。知乎知乎哔哩哔哩
还有一个多数人一扫而过的细节：官方评测脚注写明，Terminal-Bench 4.0是在Claude Code框架里跑的，DeepSWE用的是mini-swe-agent。看任何横评都必须连着框架看；知乎上也有用户提醒，DeepSWE这类榜单已趋饱和，几个点以内的差距不必当成硬排名。知乎
官方演示之外，独立实测给出的信号方向一致。知乎用户天涯海峰在DeepSeek Harness里只给了一句「设计一个DeepSeek发展历程的宣传片」，21分45秒后拿到成片、分镜提案PPT和中文字幕文件。整个过程花了2.98元，他自估Claude Opus 5做同类任务「至少花50多」——个人估算，不是严格对照。知乎
B站up主1s10e5_做了更接近单题横评的对照：同一份「从零开发一款3D科幻解谜游戏」的单次提示词，全程不干预，DeepSeek 1017跑了约50分钟、交付了可玩项目，花费2.54元，up主也直说音效很差、奔跑时视角抖动。GPT-6.1 Sol（high思考）则中途撞墙：跑到15分23秒，五小时的Plus额度已经耗尽。额度重置后续跑，它只补了README和启动脚本，没有改善游戏本身。另有用户多题实测总结「1017手感在GPT-5.6 Sol和6.1 Sol之间」。单人单任务，不能外推，但和官方成本曲线互相印证。哔哩哔哩
把模型和框架当一个商品来算，这轮更新有几个现成的锚点。官方明确本次更新针对DeepSeek Harness、腾讯CodeBuddy和WorkBuddy做了适配，建议Harness升级到0.2.1-rc.1及以上，符合条件的用户首次登录可领6元赠金，无需充值体验。原本在用Claude Code或Codex的用户不必换工具：这些框架同样能接入DeepSeek模型，且框架内通过服务端调用Search/Fetch接口目前免费，这一额度到11月1日0点截止，接口按5元/千次计费——把检索接进Agent之前，先把这笔账算进去。选型逻辑随之清晰：高频迭代的原型和小工具，1017配官方框架一块多钱能跑完一单；要能力天花板的复杂工程，最强闭源模型仍有存在理由；对数据敏感的团队，MIT权重可以本地部署再接任意框架。再提醒一句，10月15日那次近5小时的API服务中断（官方随后把10月8日至14日的消耗以赠金形式全额返还）说明：对生产调用，稳定性本身就是选工具的变量。知乎知乎
「许愿式编程」不是新词，也不缺教训。10月初，几乎全靠AI写成的Minecraft模组加载器项目Forbric走红后被多位UP主质疑夸大宣传，其中流传很广的提醒是：许愿式编程里有两台会产生幻觉的机器。一台是模型，训练方式让它学会把结果做得「看起来完成」；一台是许愿者，容易把「能跑」当成「做对了」。上一版V4.1 Flash还在10月2日被知乎用户吐槽「理解不了项目」，这次更新补的正是这块，但快照版本之间会有波动，接入生产前最好先备好自家的回归测试。官方给演示写的那三个限定条件，其实已经把结论摆好了：许愿式编程能把一个想法在预算内推到可运行、可把玩的原型，这个门槛现在普通用户试得起；而从原型到产品之间，验收和排查那部分工作，仍然外包不出去。哔哩哔哩知乎
