DeepSeek没有“小”更新｜实测DeepSeek新模型“许愿式编程”

作者｜董道力
微信 ｜ddl941110

永远不要相信 DeepSeek 的 “a minor update” （小更新）。

最近的国产模型安静的有点反常，没上新、没预热。在一片寂静中，DeepSeek 有了新动作，将 DeepSeek-V4.1-Flash 更新成了 DeepSeek-V4.1-Flash-1017。

光看名字只是加了个后缀，以为也只是一次小迭代，但看完测试和案例，DeepSeek-V4.1-Flash-1017 并不简单。

官方公布的评测中，1017 版本相较于上一代能力都得到了提升。其中，在终端操作和软件逆向上改进明显，Terminal-Bench 4.0 从 31.2 分升到 42.3 分。ProgramBench 从 20.3 分升到 29.1 分，增加了 8.8 分。

与 GPT 和 Claude 比较，1017 在其中 9 项测试中高于 GPT-5.6 Sol，终端操作和软件逆向都完成了从落后到反超的跨越。与 Claude Opus 5 相比，它在 DeepSWE、Automation-Bench、Agents’ Last Exam 和 Apex Bench 四项测试中领先。

秉持着不浪费用户每顿白饭的传统，DeepSeek-V4.1-Flash-1017 在能力上涨的同时，完成一项任务的价格却降低了。根据报告预估，单个 DeepSWE 评测任务的平均开销，从约 0.49 美元降到约 0.20 美元，降幅约六成。

这次更新还把重点放在了从零开发完整项目上。官方展示了故宫 3D 建模、网页赛车，以及用 Godot 复刻的《传送门 2》和文明演化场景 Valley of Ages，并表示这些项目只用了少量提示词与参考素材，交互轮次也很短。

在官号里，DeepSeek称“许愿式编程一键成真”，我们来测试几个项目，来看看到底怎么回事。

1

实测 DeepSeek-V4.1-Flash-1017

实测一：让一张纸长出海边小镇

第一个任务，是 3D 网页。要求是把桌面上的一张剪纸变成海边小镇。随着鼠标向下滚动，墙面从纸板上翻起，坡屋顶合拢，灯塔、码头和纸浪依次立起来，镜头也从俯视慢慢转向斜视。纸张的厚度、折线与投影都保留着，整个页面像一本正在展开的立体书。

从 GIF 可以看到房子立起来以后，仍然像纸做的。厚度、折痕和投影保住了立体书的质感，灯塔和时间滑块又让人有了继续玩下去的兴趣。尤其是拖到黄昏时，天空、海面和窗灯一起变化，几个功能能配合起来，整个小镇就显得更完整了。

实测二：让代码讲完两部科普片

另两个任务，把要求加到了声音和叙事上。不知道大家有没有刷到过科普短视频，简单的画面配上旁白，讲清楚一件事。如今 DeepSeek 可以（真）一键生成，无需二次加工。

这类任务对，网页视频的叙事感、镜头方向和声音都有要求。

《地球：从炽热岩球到蓝色星球》长约两分半，把地球演化分成了13个章节。镜头从今天的蓝色地球倒回形成之初的炽热岩球，切开剖面展示内部层次，再潜入微生物所在的浅海。寒武纪生物游过镜头，小行星撞击扬起的尘埃遮住天空，最后又回到现代地球。

比较加分的是，画面和解说能配合着讲一件事。剖面展开，旁白就解释地球分层，镜头进入海底，讲述也转向生命变化，中文字幕能跟上相应段落。它已经能把几种视听元素组织成一段连贯的视频。

《一粒盐的诞生》则把镜头落在海南洋浦的一片盐田。约两分钟里，镜头从盐晶特写拉远，逐步展开制盐过程：海水进入泥地，盐工用木耙翻耙晾晒，盐泥被装进过滤池，卤水再送入石槽晒盐。微缩场景和暖色调贯穿全片，让这套工艺有了统一的视觉风格。

片中两次尺度切换用得很合适。过滤时，镜头切开池体，把泥沙和茅草层展示出来。结晶时，又进入微观示意，呈现水分减少、晶体逐渐出现的过程。

两部作品交付的本体都是有声3D网页。主要画面由代码实时渲染，中文旁白来自语音合成，配乐和环境声也随项目打包。

虽然画面仍有明显的简化模型感，尤其是地球篇的古生物，以及盐田里的人物和器具，离提示词要求的电影级纪录片还有距离，但稍加打磨完全可以替代短视频了。

实测3:莫比乌斯巴士

第三个项目，把公交车开上了太空中的莫比乌斯环。外景镜头可以旋转观察整条公路，切到跟车视角，巴士沿着扭转的路面行驶，车身也跟着倾斜。坐进驾驶舱后，方向盘和挡风玻璃进入画面，前方的道路与远处星空一起在视野中翻转。沿途还会弹出站点卡片，提示停车与签到条件。

