10 月 17 日下午，DeepSeek 把 deepseek-flash 背后的模型换成了 DeepSeek-V4.1-Flash-1017。你的调用代码一行不用改、API 价格一分没涨，但 Terminal-Bench 4.0 从 31.2 跳到 42.3，ProgramBench 从 20.3 跳到 29.1。官方把这个叫做「性能与成本的帕累托改进」—— 大意是：没有一方变差，但整体变好了。

同一天还有第二件事，容易被模型更新的热闹盖过去：DeepSeek 自研的搜索与抓取接口 Search 与 Fetch 正式对外开放，每千次成功调用 5 元人民币（官方英文页标 $0.75）。一个管「找网页」，一个管「把某个网页读成 Markdown」，都是给 Agent 和 RAG 用的。

这篇把两件事拆开讲清楚，包括官方基准表里没赢的那几行——那几行比赢的行更值得看。

一、这次改了什么：名字没换，指向换了

最需要注意的一点是：模型 ID 没有变。你仍然写 model: deepseek-flash，但服务端的 MODEL VERSION 已经是 DeepSeek-V4.1-Flash-1017。老名字 deepseek-v4-flash、deepseek-v4-flash-vision-exp 也还接受，对应的老模型已下线，请求会路由到 1017 并按 Flash 的价格计费。

官方说明的措辞很短，就三句：基准更强、任务完成更快、输出更短。网页端、App、API 三端同步切换到新模型。

有一件事官方这次没说：新参数量。上一版（9 月 10 日发布）的官方口径是 552B 参数 MoE，另有约 196B 的 Engram 条件记忆，所以 Hugging Face 上文件加起来显示 763B —— 两个数字都对，只是口径不同。1017 这一版的模型卡里没再给参数数字，公开信息也没有迹象表明架构和规模变了，变化集中在训练侧（后面讲的自反馈强化学习）。

沿用至今的硬规格是这些（来自 9 月那一版，1017 未改）：

• 架构：因果编码器-解码器（CED），40 层拆成 20 层 encoder + 20 层 decoder；
• 激活参数：输入 8B、输出 16B —— 读比写便宜，这是为 Agent 场景量身定的不对称设计；
• 上下文：100 万 token，最大输出 384K token；
• KV 缓存：相比上一代只需 1/4 的 HBM、1/8 的 SSD，每 token 约 890 字节；
• 多模态：原生支持视觉输入（注意 deepseek-v4-pro 至今不支持 vision）；
• 许可证：MIT，权重开放。

二、官方基准：涨得最多的两项，恰好是 Agent 最缺的

下表来自 DeepSeek 随版本发布的模型卡，前后两列都是官方自测。变化量是媒体照着两列相减算出来的，我核对过几个站点的数字，彼此一致。

• Terminal-Bench 4.0：31.2 → 42.3（+11.1，涨幅最大）
• ProgramBench：20.3 → 29.1（+8.8）
• Apex Bench v1.1：64.6 → 72.1（+7.5）
• HLE（不含工具）：36.8 → 42.6（+5.8，纯文本子集 39.1 → 44.0）
• Automation-Bench v1.0.6：54.8 → 60.5（+5.7）
• Chartography（含工具）：78.9 → 83.0（+4.1）
• Agents’ Last Exam：31.8 → 35.4（+3.6）
• BabyVision（含工具）：89.6 → 92.5（+2.9）
• NL2Repo-Bench：65.4 → 68.2（+2.8）
• DeepSWE v1.1：74.2 → 77.0（+2.8，基数已经很高）
• ZeroBench-main（含工具，Pass@5）：49.0 → 51.0（+2.0）

两个涨幅最大的（Terminal-Bench、ProgramBench）都是「在真实环境里跑命令、改仓库」那一类任务，正好对上官方说的训练方向。而 DeepSWE 和视觉类只涨了 2~3 分，原因也简单 —— 上一版在这两项上本来就不弱。

