DeepSeek V4.1 Flash 1017 发布:基准成绩、价格变化与使用指南
DeepSeek-V4.1-Flash-1017 模型速览与新旧版对比:核对 11 项主基准成绩、推理编码及 Agent 改进、API 价格是否变化,附官方体验入口、开放权重和 API 起步教程。

DeepSeek-V4.1-Flash-1017 已于 2026 年 10 月 17 日发布。 这次小版本更新的重点是推理、编码与 Agent 任务表现,同时减少任务执行时间和输出长度。官方网页、App 与 API 已同步更新,API 仍使用 deepseek-flash,调用方式和模型单价保持不变。官方公告与更新记录已确认上述变化。
本文于 2026 年 10 月 18 日核对资料,以“模型速览+版本对比”的方式整理成绩、价格和使用入口。基准数字来自发布方;差值与费用示例为本站计算,不代表独立复测结果。
模型速览:DeepSeek 4.1 Flash 1017 是什么?
| 项目 | 核心信息 |
|---|---|
| 正式名称 | DeepSeek-V4.1-Flash-1017 |
| 发布日期 | 2026-10-17;是 V4.1-Flash 的小版本更新 |
| 主要用途 | 推理、代码与 Agent 工作流;支持视觉理解 |
| 官方 API 模型名 | deepseek-flash,目前指向 1017 |
| 输入与输出 | 文本、图像理解与文本输出;不是视频生成模型 |
| 当前 API 上限 | 1M 上下文;最大输出 384K,须同时满足上下文限制 |
| 获取方式 | 官方网页、App、API,以及开放权重 |
能力与接口上限可查当前价格及模型表;输入输出定位可对照上一版官方模型卡。大上下文是容量上限,不代表每次调用都应该塞满,也不保证超长任务零遗漏。
与旧版相比:11 项基准分数如何变化?
下面统一采用1017 官方模型卡中的新旧版本对照,旧版是紧邻本次更新的 V4.1-Flash。差值是“新分数减旧分数”,不是整机速度或综合能力的提升百分比。
| 基准 | V4.1-Flash | Flash-1017 | 分值变化 |
|---|---|---|---|
| HLE,无工具 | 36.8 | 42.6 | +5.8 |
| HLE,纯文本子集,无工具 | 39.1 | 44.0 | +4.9 |
| Terminal-Bench 4.0 | 31.2 | 42.3 | +11.1 |
| DeepSWE v1.1 | 74.2 | 77.0 | +2.8 |
| ProgramBench | 20.3 | 29.1 | +8.8 |
| NL2Repo-Bench | 65.4 | 68.2 | +2.8 |
| Automation-Bench v1.0.6 | 54.8 | 60.5 | +5.7 |
| Agents’ Last Exam | 31.8 | 35.4 | +3.6 |
| Apex Bench v1.1 | 64.6 | 72.1 | +7.5 |
| Chartography,带工具 | 78.9 | 83.0 | +4.1 |
| BabyVision,带工具 | 89.6 | 92.5 | +2.9 |
| ZeroBench-main,带工具 | 49.0 | 51.0 | +2.0 |
这是 11 项主指标,另将 HLE 纯文本子集单独展开,避免把 44.0 当成完整 HLE 成绩。HLE 主项应引用 42.6。ZeroBench-main 的口径是 Pass@5,不应与其他测试的 Pass@1 混算平均分。官方更新记录同时标注:Terminal-Bench 4.0 使用 Claude Code 框架,DeepSWE 使用 Mini-SWE-V2。
还有一个值得注意的资料差异:旧模型卡的 NL2Repo-Bench 为 64.0,1017 对照表和更新记录给出的旧版数值为 65.4。本文使用后者,因此增量为 2.8,而不是把两个来源拼成 4.2;公开资料未完整解释这处差异。查看旧模型卡。
性能提升细节:这些变化对实际任务意味着什么?
