10月17日，DeepSeek把V4.1 Flash升级到V4.1-Flash-1017，网页端、App和API同步切换，API调用名仍是deepseek-flash，单价一分没动，权重以MIT许可开源。官方给这次更新的定性是"性能-费用的帕累托改进"，而这两天社区密集的"测上下限"，恰好给这句定性补上了另一半。上限，是它成了当下最能"把活干完"的低价模型；下限，是它交完活自己看不出哪里不对——11项基准相对9月版全线上涨是真的，11项横向对比只赢4项，也是真的。知乎知乎
上限长什么样？ 对比9月10日首发版，Terminal-Bench 4.0从31.2涨到42.3，ProgramBench从20.3到29.1，DeepSWE v1.1提到77.0，涨幅最猛的科目全部集中在终端执行和程序构建上。成本端的变化同样直接：最高推理档的单任务平均费用，从9月版的约3.3元降到约1.3元，通过率反而更高。但口径要拎清：截至10月19日晚，这些数字都还是DeepSeek官方自测，针对1017的第三方独立复测尚未落地，不同测试框架还会带来数分波动。好在权重开源，任何人都能把基准自己跑一遍，验证成本并不高。知乎知乎知乎
"能干完活"的样子，官方和社区各给出了证据：官方演示了故宫3D建模、网页版赛车游戏、Godot引擎复刻《传送门2》。网友这边，有人让1017用一小时二十分钟从零复刻了一整张COD核弹小镇地图。知乎哔哩哔哩
上下限为什么差这么远？ 1017不是新模型，是一次checkpoint更新：配置与9月10日版完全一致，7630亿参数、MoE骨架都没变，变的只是权重。它的结构是"大存储、小激活"——5520亿参数主干加1960亿记忆模块，每处理一个token只激活80亿到160亿；这轮提升又来自让模型自我评判、自我迭代的训练方式，专治"任务跑不通"，治不了"知识不够深"。所以最考跨学科硬知识的HLE最先露出下限：42.6对Claude Opus 5的56.3，差13.7分；它输掉的其余各项，也集中在知识深度和复杂推理上。知乎知乎知乎
下限在真实使用里怎么露馅？ 最有代表性的是一组"压测式"实测：让1017做会飞的特斯拉、3D版《千里江山图》、一台会折叠的掌机，外加一个雨夜公交站，四个都做出来了，但没有一个达到预期。毛病不在不会写代码，而在写完结尾不回头检查：要求"一个撑伞等车的乘客剪影"，它画了伞面也画了人体，伞面却是个向上的三角形，人和伞拼远看像一支箭头——清单全填满，元素之间的关系没人验收。类似地，有反馈指出它会在重构时擅自删掉用户明确要求保留的组件，被形容为"更聪明但更难驾驭"；也有人直言其后端水平"神鬼二相性"、长上下文容易出问题，但仍是顶级flash。知乎知乎
部署侧的下限则是硬件门槛：全量权重约510GB（FP8主干+MXFP4专家），有玩家用一台五万元级、8张RTX 3080魔改的服务器把它硬塞进了本地。至于前阵子刷屏的"指纹测出GPT-6 Astra"，做过同类检测的开发者指出这个测法本身不成立，当作无证据的体感猜测即可。哔哩哔哩知乎
对普通用户意味着什么？ 更新几乎零成本：老调用不改代码自动享受新版；用DeepSeek Harness的建议升级到0.2.1-rc.1以上拿专项优化，腾讯CodeBuddy、WorkBuddy同日适配。同场开放的自研搜索Search/Fetch接口按每千次成功请求5元计价，失败不计费，目前经Harness、Claude Code、Codex调用暂不收费，北京时间2026年11月1日00:00起正式计费。选型边界比跑分更有用：初版demo、脚手架、有人工把关环节的agent任务，它是眼下性价比最高的一档；金融、医疗、法务这类错一次代价大的场景，以及没有测试兜底的老项目重构，建议再等几天第三方评测落地——用一位实测者的话说，1017适合当"能交付初版的实习生"，还不适合当"不用验收的外包"。知乎知乎知乎