评测环境这件事，官方自己交代了

模型卡里明确写了：Terminal-Bench 4.0 用 Claude Code 当 harness，DeepSWE v1.1 用 mini-swe-v2 当 harness，ZeroBench-main 用的是 Pass@5（所以别当成单次成功率读）。HLE 那个 42.6 还带一个括号：纯文本子集是 44.0，两个数都在，别看串了。

这一点很重要：Agent 类基准的分数高度依赖 harness，换个框架跑出来的数会明显不同。所以看到「42.3」的时候，要知道它是在 Claude Code 里测的。

别把这次发布读成「全面超越 Opus 5」

官方那张表还列了 Kimi K3、GLM-5.3、GPT-5.6 Sol 和 Claude Opus 5 做对照。按 DeepSeek 自己公布的这组数字，Opus 5 仍有 7 行领先：

• HLE（不含工具）：Opus 5 56.3 vs 1017 的 42.6
• Terminal-Bench 4.0：Opus 5 51.8 vs 42.3（差 9.5 分，这行跟得很近但仍落后）
• ProgramBench：Opus 5 37.0 vs 29.1
• NL2Repo-Bench：Opus 5 75.3 vs 68.2
• Chartography（含工具）：Opus 5 84.0 vs 83.0
• BabyVision（含工具）：Opus 5 94.1 vs 92.5
• ZeroBench-main（含工具）：Opus 5 52.0 vs 51.0（这行 GPT-5.6 Sol 的 53.0 最高）

1017 领先的行是 DeepSWE（77.0 vs 74.0）、Automation-Bench（60.5 vs 50.3）、Agents’ Last Exam（35.4 vs 28.6）、Apex Bench（72.1 vs 65.8）。

另外两点值得记：Kimi K3 的 Terminal-Bench 4.0 只有 12.6，跟这批模型不在一个量级；GLM-5.3 在视觉三项上标的是 n/a —— 不是零分，是官方表里没这个数。

而且这些都是厂商自选对手、自选基准跑出来的。发布当天没有第三方实验室复现。真正该关注的不是这张表好不好看，而是过一两周有没有独立评测把这几个数字跑出来。

三、所谓「许愿式编程」，到底指什么

官方这次给了个新词：Wish-Driven Programming，许愿式编程。定义不难理解 —— 你用自然语言描述一个想要的东西，只给极少的参考素材，模型自己把整个项目搭出来，中间的交互轮次很少。

支撑它的技术说法是「基于自反馈的强化学习」（reinforcement learning with self-feedback）。翻成白话：让模型自己跑一遍、看结果对不对、再拿这个结果当反馈去改 —— 而不是全靠人来打分。这类训练特别适合「输出能被自动验证」的任务，比如代码能不能跑、游戏能不能玩。

官方放了四个完整项目的演示，都不像玩具：

• 故宫的 3D 建模；
• 一个网页版赛车游戏；
• 用 Godot 引擎复刻《传送门 2》；
• Valley of Ages —— 一个把从史前到现代的历史演进做成 3D 场景动态变化的项目。

四个案例的共同点是跨了技术栈：3D 渲染、游戏引擎、前端交互，都不是「生成一个函数」能覆盖的。这正是这次升级的定位 —— 从「代码片段生成器」往「项目级构建工具」挪一步。对独立开发者、做快速原型的人来说，这个方向比多考几分更有实际意义。

四、官方点名了 WorkBuddy 和 CodeBuddy

官方发布说明里有一句很实在的话：这次专门针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等平台框架做了优化，并且建议把 DeepSeek Harness 升到 v0.2.1-rc.1 或更高版本才能拿到完整适配。

这句为什么值得单独拎出来：同样是这个模型，套在不同的 Agent 框架里，表现能差出一大截。官方愿意在发布说明里逐一点名几个 harness，等于承认「模型分」和「产品里实际体验到的能力」不是一回事 —— 后面那几个 +11 分能不能落地，很大程度取决于你用的框架有没有适配。

如果你在用 WorkBuddy 写代码，这条意味着不用改任何配置就已经在吃这次的升级了。据澎湃新闻报道，DeepSeek Harness 团队同日发了 0.2.1 版本适配新模型，并给首次登录的用户 6 元赠金（限量、到账后 7 天内有效）—— 这条是媒体转述，官方发布说明里没写，用之前建议自己确认一下。