推理:先分清测试范围
HLE 从 36.8 到 42.6,说明发布方这组复杂问题评测中的表现改善。它没有说明每类问题都同样进步,也不能保证引用资料、数学结论或多步计划一定正确。实际试用时,可以要求模型先列出假设、缺失信息和检查方式,再检查最终结论是否成立。
编码:终端任务与项目交付值得优先复测
Terminal-Bench 4.0 的分值增加 11.1,ProgramBench 增加 8.8。若仅按这些分值计算,相对增幅分别约为 35.6% 与 43.3%;这是特定评测分数的相对变化,不是“写代码快了 43.3%”。
从使用者角度,更有价值的试题是修复一个真实缺陷、完成一个小功能,并让测试通过。不要只评价首轮代码是否漂亮;检查文件改动范围、依赖是否必要、边界情况和最终运行结果。
Agent:关注完成任务,而不只是多调用工具
Automation-Bench、Agents’ Last Exam 和 Apex Bench 的上升,使跨步骤任务成为值得验证的方向。我们的建议是记录“任务是否完成、是否需要人工纠正、失败后是否恢复”,而不是用工具调用次数当作能力分数。
训练与效率:1017 的新内容和旧架构要分开
发布公告明确提到基于自反馈的强化学习,用于改善从零开始的完整项目开发,并展示游戏、3D 场景等案例。这些是官方演示,不能直接当成本站项目的成功率。
官方还报告更短的输出和更快的任务执行,但没有给出适用于所有工作负载的统一降幅。本次应关注任务层面的改进;V4.1 家族此前的架构与缓存设计,不应重新包装为 1017 才出现的全部新功能。
与竞品怎么比?把领先项和落后项一起看
下表节选自 DeepSeek 本次发布的同一对比表,保留其中指定的对手版本。它不是本站独立排行榜,也不能推导这些结果适用于对手后来发布的型号。
| 基准 | Flash-1017 | GPT-5.6 Sol | Opus 5 |
|---|---|---|---|
| HLE,无工具 | 42.6 | 44.5 | 56.3 |
| Terminal-Bench 4.0 | 42.3 | 39.9 | 51.8 |
| DeepSWE v1.1 | 77.0 | 73.0 | 74.0 |
| ProgramBench | 29.1 | 23.0 | 37.0 |
| Automation-Bench v1.0.6 | 60.5 | 45.8 | 50.3 |
| Agents’ Last Exam | 35.4 | 26.7 | 28.6 |
| Apex Bench v1.1 | 72.1 | 54.3 | 65.8 |
按官方完整表,Flash-1017 在所列 11 项主指标中,有 4 项高于表内其余模型;但 HLE、Terminal-Bench 4.0、ProgramBench 等并非最高。因此更合适的评价是“部分 Agent 与开发任务表现有竞争力”,而不是“全面超过所有模型”。
尤其要注意框架影响:新版注明的终端与代码评测框架,并不等于旧模型卡所有历史项目都采用同一配置。模型、提示词、工具、推理预算和停止条件共同影响结果;这张发布表不能代替你自己的固定条件 A/B 测试。
价格变化:单价没有降,任务账单可能下降
10 月 17 日的更新记录明确写明,本次 API 价格不变。以下为 10 月 18 日核验的美元价格,单位均为 每 100 万 token,不涉及消费端套餐:
| 用量 | 非高峰价格 | 高峰价格 | 相较更新前 |
|---|---|---|---|
| 输入,缓存命中 | $0.003 | $0.006 | 不变 |
| 输入,缓存未命中 | $0.15 | $0.30 | 不变 |
| 输出 | $0.60 | $1.20 | 不变 |
来源:官方模型价格表。高峰为周一至周五 UTC 01:00–04:00、06:00–10:00,中国法定节假日除外;其余时段按非高峰计费,包括周末。对应北京时间为 09:00–12:00、14:00–18:00。
举例,假设 10 万输入 token 全部未命中缓存,另有 1 万计费输出 token,非高峰费用为 0.1 × $0.15 + 0.01 × $0.60 = $0.021;高峰为 $0.042。这是指定用量的算术示例,不是一次真实测试或固定任务报价。
若新模型用更少输出完成同一项合格任务,费用可以下降;若反复重试、增加工具调用或遗漏步骤,账单也可能上升。比较时应计算“完成一个可验收任务的总费用”,并包含推理、缓存、工具和失败重试的实际计费项。
同期新增的 Search / Fetch,要单独算钱
Search / Fetch 官方指南说明:Search 查找网页,Fetch 获取单个网页内容,两者是独立接口,并非每个普通聊天请求都会自动联网。美元标准价均为 每 1,000 次成功请求 $0.75;中文公告列示人民币 5 元/千次,应按账户实际结算币种核对,不在本文做汇率换算。
通过 DeepSeek API 在 DeepSeek Harness、Claude Code 或 Codex 中产生的服务端 Search / Fetch 调用,目前处于特定免费阶段;该部分将于 2026 年 11 月 1 日北京时间 00:00开始按次计费,即 UTC 10 月 31 日 16:00。这个安排不代表模型 token 免费,也不代表所有独立 Search / Fetch 请求都免费。计费说明。
如何开始使用 DeepSeek V4.1 Flash 1017?
