DeepSeek-V4.1 更新：推理与编码全面升级
DeepSeek-v4.1-Flash-1017
DeepSeek-V4.1-Flash-1017 作为 DeepSeek-V4.1-Flash 的小幅更新，在推理、编码、智能体任务及视觉基准上实现了显著提升。该模型不仅优化了性能，还有效缩短了任务执行时间和输出长度，帮助用户以更低的成本更快完成任务。在 HLE、Terminal-Bench 4.0、DeepSWE v1.1 等多个基准测试中，DeepSeek-V4.1-Flash-1017 的表现均优于前代版本，并在多个智能体测试中推动了性能与成本的帕累托前沿。此外，项目还提供了完整的 Python 编码实现和 Rust 库 deepseek-recipe，支持多轮对话、工具调用等复杂场景。
该模型在提升性能的同时，缩短了任务执行时间和输出长度，使用户能够以更低的成本更快完成任务。
HN 评论区
472- OsrsNeedsf2P
DS 在基准测试中并不比 Sol 和 Gemini 强，但在使用了它们一段时间后，我开始明白为什么大家觉得 DS _用起来_ 感觉好太多了。
首先，是服务商提供的 tok/s（每秒 token 数）和 TTFT（首字延迟）。Deepseek 处理工作快如闪电——而且质量相当不错——你不必干等着你的 agent 跑完。
其次是开放性。能看到 CoT（思维链），也不会莫名其妙被“网络审查”拦截。你不用再猜它是不是卡住了，或者会不会随机失败。再加上极高的性价比……我下一个订阅大概率会选 Z.ai。
- jmward01
正是这个模型让 OpenAI 和 Anthropic 想要设置监管障碍。我们需要更多像这样的多样性，而不是更少。据我所知，多样化的生态系统是解决复杂问题的唯一长期方案，而 AI 世界带来的挑战也不例外。
- gregwebs
公司自己的新闻页面：https://api-docs.deepseek.com/news/news261017
他们展示了这个新版本在多个代码基准测试中得分显著提高，在 11 项测试中有 10 项击败了 Sol 5.6（6.1 是最新版）。
我要回归 DeepSeek 来写代码了。我之前在试用 Sol，结果不错，但这应该能大幅缩小差距。我用 Opus/Sol 来做实现计划和代码审查，也用来“拷问”（grilling）代码。DeepSeek 也在运行验证。
- AmazingTurtle
所以我做了一些“苹果对香蕉”的对比。
我让 4 个不同的 agent 审查同一个脏乱差的代码库（200+ 文件变更，C++，游戏引擎）：
- deepseek v4.1 flash 通过 deepseek API：花了 20 分钟找到一个相关的 p1 问题和一个不相关的 p2 问题
- glm 5.3 flash NVFP4 通过 TP2 DGX Sparks：花了 1 小时 5 分钟找到一个 p3 文档问题
- gpt 5.6 sol：花了 5 分 30 秒，找到一个 p1 和一个 p2 问题，都相关
- gpt 6.1 sol：花了 4 分 30 秒，找到两个 p1 和一个 p2 问题，都相关。
值得一提的是：这些发现没有任何重叠。
我让 deepseek v4.1 flash 和 gpt 6.1 sol 根据发现的问题摘要来规划修复方案。在这个特定场景下：gpt 6.1 sol 计划将缓冲区大小从 128 增加到 256，以容纳那 191 个导致测试失败的元素，还留了些余量。而 deepseek v4.1 flash 则决定将其正好设为 191 以满足测试，诸如此类。
Deepseek 上的 TPS 解码令人印象深刻。我从未有过一秒钟觉得被晾在一边，心里想“靠，这玩意儿真在干活”。尽管我费了很大劲，它在审查上还是花了约 4 倍的时间，发现的问题更少，规划得也更差，相比 GPT 6.1 Sol。这是墙钟时间（Wall clock time）。我没有 token 数量用于对比。如果我要给这些模型打分（1-10，10 代表顶级 GG），我会给 deepseek 一个扎实的 6.5 分，而 6.1 sol 大概是 7.5-8.0 分。
- pmxi
这句太搞笑了：“DeepSeek-V4.1-Flash-1017 是 DeepSeek-V4.1-Flash 的一个小更新，在推理、编码、agent 任务和视觉基准测试中带来了实质性的提升。”（重点是我加的）
- apejcic
这是个很棒的更新，我跑了一个基准测试，对比了新旧权重的啰嗦程度和智能水平。
- 推理努力程度（Reasoning effort）设为 1 现在真正可用了，产生的 token 比旧权重少了 2.5 倍，且没有损失智能。
- 在每个推理努力程度下，整体 token 减少了 20%。
- 智能水平相同，工具调用模式也相同。
更多细节见博客：https://sference.com/blog/deepseek-v41f-1017-benchmark
- ilitirit
我已经在 Agent Swarm 实验中每天使用 DS v4.1 Flash 近一个月了。我将其与 GLM-5.3-flash 和 Opus 5.5 进行了测试。对我来说，DS 4.1 胜出。Opus 5.5 仍然是最聪明的，但 DS 4.1 的速度和价格完全弥补了“智能”上的差距。我已经让 Chief/Builder/Reviewer 组成的 swarm 自主运行了多天。我认为我的新工作流将是让 DS 4.1 Flash 负责所有工程工作，只让 Opus 来审查它的成果。4.1 Flash 确实是一个非常令人印象深刻的模型。向 Deepseek 团队致敬。
- a11r
一个负面数据点——我们之前评估过 Deepseek Flash 模型（包括原始的 4.1 flash 和较小的 4.0 flash），它们属于“过度思考者”。我们的工作任务定义明确，但属于中等难度的编码任务。在开源权重模型中，GLM5.3 flash 表现最好，Qwen3.8 flash 紧随其后排名第二。DeepSeek 4.1 flash 在低思考层级会失败，而在高思考层级（它能成功完成任务的层级）会消耗巨大数量的 token（多出一个数量级）。我会评估这个最新发布的版本，因为他们特别声称“该模型减少了任务执行时间和输出长度”，但我还是把期望值放低一点。
- olavgg
我现在真的很喜欢用 DeepSeek Flash + Opus 5.5 作为顾问/审查者的组合。我现在为了一个项目，不到 24 小时就能把 200 美元的 Claude Code 订阅额度用完，而且我讨厌每天都要折腾不同的账号。现在订阅里包含了 200 美元的 API 额度，我彻底重写了我的 coding agent 工作流。
- freakynit
Mario 被 deepseek-v4.1-flsh-1017 在不到 5 分钟内一键搞定（高模式，甚至不是最大模式），包含音效和程序生成的资产：https://mario-dsv4-1-flash-1017.pagey.site/