10 月 17 日，DeepSeek 给 V4.1-Flash 推了一个新检查点：V4.1-Flash-1017。这次更新低调到几乎没有发布会——API 模型名不变（继续叫 deepseek-flash）、价格不变、网页端和 App 直接静默切换。但看官方 changelog 里的数字，提升幅度一点也不像「小版本」：Terminal-Bench 4.0 从 31.2 拉到 42.3，ProgramBench 从 20.3 到 29.1，Humanity's Last Exam（无工具）从 36.8 到 42.6，DeepSWE v1.1 从 74.2 到 77.0。

作为对照，Claude Opus 5 在 DeepSWE v1.1 上的公开成绩是 74.0。也就是说，按 DeepSeek 自己的口径，这款定位「性价比档」的 Flash 模型，在 Agent 编码基准上已经越过了对方旗舰。当然要打个括号：这些全是 vendor 自报数字，第三方榜单还没来得及测 1017 这个检查点，我们引用时都应标注来源是 DeepSeek 官方 changelog。

自反馈强化学习：让模型自己给自己出题

这次更新在技术路线上值得注意的一点，是官方说法里的「基于自反馈的强化学习（RL from self-feedback）」，目标是端到端的项目开发能力。翻译一下：不再依赖大量人工标注的奖励信号，而是让模型在完成任务后，用自己（或验证器）的执行结果作为反馈信号来改进策略。

这个路线和今年 agent 训练的大趋势是合流的——验证成本低的任务（代码能不能跑、测试过不过、终端命令成不成功）天然适合自反馈式 RL，因为环境的终态就是裁判。这解释了为什么涨幅最大的恰好是 Terminal-Bench 和 ProgramBench 这类「以终态论成败」的基准：环境能自动判卷，自反馈循环就转得起来。

另一个实用变化是输出变短、任务耗时变短。DeepSeek 强调同等任务下单次调用综合成本下降——在按 token 计费的商业模型里，「变聪明」和「变省钱」很少同时发生，因为更强的推理通常意味着更长的思考链。Flash-1017 把这两个方向拧在了一起，靠的是把浪费在无效尝试上的 token 省下来，而不是加长思考。

价格才是真正的护城河

定价没变这件事，比跑分更值得琢磨。V4.1-Flash 的 API 价格是错峰 $0.15/$0.60（输入/输出每百万 token，缓存输入 $0.003），高峰时段翻倍到 $0.30/$1.20，1M token 上下文，MIT 许可证开放权重。拿 DeepSWE 77.0 对 74.0 这个差距和大约十分之一的价格放在一起看，结论很直白：在 agent 工作负载这个特定战场上，开源权重阵营第一次同时拿到了「能力打平」和「成本碾压」。

商业上更有意思的是同一天开放的 Search 和 Fetch API。DeepSeek 把自家搜索引擎（官方称日处理数亿请求、索引数千亿网页）开放给开发者：Search 返回结构化结果，Fetch 抓取页面转 Markdown，定价 $0.75/千次，11 月 1 日前经由 DeepSeek Harness、Claude Code 或 Codex 的服务端调用临时免费。模型厂商开始卖「模型+检索」的打包能力，这是在往 agent 供应商的纵深走——你调用一个 agent，它需要的网络检索不用再拼第三方搜索 API，直接在 DeepSeek 的账单里闭环。

对「性价比战争」的一个修正

两个月前 Mistral Large 4 用万亿参数旗舰追平 GLM-5.3 时，开源权重赛道的故事还是「西方追上中国队」。Flash-1017 提供了另一个视角：竞赛的主战场正在从旗舰榜单移向 agent 工作负载的性价比。理由不难理解——2026 年模型消耗的大头已经不是聊天，而是 agent 循环里成千上万次的工具调用，token 消耗量级完全不同。在这个场景里，「每一点智能的单价」比「最高智能的天花板」更能决定谁被大规模采用。

HN 上关于这轮更新的讨论里有个高频观察：基准测试说 Claude 或 Gemini 更聪明，但用户日常还是不断伸手去拿 DeepSeek，因为速度和 token 效率改变了「手感」。有人甚至形成了固定搭配——Flash 做默认快速档，Opus 5.5 留给硬骨头。这种「便宜模型打主力、贵模型做后援」的用法一旦成为默认姿势，模型市场的定价逻辑就会被永久改写：旗舰不再是收入主力，而是品牌锚点。

对国内同行来说还有一个隐含信号：DeepSeek 在科创板融资的当口连出更新，是把「工程效率」当成估值故事的核心证据链。融资文件里的市销率再高，也需要 changelog 里的数字来支撑叙事。

一个提醒：如果你想复测这轮提升，记得先把 DeepSeek Harness 升级到 0.2.1-rc.1 以上再跑对比，官方明确说旧版本 harness 无法完整适配新检查点。评测结果依赖 harness 的版本，这件事本身就很 2026。

参考来源

• DeepSeek API changelog（2026-10-17）：V4.1-Flash-1017 更新说明
• Hugging Face：deepseek-ai/DeepSeek-V4.1-Flash-1017 模型卡（MIT 许可证）
• ArtificialWatch：DeepSeek upgrades V4.1 Flash to the 1017 build（核对官方 changelog 与定价页）
• LLM Reference / AI Model Radar：DeepSeek-V4.1-Flash-1017 规格与定价汇总
• 中华网（2026-10-17）：《DeepSeek 新版本 许愿式编程一键成真 性能与成本双重优化》
• ai0.news（2026-10-18）：AI News — DeepSeek Flash Beats Claude on 10 Benchmarks（口径为聚合报道，已在文中标注 vendor 自报属性）