普通用户:从官方网页或 App 开始
打开 DeepSeek 网页版,或通过官方下载页进入 App 下载入口。官方已说明网页和 App 同步更新,但不必假设每个界面都会显示完整的 1017 后缀。
先给一个小而明确的任务,例如:“将下面的产品资料整理成 15 秒广告口播,先指出不能确认的功效,再给出三个镜头建议。”对事实和产品功效做人工检查,避免把更流畅的表达误认为已核实的信息。
开发者:保持模型名,先验证一个小请求
- 在 DeepSeek API 平台登录、检查余额并创建密钥。
- 在可信终端设置
DEEPSEEK_API_KEY;不把密钥放进公开网页或仓库。 - 按官方快速入门调用
deepseek-flash。完整发布名用于辨认版本,不应直接猜作官方 API 的model参数。 - 先检查回复、停止原因和
usage,再接入真实工作流。
下面是本站编写的最小连通性示例。在终端设置环境变量后运行会产生 API 费用;本文只检查请求结构,未实际发起付费调用。
curl --fail-with-body --max-time 120 https://api.deepseek.com/chat/completions \
-H "Authorization: Bearer $DEEPSEEK_API_KEY" \
-H "Content-Type: application/json" \
--data '{
"model": "deepseek-flash",
"messages": [
{"role": "user", "content": "为一款不锈钢水杯写三句商品演示文案,不编造保温时长或认证。"}
],
"thinking": {"type": "enabled"},
"reasoning_effort": "high",
"max_tokens": 4096,
"stream": false
}'
max_tokens: 4096 只是本例的输出预算,并非复现基准的配置。如果 finish_reason 为 length,不要把截断回复当成完成;先检查预算、任务复杂度及接口参数说明。需要更深入推理时可按文档评估 max,而不是假设更高设置一定更划算。
已有应用还应知道:旧别名 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 虽暂时兼容,实际也已路由到 1017,不能用它们锁定旧模型做对照。需要复现历史版本时,应先确认服务商是否真的保留对应检查点,并记录版本与采样配置。
Agent 用户:检查 Harness 版本和工作区
公告建议 DeepSeek Harness 0.2.1-rc.1 或以上。从官方 Harness 页面获取客户端与开发者入口;Web UI 用户可按官方快速入门配置 API Key、选择工作区,再开始会话。先在项目副本中尝试一个可验收的小任务,检查改动与测试结果。
开放权重用户:下载不等于普通电脑即装即用
官方同时提供 Hugging Face 和 ModelScope 入口。模型卡将权重列为 MIT 许可,并提供编码与推理指引。自行部署前仍需核对硬件、推理框架和提示词格式;本文不把下载按钮描述为已验证的家用电脑安装方案。
简要评价:值得升级,但先做自己的回归测试
对于已经使用 deepseek-flash 的团队,本次收益最值得在终端编码、项目开发与多步 Agent 任务中验证。普通用户可以从网页直接试用;开发者则应优先关心版本自动切换后,原有业务是否仍按预期完成。
我们的评价基于资料:分数提升覆盖面广,单价保持不变,迁移入口清晰;不足是发布表不能回答你自己的成功率、尾部延迟或每个任务的真实节省幅度。选择五个固定任务,记录验收结果、耗时、全部计费 token、工具费用和人工修正,再做升级决定。
对于视频创作者,可以让 DeepSeek 整理脚本、分镜和资料,再到本站视频创作台或商品广告工作区制作画面。DeepSeek 这次更新不是视频模型接入公告;本站实际模型与积分报价以创作台和价格页为准。
封面为本站原创 AI 编辑示意图,不是官方产品截图。模型别名、价格和可用范围可能继续更新,请通过文中官方来源复核。
来源与延伸阅读
来源核对日期 2026年10月18日


