DeepSeek V4.1-Flash-1017 开源权重：终端智能体得分跃升，API 输出每百万 token 仅 0.6 美元

DeepSeek 于 2026 年 10 月 17 日发布 V4.1-Flash 的更新版“V4.1-Flash-1017”，以 MIT 许可在 Hugging Face 与魔搭社区（ModelScope）开源权重，官网、App 与 API 也同步切换到新版。距离 V4.1 Flash 正式版 9 月 10 日上线约五周，这是同一代模型的中途迭代，并非新一代模型。

根据 DeepSeek 官方自报的数据，本次迭代的要点如下：

• Terminal-Bench 4.0（在终端中执行命令的智能体任务）：由 31.2 升至 42.3。
• DeepSWE v1.1（软件工程任务）：77.0，高于其引用的 Claude Opus 5 成绩 74.0。
• HLE（Humanity's Last Exam，高难度综合推理）：42.6，仍明显低于 Opus 5 的 56.3。
• 输出更短、完成任务更快。
• 新推出 Search／Fetch API（联网搜索与网页抓取），每千次调用 0.75 美元。

目前的规格与定价如下：

• 上下文长度：1M token。
• API 定价：每百万 token 输入 0.15 美元、输出 0.60 美元，缓存读取 0.003 美元。

需要强调：以上基准分数均为 DeepSeek 自报，尚待第三方独立验证，引用时应保留这一前提。

技术意义：从“会写代码”走向“会动手操作”

Terminal-Bench 衡量的是模型能否像工程师一样在命令行中逐步下达指令、读取结果、再做修正，属于典型的智能体（Agent）能力。五周内提升约 11 分，可以推测本次迭代的训练重点偏向多步骤执行任务，而不只是答题。

“输出更短、完成更快”同样值得关注。智能体任务往往需要反复调用模型数十次，每次少输出一些冗余内容，累积起来就是可观的成本与等待时间差距；对按 token 计费的 API 用户来说，这比单项分数提升更直接影响账单。

与竞品对比：优势集中，短板仍在

DeepSWE 超过 Opus 5，HLE 却落后近 14 分，说明这款 Flash 级模型的优势集中在编程与工具操作，而非高难度的通用推理。换句话说，它适合担任“明确任务的执行者”，复杂判断仍是头部闭源模型的强项。

压力也来自价格与许可：输出每百万 token 0.6 美元的定价，加上 MIT 许可允许企业自由商用、修改和私有化部署，让“便宜又能自建”的选项更具吸引力。新增的 Search／Fetch API 补齐了智能体所需的搜索与抓取工具，显示出 DeepSeek 不只卖模型、向平台化演进的方向。

对管理者的意义

同一代模型五周就能明显迭代，意味着“选定一家 AI 就用三年”的采购思路已经过时。更务实的做法是把例行、规则清晰的任务（如数据整理、报表初稿、内部工具脚本）交给低价模型，把需要深度判断的工作留给头部模型，并定期用自家真实任务重新对比，而不是只看厂商自报的分数。