InstantVid
全部 AI 资讯
模型动态

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。

InstantVid · 编辑整理发布于

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

  1. 在 DeepSeek API 平台登录、检查余额并创建密钥。
  2. 在可信终端设置 DEEPSEEK_API_KEY;不把密钥放进公开网页或仓库。
  3. 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。
  4. 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