編按：本文綜合整理自 DeepSeek 官方公告、Hugging Face 模型卡、DeepSeek 官方 X 推文、Hacker News 討論串，並加入 Siami 編輯部觀點與分析。
DeepSeek 於 2026 年 10 月 17 日正式開源釋出 DeepSeek-V4.1-Flash-1017。這是 V4.1-Flash 系列的小版本更新，主打「Pareto 改進」—— 在多項代理任務（agentic tasks）基準拉高分數的同時，縮短輸出長度、降低單次任務成本。模型以 MIT 授權同步上架 Hugging Face 與 ModelScope，1M token context 與圖文多模態能力完整保留。
這次更新的核心賣點
官方公告把這次更新定位為「Wish-Driven Programming Made Real」，重點擺在三件事：
- 更強的基準表現：在 DeepSWE v1.1、Terminal-Bench 4.0、Apex Bench v1.1 等多項指標超越自家前代，並在部分項目壓過 Claude Opus 5。
- 更短的輸出、更快的完成：self-feedback 強化學習管線讓模型用更少 token 解決問題。
- 完整開源 + 完整生態：MIT 授權、Hugging Face 與 ModelScope 同步釋出，同時發布新版 Search & Fetch API。
V4.1-Flash 系列屬於 DeepSeek 的 MoE（Mixture-of-Experts）骨幹，具備 552B 參數規模、1M token context、256K max tokens 輸出，pipeline_tag 為 image-text-to-text，可直接處理圖文交錯內容。
基準比較：誰贏了？
官方模型卡附上 V4.1-Flash-1017 與自家前代、Kimi K3、GLM-5.3、GPT-5.6 Sol、Claude Opus 5 的橫向比較。以下是值得劃重點的項目：
| 基準項目 | V4.1-Flash-1017 | V4.1-Flash | K3 | GLM-5.3 | GPT-5.6 Sol | Opus 5 |
|---|---|---|---|---|---|---|
| HLE w/o tools | 42.6 | 36.8 | 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 |
| 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 (w/tools) | 83.0 | 78.9 | 68.1 | — | 79.9 | 84.0 |
| BabyVision (w/tools) | 92.5 | 89.6 | 85.7 | — | 88.9 | 94.1 |
| ZeroBench-main (w/tools) | 51.0 | 49.0 | 41.0 | — | 53.0 | 52.0 |
特別值得注意的是四個亮點：
- DeepSWE v1.1 拿到 77.0：比 Opus 5 的 74.0 高出 3 分，是這次模型唯一在程式基準上壓過 Opus 的項目。
- Automation-Bench 拿到 60.5：比 Opus 5 的 50.3 高出 10 分以上，代表在自動化代理工作流上明顯領先。
- Agents’ Last Exam 拿到 35.4：超過 Opus 5 的 28.6，逼近 GPT-5.6 Sol 的 26.7 兩倍分數。
- Terminal-Bench 4.0 拿到 42.3：比 K3 的 12.6 高出近 30 分，比 GLM-5.3 高出 4 分以上。
HLE 與視覺基準（Chartography、BabyVision、ZeroBench）雖然未超越 Opus 5，但相比前代都明顯進步。整體來看，這次更新把 V4.1-Flash 從「接近 Opus」推進到「在多項代理任務上贏過 Opus」的區間。
🚨 為什麼這件事重要
這是 DeepSeek 自 V4-Flash（2026 年 4 月）以來，第一次在多項代理任務基準上同時壓過 Claude Opus 5 與 GPT-5.6 Sol。從產業角度來看，至少有三層意義：
-
開源模型的「代理能力天花板」又拉高了。V4.1-Flash 系列本來就以低成本聞名，這次更新在「短輸出、低成本、高分數」三個維度同時推進，直接把開源生態系的程式與自動化基準拉到「比頂級閉源模型更強」的位置。對 Anthropic 與 OpenAI 來說，這是定價權與開發者黏著度的實質壓力。
-
「Pareto 改進」的策略正在改變閉源 vs 開源的戰場。以往開源模型的套路是「便宜但分數較低」、閉源是「貴但分數高」。V4.1-Flash-1017 走的是同一個價位、同樣的 API endpoint，但代理任務明顯更強——這等於把「性能 / 成本比」變成新的競賽維度，逼迫閉源廠商不能再單純靠「分數」賣高價。
-
Search & Fetch API 的開放是另一條隱藏主線。DeepSeek 把自家搜尋引擎（每天處理數億次請求）以 $0.75/1000 calls 對外開放，並且在 DeepSeek Harness、Claude Code、Codex 等熱門代理框架中免費呼叫。10 月 31 日 16:00 UTC 開始計費，這等於是 DeepSeek 把「模型 + 工具鏈」打包成一個生態系的策略。
對台灣與中文圈的開發者來說，這次更新也意味著：在不需要依賴 OpenAI 或 Anthropic API 的前提下，已經可以組出一個完整的「模型 + 搜尋 + 工具呼叫」代理工作流，而且整套都是開源 + 自架可行。
🚨 數據解讀與質疑
官方給的基準表很漂亮，但魔鬼藏在細節裡。Siami 編輯部抓出三個值得質疑的點：
-
Terminal-Bench 4.0 用的是 Claude Code harness——也就是說，這個分數是用 Claude Code 的代理框架跑的，而不是 DeepSeek Harness。這引出一個關鍵問題：用「對手框架」跑出來的高分，是不是真的代表模型本身強？還是代表模型對「Claude Code 的 prompt 格式」特別擬合？
-
DeepSWE v1.1 用的是 Mini-SWE-V2 harness——同樣道理，這是 Anthropic 系的代理框架。在「別人家的框架上跑出最高分」這件事，有點像在對手主場贏球，宣傳效果強但獨立驗證還沒看到。
-
官方公告沒有給出價格表——DeepSeek 只說「同價位 checkpoint 更新」，但 V4.1 Flash 在 2026 年 9 月時的定價為 input $0.07/M、output $0.28/M（cache hit 還能再降）。如果維持這個價格，77.0 DeepSWE + 60.5 Automation-Bench 的確是「便宜到離譜」；但如果悄悄調漲，「Pareto 改進」就要打折來看。
另外，官方提到的「Wish-Driven Programming」範例（3D 建模、Portal 2 重現、Valley of Ages）都是 DeepSeek Harness 的展示結果，並非獨立第三方在裸模型上的重現。對於想評估「我自己用 vLLM 或 SGLang 部署時會不會一樣強」的讀者來說，這些 demo 參考價值有限。
如何開始使用
官方提供三條取得管道，全部 MIT 開源：
- 🤗 Hugging Face：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
- 🔗 ModelScope：https://modelscope.cn/models/deepseek-ai/DeepSeek-V4.1-Flash-1017
- 🌐 官方 API：
api-docs.deepseek.com，10 月 31 日 16:00 UTC 開始計費
推薦採樣參數：temperature = 1.0、top_p = 1.0、context_window = 1M tokens、max_tokens ≥ 256K。
本地部署可參考 inference/README.md 的權重轉換教學，生產環境則建議使用 deepseek-recipe 這套 Rust + Python 的 protocol-aware 工具鏈。
網友熱門留言 (5)