DeepSeek推出V4.1 Flash 1017 大幅降低Agent任务成本

DeepSeek于10月17日通过原地升级（in-place upgrade）方式，将原有的deepseek-chat/flash系列模型替换为训练更充分的V4.1 Flash 1017检查点。所谓原地升级，是指在不改变接口与价格的前提下，悄悄换上效果更好、效率更高的新权重。官方表示，新版本在Agent（智能体）与编程类基准上的得分更高，输出更简洁，而单位价格保持不变。

具体数字上，在DeepSWE编程基准中，V4.1 Flash 1017的准确率达到77.0%，单次任务成本低于0.20美元；作为对比，其上一代为74.2%@0.50美元，而同级别的闭源前沿模型（如GPT-6 Astra档位）单次任务成本高达2至10美元。在更低算力的评测档位，新版本也能以约0.10美元成本拿到72%的准确率。Search与Fetch类API则定价为每千次请求0.75美元，免费额度延续至2026年10月31日。

作为又一款表现突出的中国大模型，V4.1 Flash延续了开源模型近几个月在Agent任务上快速迭代的势头。它以更低的单位推理成本，直接冲击闭源模型长期依赖的性价比优势。对价格敏感的个人开发者、创业公司和中小企业而言，这种同样效果、更低花费的开放模型正成为更具吸引力的默认选择。

背景上看，2026年以来，开源权重模型在长上下文、智能体协作与编程等维度快速逼近闭源前沿，DeepSeek、Meta、Reflection等团队相继放出数百亿到上千亿参数的开放模型。当算力与推理成本成为AI能否规模落地的关键约束时，价格的持续下探正在悄然改变开发者的选型逻辑——能跑得动、用得起的模型，往往比单纯追求榜单第一更具现实意义。