DeepSeek-V4.1-Flash-1017 发布
2026 年 10 月 17 日，DeepSeek 将 V4.1-Flash 升级至 DeepSeek-V4.1-Flash-1017：11 项基准测试全面提升，DeepSWE v1.1 达 77.0；任务更快、输出更短。API 仍用
deepseek-flash调用、价格不变，权重以 MIT 许可开源，自研 Search & Fetch API 同时向公众开放。
DeepSeek 官方网页端、App 与 API 已同步切换到 DeepSeek-V4.1-Flash-1017。这是一次 post-training checkpoint 更新，而非新的架构代际：底座仍是 V4.1-Flash（原生多模态、1M 上下文），本次升级集中在推理、编程、智能体与视觉四项能力的成绩上，同时缩短了任务运行时间与输出长度，官方称之为“性能–费用的帕累托改进”（更低的单任务成本，同时没有牺牲测试成绩）。
图 1：官方基准测试成绩对比；图 2：DeepSWE v1.1 Pass@1 与单任务成本的对比，使用 mini-swe-v2 框架测得。
如何调用：模型名和价格都不变
对开发者来说，这次升级最省事的地方是：集成方式不用改。API 调用方式与价格保持不变，仍然使用模型名 deepseek-flash 即可访问最新版本。
基准测试：11 项成绩全面提升
下表中的分数均来自 DeepSeek 官方模型卡与更新日志。相比上一版 V4.1-Flash，V4.1-Flash-1017 在官方公布的 11 项基准上全部提升，幅度约 2.0–11.1 分。
| 基准测试 | V4.1-Flash-1017 | V4.1-Flash | Kimi K3 | GLM-5.3 | GPT-5.6 Sol | Claude Opus 5 |
|---|---|---|---|---|---|---|
| HLE（无工具） | 42.6（44.0†） | 36.8（39.1†） | 43.5 | 42.0† | 44.5 | 56.3 |
| Terminal-Bench 4.0 | 42.3 | 31.2 | 12.6 | 37.9 | 39.9 | 51.8 |
| DeepSWE v1.1 | 77.0 | 74.2 | 67.5 | 66.9 | 73.0 | 74.0 |
| ProgramBench | 29.1 | 20.3 | 17.5 | 19.0 | 23.0 | 37.0 |
| NL2Repo-Bench | 68.2 | 65.4 | 58.0 | 58.0 | 56.8 | 75.3 |
| Automation-Bench v1.0.6 | 60.5 | 54.8 | 46.7 | 48.8 | 45.8 | 50.3 |
| Agents' Last Exam | 35.4 | 31.8 | 27.6 | 28.5 | 26.7 | 28.6 |
| Apex Bench v1.1 | 72.1 | 64.6 | 47.8 | 56.6 | 54.3 | 65.8 |
| Chartography（含工具） | 83.0 | 78.9 | 68.1 | — | 79.9 | 84.0 |
| BabyVision（含工具） | 92.5 | 89.6 | 85.7 | — | 88.9 | 94.1 |
| ZeroBench-main（含工具） | 51.0 | 49.0 | 41.0 | — | 53.0 | 52.0 |
† 仅测试 HLE 纯文本子集。Terminal-Bench 4.0 使用 Claude Code 框架，DeepSWE v1.1 使用 Mini-SWE-V2 框架，ZeroBench-main 采用 Pass@5。官方原始表格以 K3、Opus 5 简称指代 Kimi K3 与 Claude Opus 5。
需要说明的是，模型在 DeepSWE v1.1、Automation-Bench v1.0.6、Agents' Last Exam、Apex Bench v1.1 上领先对比模型，但在 Terminal-Bench 4.0、ProgramBench、NL2Repo-Bench 和 HLE 上仍落后于 Claude Opus 5。以上均为厂商自测成绩，尚无第三方独立复现。
从零构建完整项目：4 个官方示例
新版本通过基于自反馈的强化学习（RL）训练，增强了从零开始构建完整项目的能力，覆盖游戏开发、3D 建模等场景。官方给出的示例均在 DeepSeek Harness 中、在较少提示词与素材参考、极短交互轮次下完成：
- 故宫 3D 建模：用场景化提示生成可交互的三维建筑展示。
- 网页版赛车游戏：直接产出可玩的浏览器游戏。
- Godot 引擎复刻《传送门 2》：在引擎内还原关卡与玩法。
- Valley of Ages：从史前到现代的 3D 时间轴场景（官方未给出中文定名，此处保留英文）。
编程框架适配
本次重点针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等平台框架做了优化。官方建议升级到 DeepSeek Harness 0.2.1-rc.1 或更高版本，以获得针对新模型的最优体验。
Search & Fetch API 向公众开放
与模型更新同步，DeepSeek 将此前只服务自家产品的自研搜索引擎能力开放为 API，提供 Search（网页搜索）与 Fetch（网页抓取）两个接口。该引擎索引了全球千亿级网页，支持多语言检索，稳定处理每天来自全球的数亿次搜索请求，并声称对 SEO 作弊、GEO 操纵与低质 AIGC 设有过滤机制。
- 定价：$0.75 / 千次调用（每个接口单独计费），官方中文页标价为 5 元 / 千次。
- 限时免费：在 DeepSeek Harness、Claude Code、Codex 中通过服务端工具调用 Search / Fetch，目前对 DeepSeek API 用户不计费；自北京时间 2026 年 11 月 1 日 00:00（即 2026-10-31 16:00 UTC）起开始按次计费。
- 文档：Search & Fetch 使用指南
开源与许可
DeepSeek-V4.1-Flash-1017 的模型权重已同步开放下载，采用 MIT 许可，可用于商用与二次分发：
- Hugging Face：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
- ModelScope：https://modelscope.cn/models/deepseek-ai/DeepSeek-V4.1-Flash-1017
按官方模型卡，推荐采样参数为 temperature=1.0、top_p=1.0，上下文窗口 1M tokens，max_tokens 建议不低于 256K。本版本不提供 Jinja 格式 chat template，官方改为提供 encoding 目录下的 Python 参考实现与 deepseek-recipe（Rust 库 + Python 绑定）来处理 prompt 编码。
需要注意的两点
- 计费窗口很紧：Search / Fetch 的免费期只到 10 月 31 日 16:00 UTC，依赖该能力的产品应提前估算调用量。
- 仅有厂商自测数据：本文所有成绩均来自 DeepSeek 官方，第三方复现（如社区在真实项目中对比 1017 与 9 月版本）仍待补充，选型时建议自行跑一遍关键用例。
参考来源
- 官方公告：DeepSeek V4.1 Flash 新版本：许愿式编程一键成真
- 官方更新日志：Change Log · 2026-10-17
- 模型卡：deepseek-ai/DeepSeek-V4.1-Flash-1017
- 英文公告（图表原文）：DeepSeek-V4.1-Flash-1017: Wish-Driven Programming Made Real