五、Search 与 Fetch：这才是当天被低估的那一半

模型更新是明面上的事。真正会影响架构选型的，是 Search 与 Fetch 正式对外开放 —— 这两个接口以前只在 DeepSeek 自家的搜索链路里用，现在谁都能调。

两个接口，各管一件事

• Search：POST https://api.deepseek.com/v1/tools/search —— 给一个查询，返回结构化结果（标题、URL、摘要、发布时间、权威度评分），跑在 DeepSeek 自建搜索引擎上；
• Fetch：POST https://api.deepseek.com/v1/tools/fetch —— 给一个 URL，返回清洗好的 Markdown 正文，省掉你自己写解析器。

两者都是纯 JSON 接口，认证方式跟模型 API 一样（Bearer 密钥）。Search 支持 site:、-site:、精确短语、lang:zh,en、after:、before: 这些运算符，可以写成 DeepSeek site:github.com OR site:huggingface.co lang:en after:2025 这种组合。返回结果里有两个字段值得注意：rerank_score（0~3，1.5 以上算高质量）和 authority（0~4，3 以上算高权威来源）—— 可以直接拿来做过滤阈值。

计费：按「成功」算，失败不要钱

这点挺良心：只在 HTTP 200 且真的出了结果时计费。Search 必须返回非空结果数组、Fetch 必须真拿到正文，才扣钱；失败、空结果、超时的都不算。所以 count 调大调小不影响价格，一个请求就是一份钱。

• Search：$0.75 / 千次成功请求（中文口径约 5 元）
• Fetch：$0.75 / 千次成功请求
• QPS：各 5，按账号算，两个接口额度分开；Fetch 另外还有按目标域名的限流

免费窗口：11 月 1 日零点是道槛

如果你已经在 DeepSeek Harness、Claude Code 或 Codex 里通过 DeepSeek API 用服务端工具调用去搜网页，那些调用现在还不收费。开始收费的时间点，官方有两处表述：

• 发布说明写的是 2026 年 10 月 31 日 16:00 UTC；
• 定价页和 Search 指南写的是 北京时间 2026 年 11 月 1 日 0 点。

两个是同一个时刻，只是时区写法不同 —— 看到「10 月 31 日」别以为还能多用一天。

顺带一提，官方给的数据是：这套搜索每天在全球稳定处理数亿次请求，索引千亿级网页，支持多语言实时搜索，并且对 SEO 作弊、GEO 操纵和低质 AIGC 内容做过滤。这些数字没法外部验证，但「索引规模」和「反垃圾策略」确实是自建搜索引擎才谈得上的事。

六、价格：一个字没涨，但有个划算的时段

官方定价页的数字（每百万 token，单位美元）：

• deepseek-flash（1017）
  • 输入·缓存命中：平峰 $0.003 / 高峰 $0.006
  • 输入·缓存未命中：平峰 $0.15 / 高峰 $0.30
  • 输出：平峰 $0.60 / 高峰 $1.20
  • 并发上限：2500
• deepseek-v4-pro
  • 输入·缓存命中：平峰 $0.022 / 高峰 $0.044
  • 输入·缓存未命中：平峰 $0.66 / 高峰 $1.32
  • 输出：平峰 $1.98 / 高峰 $3.96
  • 并发上限：500

三条实用信息：

第一，缓存命中与未命中差 50 倍（$0.003 对 $0.15）。Agent 场景里输入占大头、而且大量重复，这个差价直接决定你的账单。凡是能把 prompt 前缀固定住的设计，省下来的钱比换模型多。

第二，平峰是高峰的一半。高峰时段按官方定义是 UTC 01:00–04:00 与 06:00–10:00，周一到周五，中国法定节假日整天算平峰。换算成北京时间是 09:00–12:00 和 14:00–18:00 —— 基本就是国内上班时段。能排到夜里跑的批处理，成本直接对半。

