10月17日,DeepSeek 一口气放出两项更新:DeepSeek-V4.1-Flash-1017 正式发布,模型性能进一步提升,API 价格保持不变;自研搜索 API 同步开放,开发者可以直接调用它的网页搜索和内容抓取能力。官方网页端、APP 与 API 同步变更为新模型,版本仍叫 4.1——这是一次权重升级,不是换架构,老用户不改一行代码就能用上新版。官方给这次更新的定性是性能与费用的帕累托改进:基准全面上涨的同时,任务运行时间和输出长度都在缩短,能以更低的成本完成同样的任务。知乎微博微博
涨得最多的,全是"把活干完"的能力
这不是一次新模型发布,但进步是真的。官方对比9月版,11项基准全部上涨,涨幅从 2.0 分到 11.1 分;涨得最多的两项都指向"把活干完"——Terminal-Bench 从31.2跳到42.3,ProgramBench 从20.3到29.1,一项考终端里执行,一项考把程序真正搭起来。知乎
整条开发链路的验证也落在同一方向:软件工程基准 DeepSWE v1.1 中,新版得分超过 GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5 等模型,单项任务平均费用较上一版本下降约六成。模型权重同步开源,MIT 许可,HuggingFace 和 ModelScope 都能下。智东西知乎
外部佐证出现在两天后:10月19日,Arena 宣布 V4.1-Flash-1017(Max)超过 Kimi K3(Max),成为 Code Arena: WebDev 榜单排名最高的开源模型,得分1670,仅落后榜首的 GPT-6 Sol(Max)12分,并且站上了"没有别的模型能同时比它更便宜、得分更高"的帕累托前沿。智东西
实测端的体感很直接:智东西用新版做3D开封古城和网页赛车两个项目,两项案例均一次性完成,合计花费约6元。科技博主花叔的夜间实测更极端,10多个案例烧了5亿token,账单28块钱。智东西微博
但"全涨"之外:11项里它只赢了4项
官方口径是"在4项 agentic 测试中超过 Claude Opus 5",这话没错,反过来读更清楚:11项里,它输了7项。知乎
输得最狠的是考跨学科硬知识的 HLE:42.6 对 56.3,差13.7分。赢的集中在修 bug、跑流程,输的集中在知识深度和复杂推理——这次的提升来自"基于自反馈的强化学习",让模型自己评判自己的输出再迭代,这对"把活干对"有效,但补不了"知道更多"。所以它的画像很清楚:不是最聪明的模型,而是能干完活还特别便宜的那一个。知乎
官方的演示也按这条线走:故宫3D建模、网页版赛车游戏、Godot 引擎复刻《传送门2》,一句需求搭一个能跑的项目。但要注意,这些是官方自己挑的案例——它验证的是能力上限的方向,不是每个任务的成功率。知乎
另一半更新:给 Agent 装上"眼睛"
如果说模型升级是"大脑",同天开放的 Search、Fetch 就是眼睛:前者按关键词找网页、返回结构化结果,后者给一个 URL、返回 Markdown 正文,同一套 API Key 就能调,成功请求各约 0.75 美元/千次(国内报道约 5 元/千次),失败、空结果、超时不计费。这套引擎此前只服务自家产品,官方介绍其拥有全球千亿级网页索引,每天处理数亿次搜索请求,并针对 SEO 作弊、GEO 操纵和低质量 AIGC 内容进行过滤。对做 Agent 的人来说,省掉的是"再接一个第三方搜索服务"的那一整套麻烦。知乎知乎
需要注意的是计费窗口:目前在 DeepSeek Harness、Claude Code、Codex 里走服务端工具调用,Search/Fetch 暂时免费,2026年11月1日零时起开始计费。知乎
48小时后,对手就交了卷
这次升级的时间点也值得放进画面里。10月19日,MiniMax 发布 M3.1 Flash,定位 Coding/Agent 优化的轻量模型,上下文给到100万 token。在两者共同出现的 Automation-Bench 上,M3.1 Flash 拿下62.8分全场第一,刚发布的 V4.1-Flash-1017 是60.5分——被压了一头。智东西新智元
计费结构的差异更实在:V4.1-Flash-1017 高峰时段每百万 token 输入2元、输出8元,空闲时段输入1元、输出4元。而 M3.1 Flash 不分时段,全天都是 DeepSeek 空闲时段的价,工作日白天跑批量任务的企业,两边账单立刻差出一倍。智东西新智元
回到"值不值得换":老用户不需要任何动作,价格与调用方式不变,能力、榜单和成本曲线自动变好;已经在用 Harness、CodeBuddy、WorkBuddy 这类框架的人,可以趁 11月1日 计费窗口关闭前,把 Search/Fetch 接进自己的工作流验证一遍。需要留一手的是证据边界——11项全涨是官方自测,Arena 分数是单一平台单一榜单的时点快照,真正该盯的是自己任务集上的成功率和账单变化。而当 MiniMax 48小时内就跟着交卷,"便宜且够用"已经从卖点变成了入场券,编程 Agent 这条价格战赛道,接下来拼的不再是谁跑分高,而是谁能把"许愿式编程"稳定变成能交付的项目。
当前文章无评论,是时候发表评论了