10月20日，Arena更新榜单：DeepSeek-V4.1-Flash-20261017（Max）位列Agent Arena开源模型第一、总榜第11，评测基于约7500次真实使用会话，相对平均模型的综合净改善约5.1%，单任务成本中位数约0.20美元。 总榜第11的含金量不是"又一个开源第一"：排在前面的10个位置全部属于闭源模型，而它的单任务成本比排名更高的对手都低。东方财富
这个榜考的不是考题，是真实会话
Agent Arena不是让模型刷静态题库。和考卷式基准不同，它的成绩来自用户真实使用会话：干没干成、用户是否买账，直接决定排名。这也是10月中旬小米MiMo-V2.6-Pro曾凭以登顶开源榜的那把尺子。快科技
Arena公布的分项更能说明问题：任务成功确认、用户正负反馈、Bash命令执行可靠性、可引导性四项指标中，1017全部位列开源模型第一，其中任务成功确认一项在总榜上排第8——哪怕只算"把活真正干成"这一个维度，它也只输给七个闭源模型。 IT之家同步转述的榜单结论还有一条：工具幻觉问题少、已进入性能成本帕累托前沿，这正是Agent开发者最在意的两个指标——前者决定它会不会编造一个不存在的工具结果，后者决定它值不值得批量投产。东方财富IT之家
第11名是抢回来的，不是捡到的
开源榜第一这个座位，十几天前还不在DeepSeek手里。10月中旬，小米宣布MiMo-V2.6-Pro在Agent Arena开源模型榜单排名第一；按其公告所引Arena数据，MiMo Pro每任务成本约0.11美元，比当时位列开源第2的DeepSeek V4.1 Flash还低15%，是性价比曲线上的另一个极端。 1017版本上线后，DeepSeek先是在10月19日拿下Code Arena: WebDev开源第一，随后在10月20日把Agent Arena的座位也夺了回来，整个开源头部位置像走马灯一样换人。微博智东西
含金量因此有了对照组：这不是在无人区称王，而是在国产开源互相追咬的换座节奏里夺回的座位。需要同时看清的是，其整体排名仍落后于顶尖闭源模型，只是花钱比这些对手少得多。 第11名证明的是开源阵营与顶尖闭源的差距在收窄，而不是已经抹平。未来图灵
便宜是怎么算出来的
发布当天这事看着并不炸裂：网页、App、API同步切到1017，官方公告一句话"能力升级，价格不变"，模型权重照常放上Hugging Face与ModelScope。 涨分集中在最考Agent的基准上：Terminal-Bench 4.0从31.2涨到42.3，提升35%，官方对这次更新的定位也只是V4.1-Flash的小版本迭代。知面李建泉
账本的另一半是价格结构。输入缓存命中时，每百万Token输入价在高峰时段0.04元、空闲时段0.02元，综合成本约为Kimi K3的1/10。 在DeepSWE v1.1这类一整条开发链路的测试上，1017做到了77.0%的Pass@1，对应约0.2美元一个任务；同场约73%分数的Claude Opus 5，单任务花费要70多元。智东西算法一只狗36氪
同一天开放的自研搜索Search/Fetch接口补上了最后一块：Agent联网检索按每千次成功调用5元计费，11月1日零时起才正式收钱——检索这一步不收钱之前，模型便宜只是前半句账单。知乎
含金量不包括什么
便宜的另一面是时间。开发者Ibragim Badertdinov用十道"人一小时能干完、模型常翻车"的生产脏活实测：DeepSeek每任务平均0.045美元，是Claude Opus 5.5的38%、GPT-6 Astra的约1/5.8；但平均耗时2分38秒，Opus只要37秒，它平均要走15.3步才交一份活，而Opus是3.7步。 它不是想得更少，而是在"演算、验证、回滚、再试"的闭环里用步数换准确率——把试错做得足够便宜，才是这次更新真正的机关。知面
榜外也有短板：HLE硬知识测试42.6分，落后Opus 5近14分；NL2Repo、ProgramBench同样差一截——知识密集型和大型项目重构类任务，它还不是最优解。 稳定性同样要计入：发布前两天，10月15日DeepSeek网页端与API曾中断近5小时，官方按用户前一周消耗全额返赠金，媒体统计这是年内第19次服务中断——对把Agent接入生产流程的团队，这是选型时绕不开的变量。李建泉知面
围绕这次更新的"模型指纹"截图风波也不宜计入榜单可信度：检测器把新模型输出判得更像GPT-6 Astra，有人据此猜"套壳"。但涉事工具ModelTrace的README自己写明：未被指纹库收录的模型也可能被归到已有候选中，结果不能当作决定性证据；1017权重已公开，核查有比截图更扎实的入口。 榜单成绩本身产生于Arena端的真实用户会话，这张截图既不能给登顶加分，也不构成减分项。AI造物局
对能接受"夜里跑批量、闲时生成代码"的用户，总榜第11加单任务一两块钱，意味着以前舍不得交给AI的活现在可以放开手让它试错；对实时交互场景，三倍耗时仍是真实成本。接下来看两个信号：11月1日搜索接口正式计费后，Agent整套账单是否还站得住；以及被MiMo-V2.6-Pro盯上的开源榜首，能坐几天。
