一瓶可乐两块五，一次仓库级代码修复两毛钱。10 月 17 日，DeepSeek 把 V4.1-Flash-1017 放上 Hugging Face 与 ModelScope，MIT 许可，仓库页列着约 7630 亿参数、约 510 GB 文件。同一个基准，它给自己记 77.0 分，给 Claude Opus 5 记 74.0，给 GPT-5.6 Sol 记 73.0；它给自己记的账单是每道题约 0.20 美元，给同一张图上的对手记的是 2 到 10 美元以上。
分数没涨多少，账单砍到了二十分之一。这是今天最该被看见的一条。
🧾 先看账，再看分
DeepSWE v1.1 是让模型独立解决仓库级软件问题的基准。旧版 Flash 拿 74.2 分，花约 0.50 美元一道题；新档 77.0 分，约 0.20 美元；把推理强度调到 low，分数仍在 72 以上，账单约 0.10 美元。DeepSeek 的成本曲线图里，GPT-6 Astra、Gemini 3.8 Flash 与 Claude Opus 5 的每任务成本落在 2 到 10 美元以上，分数都没超过这个 420 亿激活参数的小个子。
| 基准 | 1017 顶档 | 旧版 Flash | Claude Opus 5 | 测试 harness |
|---|---|---|---|---|
| DeepSWE v1.1 | 77.0 | 74.2 | 74.0 | Mini-SWE-V2 |
| Terminal-Bench 4.0 | 42.3 | 31.2 | 51.8 | Claude Code |
| Automation-Bench v1.0.6 | 60.5 | 54.8 | 50.3 | 转述口径 |
| HLE（无工具） | 42.6 | 未列 | 56.3 | 未列 |
跑分牌不是全线告捷。Terminal-Bench 4.0 涨了 11.1 分，仍落后 Opus 5 九分多；HLE 差 13.7 分；ProgramBench 29.1 对 37.0，NL2Repo-Bench 68.2 对 75.3。MarkTechPost 数了下，11 项自报基准全部上涨，幅度 2.0 到 11.1 分。
官方把这次发布称作帕累托改进：基准分更高、任务完成更快，输出还更短，三件事同时成立。输出短是个容易被忽略的省钱项，按 token 计费的模型，少说一半话，账单就少一半。
注解：激活参数指的是每个 token 实际经过的参数。7630 亿总参数里，预填充时只有 80 亿在干活，解码时 160 亿。MoE 架构的意义就在这，账是按激活的那部分算的，不是按总参数量算的。
🧮 把账算细一点
把每任务成本换成一周的用量。一个团队每天跑 200 个修复任务，一个月 4000 个：按 0.20 美元算是 800 美元；同样的量按 2 美元起跳的对手算是 8000 美元起，按 10 美元算是 4 万美元。差价够付好几年的人力审查时间。
再把 API 单价摊开看。峰值定价每百万 token 输入 0.30 美元、输出 1.20 美元，闲时对折；对照张图上的闭源旗舰，输入与输出常常是这个数的十倍到几十倍。对要把智能体撒出去并行跑的团队，计价单位从一次调用变成一次任务，意味着过去只舍得在最重要工单上跑的模式，可以换成大规模试探性跑法：测试、重构与迁移都能排进队列。
注解：保真度之外的另一种算法，叫每一分多少钱。77.0 减 74.0 是 3 分，0.20 美元对 2 美元是 10 倍。买榜上那一两分，过去要按 10 倍计价，今天有人把单价打了下来。
🔧 训练与架构
架构沿用 V4.1-Flash 技术报告的口径：40 层 Transformer 切成 20 层因果编码器与 20 层解码器，5520 亿主干加 1960 亿 Engram 参数，预填充每 token 激活 80 亿，解码 160 亿，100 万 token 上下文，输出上限 384K。推理强度做成 1 到 100 的标量，API 的 low、high、max 对应 50、75、100。
训练上的一条值得记：强化学习用自反馈（RLSF）当奖励信号，模型拿自己的置信度或自写批评当裁判，不依赖人类打分员，也不养外部奖励模型。官方四个演示里，紫禁城 3D 模型、浏览器赛车游戏、Godot 引擎复刻的 Portal 2、从史前走到现代的 3D 场景，都是短提示词起手。
🧰 发布的不只是权重
同一天上架的四层东西，比模型本身更值得拆开看。
Search 与 Fetch 是 DeepSeek 把自家搜索引擎对外开放，官方称日处理数亿次查询，按账户限每秒 5 次。经 DeepSeek Harness、Claude Code 或 Codex 发起的服务端工具调用，对 API 用户免费到 10 月 31 日 16 时 UTC。仓库没走标准 chat template 文件，发的是一个 Python 参考编码器加 Rust 写的 deepseek-recipe 工具库。
对国内开发者还有一层：发布说明点名优化了 DeepSeek Harness、腾讯 CodeBuddy 与 WorkBuddy。Terminal-Bench 4.0 那一栏，跑的就是 Claude Code 的 harness。
⚖️ 哪些数字要打折
全部跑分来自 DeepSeek 自家表格，第三方复现尚未出现；DeepSWE 与 Terminal-Bench 分别跑在不同 harness 里，这些数字描述的是系统，不是裸模型。开发者对代码质量的主观感受，历来和榜单对不齐。
另一条背景要摆上桌：有报道称国内可能收紧开源权重发布，一条流传的判据是模型是否进入全球前十。一个靠 MIT 许可打市场的发布，正好压在这条线上。
【判断】如果第三方复现能把 77.0 坐实，编码智能体的计价单位会从"一次调用"变成"一次任务"，按量并行的测试、重构与迁移会变得更便宜；坐不实，这一切就还只是厂商表格上的一行字。这条分野，比发布日本身更值得等。
信源 + 限定：数字出自 DeepSeek API 文档与 Hugging Face 模型卡（经 TechQuire、MarkTechPost、The Decoder 与 HuggingNews 转述），未逐项回核官方原文；价格口径含峰值与闲时两档；跑分均为厂商自报，无独立复现。
参考文献
- DeepSeek-V4.1-Flash-1017 模型卡与仓库，Hugging Face 与 ModelScope，2026-10-17
- TechQuire：DeepSeek V4.1 Flash 1017 Beats Claude Opus 5 on Agentic Coding at Lower Cost，2026-10-17
- MarkTechPost：V4.1-Flash-1017 十一项基准提升 2.0 至 11.1 分，2026-10-17
- The Decoder：RLSF 自反馈训练与 Search/Fetch API 定价，2026-10-17
- HuggingNews：Automation-Bench 60.5 对 Opus 5 的 50.3，2026-10-17
讨论回复
加载中...正在加载回复...
推荐
智谱 GLM-5 已上线
我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用，智谱新一代旗舰模型 GLM-5 已上线，在推理、代码、智能体综合能力达到开源模型 SOTA 水平。