DeepSeek发布V4.1 Flash‑1017，并以“许愿式编程”为核心卖点：用户只描述最终想要的游戏、网页或3D场景，模型负责规划、编码、运行和迭代。官方评测显示，新版本在DeepSWE v1.1上由74.2升至77.0，Terminal‑Bench 4.0由31.2升至42.3，同时缩短任务时间和输出长度；权重以MIT许可证开放，API价格保持不变，并增加了Search与Fetch接口。不过，这仍是一次基于原有V4.1 Flash架构的后训练更新，而非全新基础模型；全部性能数字目前主要来自DeepSeek自测，展示项目缺少完整提示词、运行轨迹和失败率，且比较表未覆盖所有最新闭源模型。因此，“性能与成本同时改善”可以成立为官方结果，但“已经超越前沿闭源模型”尚无充分依据。
文章作者、来源：DeepSeek
“1017”主要更新了后训练，而不是底层架构
DeepSeek将V4.1 Flash‑1017称为对9月版本的“小幅更新”。它延续了原模型的多模态混合专家架构、100万Token上下文、图像输入和文本输出能力，主要变化来自新的强化学习与Agent后训练，而不是重新预训练一套架构。
原始V4.1 Flash技术报告将其描述为拥有5520亿“骨干参数”的模型：读取输入时每个Token激活约80亿参数，生成时激活约160亿。模型采用因果编码器—解码器结构，通过跨层KV Cache复用、稀疏注意力和FP4缓存降低长上下文成本。arxiv.org
这里存在一个尚未被官方更新说明解释的统计口径差异：Hugging Face页面自动显示模型规模约7630亿参数，而此前技术报告写的是5520亿骨干参数。两者很可能统计了不同组件，但目前没有正式说明能够把两个数字完整对齐。因此，直接称其为“552B模型”或“763B模型”都需要注明口径。无论采用哪个数字，它都不是普通个人电脑能够轻松加载的本地小模型。
模型支持思考与非思考模式，官方API提供100万Token上下文和最高38.4万Token输出；模型卡建议本地部署时把最大输出空间至少设为25.6万Token。
所谓“许愿式编程”，是让奖励覆盖整个项目
这次发布最醒目的说法是“Wish‑Driven Programming Made Real”。
DeepSeek称，新版本采用带自我反馈的强化学习，重点提升端到端项目开发。训练目标不再只是生成一段看起来正确的代码，而是从较模糊的最终愿望出发，完成规划、创建文件、调用工具、运行项目、观察结果和修复问题等连续步骤。
官方展示了四个案例：三维故宫模型、网页赛车游戏、使用Godot引擎制作的《传送门2》式项目，以及从史前时代演化到现代文明的三维场景“Valley of Ages”。
这些展示说明模型能够参与复杂项目，但不能据此计算它的稳定成功率。官方没有同步公开每个案例的完整原始提示词、迭代次数、工具调用轨迹、人工修改量及失败样本，也没有说明是否从多次运行中挑选了最佳结果。因此，“能够完成这些案例”与“用户给出任何愿望都能一次完成”是两种完全不同的结论。
Agent评测提升显著，但不是所有能力都领先
在DeepSeek公布的统一表格中，1017版本在所有列出的项目上都超过9月版本。
DeepSWE v1.1从74.2升至77.0；Terminal‑Bench 4.0从31.2升至42.3；ProgramBench从20.3升至29.1；Automation‑Bench从54.8升至60.5；Agents’ Last Exam从31.8升至35.4；Apex Bench则从64.6升至72.1。
其中，DeepSWE主要测试在真实代码库中解决软件工程任务。DeepSeek的77.0高于其表格中Claude Opus 5的74.0和GPT‑5.6 Sol的73.0。但Terminal‑Bench 4.0上，DeepSeek为42.3，仍低于Opus 5的51.8；评估较广泛知识推理的HLE中，DeepSeek为42.6，Opus 5则为56.3。
这说明新版本的优势主要集中在使用特定Agent框架处理代码库、自动化和长流程任务，不能外推为数学、知识、写作及所有工具使用任务都已超过闭源旗舰。比较表也只列出了特定版本和特定运行框架，没有覆盖所有当前模型。
评测结果还会受到Agent外壳影响：Terminal‑Bench使用Claude Code框架，DeepSWE使用Mini‑SWE‑V2。模型与框架、提示词、工具权限和推理预算结合后的成绩，不完全等于裸模型能力。
输出更短，比单纯降低Token单价更重要
DeepSeek把本次更新称为“性能—成本帕累托改进”：不仅分数提高，任务完成时间和输出长度也同时下降。
对于Agent，这一点比聊天场景更重要。Agent往往需要在一次任务中调用模型数十甚至数百次，每一步都可能重新读取代码和历史记录。如果模型能少走几个错误分支、减少冗长解释并更快判断下一项工具调用，累计成本可能明显下降，即使每Token价格没有变化。
不过，官方尚未公布一张覆盖所有评测的原始Token消耗表，也没有给出不同推理强度、缓存命中率和失败重试次数的完整分布。因此，“完成任务更便宜”目前应理解为DeepSeek在指定框架与测试上的结果，而不是每种工作负载都会按固定比例降价。
API价格此次没有调整。非高峰时段，每百万未命中缓存的输入Token为0.15美元，输出为0.60美元；高峰时段分别为0.30美元和1.20美元。缓存命中输入最低为每百万Token 0.003美元。高峰时段为工作日01:00—04:00及06:00—10:00 UTC，其余时间采用非高峰价格。
DeepSeek还把自己的搜索基础设施开放给Agent
与模型同时发布的还有Search和Fetch API。
Search负责返回搜索结果，Fetch负责取得指定页面内容，两项服务均按每1000次成功调用0.75美元收费。DeepSeek称其自建搜索引擎每天处理数亿次请求。通过DeepSeek Harness、Claude Code或Codex调用DeepSeek API时，服务器端Search与Fetch工具暂时免费，按次计费将在北京时间2026年11月1日零时开始。
这使DeepSeek正在从“低价模型供应商”向完整Agent平台扩展：模型负责推理和生成，Harness负责运行长任务，Search与Fetch负责提供实时网络信息。
但搜索质量不能仅用请求量判断。官方尚未公布覆盖率、索引更新延迟、不同语言表现、引用准确率以及与主流搜索服务的独立比较。开发者也需要区分搜索费用、网页抓取费用和模型处理返回内容产生的Token费用。
开放的是权重和许可，部署成本依然不低
1017权重已上传至Hugging Face和ModelScope，采用MIT许可证，允许修改、再分发和商业使用。模型还公开了提示编码参考实现，覆盖多轮对话、工具调用、思考模式、图像内容及对话中途插入系统消息。
不过，“开放权重”并不等于低门槛本地运行。完整模型包含数千亿参数，即使采用FP8或更低精度量化，也通常需要多GPU服务器、较大的主机内存及专门的推理框架。个人用户看到“Flash”名称时，不应把它理解成几十亿参数、可以直接在普通笔记本运行的轻量模型。