第三，1017 是「名义价格不变、实际成本降」。官方说任务运行时间缩短、输出长度变短，单次任务的综合成本就跟着降了。这个说法自己跑一次就能验证，而且比看基准分更实在。

七、发布前，新模型先「秒删」了一次

这次发布前一天还有个插曲，挺能说明 DeepSeek 的上线方式。

10 月 17 日早上，模型追踪账号 AI Tracker Bot 抓到 DeepSeek 的模型列表里短暂出现了一个叫 DeepSeek V4.1 Flash-1017 的模型，很快就消失了。同一时间，开发者 Teortaxes 发现 deepseek-flash 返回的 system_fingerprint 变了，从 aeb56401ca74e127821c4f9126dcb669 变成 e72d3c7f663d3e1383b00b3884cb4501，他的评价是「感觉更聪明了，可能话更少」。

当时公开的模型列表里还只有 deepseek-flash 和 deepseek-v4-pro，直接拿 1017 这个名字去请求是被拒的 —— 新模型已经在后台服务，但还没挂牌。

这里有个容易误判的地方：system_fingerprint 变了，不等于权重变了。官方文档对这个字段的定义是「模型运行所依赖的后端配置」。换机、换量化、换调度都可能让它变。所以「指纹变了」只能当线索，不能当证据。真正的证据出现在当天下午 —— 官方正式发文。

八、几点提醒

• 静默换模型是真的会发生。你没改代码、没改配置，行为已经变了。如果线上有对模型输出敏感的链路（比如严格格式解析、固定文案风格），这种升级是潜在风险 —— 它的好处是免费变强，坏处是没有灰度窗口。
• 想锁版本，只能自己留快照。model id 没有版本号，所以一旦行为出问题，你没有「回退到上一版」的开关。上线前跑一遍自己的评测集，比什么都管用。
• 基准都是厂商自测。这组数字来自 DeepSeek 自己的模型卡，官方也标注了用的 harness（Claude Code、mini-swe-v2）。发布当天没有第三方复现。
• Search 与 Fetch 的免费期到 10 月 31 日 16:00 UTC。如果你打算长期依赖，现在就把按次计费算进成本模型，别等到 11 月才发现账单结构变了。
• 参数量官方没更新。新模型卡里没给参数数字，公开信息也没证据说架构改了。如果哪个说法给你一个精确到个位的参数量，先看看它是不是把上一版的数字挪过来的。

九、一句话总结

这次升级的价值不在「涨了多少分」，而在于把 Agent 最吃力的两件事 —— 在终端里干活、从零搭一个完整项目 —— 拉高了一截，而且价格和调用方式都没动。对已经在用 deepseek-flash 的人，这是纯收益；对还在评估的人来说，同一天开放的 Search 与 Fetch，可能比模型本身更值得排进技术选型。

参考来源

• DeepSeek 官方发布说明：DeepSeek-V4.1-Flash-1017: Wish-Driven Programming Made Real（2026-10-17）
• DeepSeek 官方发布说明（上一版）：DeepSeek-V4.1-Flash: Smarter, Faster, More Efficient（2026-09-10，552B MoE、CED 架构、KV 缓存压缩等规格出处）
• DeepSeek 官方模型与定价页：Models & Pricing（版本号、四档价格、并发上限、Search/Fetch 计费）
• DeepSeek 官方指南：Search & Fetch（端点、请求字段、运算符、错误码、计费与限流规则）
• 模型卡（权重与基准表）：Hugging Face、ModelScope
• 媒体报道（用于交叉核对官方数字）：上海证券报、金羊网、每日经济新闻
• 发布前的指纹变化与「秒删」经过：TechCityAuthority、快科技
• 基准表逐行对比（转载官方模型卡并计算差值）：ExplainX、TSNMedia

说明：本文为发布解读稿，未在真机调用 API 实测。基准数字均引自 DeepSeek 官方模型卡与发布说明；媒体说法（如 Harness 赠金、日请求量级）已在文中单独标注为媒体转述。价格按官方英文页的美元口径列出，人民币口径以官方中文页面为准。