DeepSeek V4.1 Flash 1017 更新

DeepSeek 于 10 月 17 日对 V4.1-Flash 进行的后训练刷新在该公司报告的全部 11 项基准测试中均优于 9 月版本，提升幅度在 2.0 至 11.1 分之间 ^[4]。代理式编码（agentic-coding）的分数提升最为显著：DeepSWE v1.1 从 74.2% 提升至 77.0%，超过了 Claude Opus 5（74.0%）和 GPT 5.6-Sol（73.0%）^[2]，而 Terminal-Bench 4.0 从 31.2 跃升至 42.3 ^[4]。这一切并未伴随价格上涨：DeepSeek 保留了 deepseek-flash 模型 ID 和原有的每 token 费率，1017 版本只是在完成每项任务时输出更少的 token ^[1][14]。正是这种 token 使用的节制，使得此次更新成为真正的帕累托改进，而非单纯的营销刷新——根据 DeepSeek 自身的数据，完成一次 DeepSWE 任务的成本从约 0.50 美元降至约 0.20 美元，同时提供一种每项任务仅 0.10 美元的精简模式，但准确率会下降 72% ^[3]。此次发布被描述为在现有检查点上应用了自反馈强化学习（RLSF），而非从头开始重新训练 ^[3]——这是一种比从零训练新基础模型更经济的方式来获取基准测试优势。

同一天，DeepSeek 向外部开发者开放了其内部的 Search 和 Fetch API，每 1,000 次成功请求收费 0.75 美元，仅在返回 200 状态码且有结果时计费 ^[5]。独立比较显示，这一价格比 Tavily（8 美元）、Exa（7-12 美元）和 Brave（5 美元）等现有厂商便宜约 6.7 至 9.3 倍 ^[7]，分析师认为此举是 DeepSeek 将其低成本策略从模型权重扩展到 AI 代理日益依赖的“代理检索层”，以实现对实时网络访问的支持 ^[8]。该 API 每账户每秒最多 5 次查询，每次查询最多 128 个字符，最多返回 50 个带权威等级评分的排序结果，且完全由位于中国的基础设施提供服务 ^[6]。这一数据驻留和可靠性特征的发布，恰逢 DeepSeek 在 10 月 15 日经历了约五小时的中断，公司为此退还了一周的用户消费作为信用额度 ^[11]——这一时间点可能加剧企业用户的谨慎态度，尽管通过 DeepSeek Harness、Claude Code 和 Codex 提供的免费窗口期正试图在计费开始前锁定开发者的使用习惯。

在公告当天，一个亚洲区域性芯片制造商指数跌至 7 月以来最低水平，三星电子、SK Hynix、台积电和爱德万测试均因市场担忧更精简、token 成本更低的模型将预示着对高带宽内存（HBM）的需求减少而下跌 ^[9]。这一反应与此前由 DeepSeek 引发的芯片抛售潮类似：更小、更便宜、更快的模型一再被市场解读为推理可能比预期需要更少的专用硬件。然而抛售并未持续——韩国股市盘中反弹，同日韩国综合股价指数（Kospi）收盘上涨 1.76% ^[10]，表明投资者在越过 headlines 后，将此次效率提升视为渐进式而非结构性变化。

DeepSeek 自报的数据显示其在全部 11 项基准测试中均有提升，但外部反应更为复杂。评测者提醒，成本降低并不意味着在每项任务上响应速度最快 ^[12]。一位 Hacker News 评论者更狭义地衡量了此次提升，称其为在相同推理努力和工具调用模式下，每次推理使用的 token 数量减少了约 20% ^[4]——这一解读与一项独立基准测试中非幻觉率显著提升的报道相符，而非整体智能的飞跃 ^[12]。开发者社区的反应也呈现类似分歧：一方面对免费或近乎免费的访问途径表现出真实热情，另一方面，尤其是开源权重模型社区，对 V4.1 Flash 1017 在开源权重模型排行榜上位居榜首是否完全反映了独立基准测试的严谨性表示怀疑，同时也有零星报告称某些特定工作负载在新版本上反而出现退步。专家评论和社区测试的共同主线是：1017 更新在 DeepSeek 选择报告的基准测试中确实取得了进步，但这些进步并未均匀分布于所有现实任务中，且该模型在幻觉率和长程推理方面仍落后于专业竞争对手。