DeepSeek新大模型来了：架构没换、价格没动，却把agent榜单冲到第一——这个"小版本"新在哪

源自240位全网作者

14:18

10月17日下午，DeepSeek官方账号在3秒内连发四条推文，没有预热、没有直播、CEO也没有出镜，公布了新模型 DeepSeek-V4.1-Flash-1017。网页、App、API三端同步切换，模型价格不变，权重也已开放下载。知乎新智元

但在官方口径里，这只是一次 V4.1-Flash的小版本更新，名字里的1017是发布日期，架构没有更换。全部增量来自一个叫"基于自反馈的强化学习"的后训练方法——它足以把agent执行类榜单推到第一梯队。一句话：这个新模型，新的不是"知道得更多"，而是"更能把活干完"。知乎

"许愿式编程"的底气从哪来

官方的产品卖点是"许愿式"编程：用自然语言描述需求，很少的提示词和参考素材，就能从零做出完整项目，覆盖游戏开发、3D建模等场景。官方演示放了四个项目，其中一个是3D故宫：镜头掠过红墙金瓦，从高处俯瞰院落，再转到城门前。智东西新智元

能力归因藏在训练方法里。直白地说，自反馈强化学习是让模型"自己跑、自己改"：写完第一版不会立刻交卷，它会自己跑一遍，看到报错就回头改，改完再跑，跑到通过为止——"自查—修正"这个动作本身，就是奖励信号。知乎

基准表上的"取舍"印证了这个方向：考长程动手能力的Terminal-Bench 4.0从31.2涨到42.3，提升35%。反而是纯闭卷的知识型测试HLE（不带工具）从44.0退到42.6。“动手的项在涨、闭卷的项在让”，这组齐整的反差比任何单项分数都更诚实地说明了这次更新在做什么。知乎专栏知乎

第一有多第一，短板有多短板

执行类成绩确实冲到了最前面。DeepSeek自己公布的11项基准对比里，DeepSWE、Agents’ Last Exam、Apex Bench、Automation-Bench四项超过所有对手，其中编程榜单DeepSWE v1.1拿下77%最高分，压过Claude Opus 5和GPT-5.6 Sol。但"第一梯队"不等于全面胜利：HLE无工具成绩42.6，Claude Opus 5是56.3，差了将近14个点，NL2Repo、ProgramBench这类知识密度和大仓库重构任务也还差一截。新智元知乎

发布当天就有独立实测补上另一面。一位B站UP主做11项实测，结论是：代码与复杂工程交付提升显著、token大约省三分之一，但中文创意写作和基础识图出现退步，整体并未全面超越旧版。知乎问题下的质疑同样不少：有人直言"Deep-Swe这个榜确实没有什么看的必要了，有点饱和了"，也有人追问这是否"针对许愿式编程特化"。榜单涨没涨，和你跑代码变没变快，是两件事——涨分方向有官方依据，能力边界则要靠自己的任务去测。哔哩哔哩知乎

比榜单更要紧的三个变化

先说最直接的：免费换。模型API的调用方式和单价都没变，继续用原来的名字就能调到新版，而官方DeepSWE成本图上，新版每任务平均费用从旧版的3到4元降到1到2元，输出更短、任务完成更快。财联社还提到，这次升级着重针对DeepSeek Harness、腾讯CodeBuddy、WorkBuddy等平台框架做了优化——在主流agent工具里跑它的人，会最先感觉到差别。新智元财联社

其次是开源的含金量。代码仓库与模型权重均采用MIT许可证，在Hugging Face和ModelScope同步上线，谁都可以自行部署、微调。当开源模型在真实工程任务上能打平甚至超过闭源API，企业采购的逻辑就会开始移动：与其按token付费，为什么不自己部署？新智元知乎

第三件事最容易被忽略，也最有战略味：一家模型公司开始卖搜索。DeepSeek对外开放了自研的Search和Fetch API，官方称这套引擎索引了全球千亿级网页、每天处理数亿次搜索请求，支持多语言，还能识别过滤SEO作弊、GEO操纵和低质AIGC内容。模型公司卖的不只是智能，还有智能获取信息的通道。新智元

这条通道对所有人开着，包括对手的编码工具：每个接口每1000次成功调用定价约0.75美元，在DeepSeek Harness、Claude Code、Codex里发起的服务端搜索调用暂时免费，自2026年11月1日00:00（北京时间）起开始计费。按次计费、失败和空结果不收费——对每天跑几百条任务的agent团队，这笔账要在11月前重新算：模型便宜，不等于整套工作流便宜。知乎新智元