这个项目最有意思的，是把莫比乌斯环的空间特征做进了驾驶体验：绕一圈后上下颠倒，再绕一圈才恢复原来的姿态。巴士和驾驶舱的建模仍然比较简单，不过，道路形状、车辆运动与镜头变化能配合起来，已经有了一款小型太空驾驶游戏的雏形。

1

为什么不叫 V4.2-Flash，而是仅仅加个后缀

DeepSeek 此前从 V3 升到 V4，再到 V4.1，版本号的变化都伴随着底层架构的调整。

从 V3 到 V4，注意力机制和模型层间的连接方式都有改动；到了 V4.1-Flash，又引入了非对称的 Causal Encoder-Decoder 结构，让处理输入和生成输出采用不同的激活规模。

而这次 1017 则沿用了初版架构，主干参数仍是 552B，输入激活 8B、输出激活 16B 的规模也没变。

那么改进在哪里？

底座没更新，也实现了能力增强和成本下降，要解释这些变化，就得看后训练和任务执行效率上的改进。

自反馈强化学习

DeepSeek 在发布说明中，明确将游戏开发、3D 建模等完整项目开发能力的提升，归因于基于自反馈的强化学习（reinforcement learning with self-feedback）。

自反馈怎样帮助训练这种能力？官方尚未公布具体方法，我们可以顺着这类任务的特点，简单猜测下。

让 AI 写一个函数，通常可以用测试检查结果对不对。但让它做一个赛车游戏，麻烦就多了。

比如，车和赛道都画出来了，一开车却穿墙。碰撞修好了，再测一遍，才发现重新开始比赛时计时器没有归零。

每个功能单独看都不复杂，放在一起，问题就大了去了。模型需要根据前面的结果决定下一步怎么做，还得保证这些功能最后能配合起来运行。

一种可能的做法，是让模型在训练中参与检查自己的开发成果：对照最初的需求，找出没有完成的功能，判断前后的操作有没有冲突，再给出评价。

这些评价如果足够可靠，就可以转成训练奖励，用来调整模型参数，让"能够把项目做完整"的开发方式在之后的任务中更容易出现。

当场发现一个 bug 再把它修好，解决的是眼前的项目；把反馈用于训练，则是希望模型下次遇到类似问题时，也能做出更好的选择。

这条路线最难的地方，也在于评价是否可靠。模型得能发现自己哪里做错了，否则一份看似合理的自我评价，只会让它在错误的道路上越走越远。

给推理过程瘦身

DeepSeek-V4.1-Flash-1017 的另一项改动，是缩短任务运行时间和输出长度，结果就是 API 单价没有变化，但完成一次任务所需的开销降了下来。

API 按输入和输出的 Token 数量收费，模型完成任务时生成的内容少了，输出费用就会减少。能力提升与账单下降可以同时发生，关键要看它用了多少内容，完成了多少事情。

这对 Agent 尤其有用。开发一个项目，模型往往要反复读取文件、修改代码，再根据工具返回的结果继续处理。账单会把这些过程中的消耗都算进去，远不止用户最后看到的那段答复。

而且，一段内容可能不只计费一次。如果它被保留在历史记录中，后续调用又把这段历史发给模型，就会产生输入费用。

少生成一些冗余内容，既能减少当下的输出开销，也可能减轻后续读取历史的负担。

虽然缓存命中可以让重读便宜一些，但一开始别生成不是更便宜吗？

模型之外，把搜索和接入也补上

随着 DeepSeek-V4.1-Flash-1017 发布，DeepSeek 还把自研搜索引擎的能力，拆成了 Search 和 Fetch 两个公共接口。原本支撑自家产品的搜索服务，现在也能接进开发者自己的应用和 Agent 中。

举个例子，比如，让 Agent 给制作小程序，它需要去小程序开发网站找到相关文档，确认接口现在怎么用。

Search 负责按关键词找网页，返回标题、链接和摘要，帮助模型筛选资料。选定需要仔细阅读的页面后，Fetch 再根据网址抓取正文，整理成方便模型读取的 Markdown 文本。

一个负责找资料，另一个负责整理资料。

价格上 Search 和 Fetch 分别按每千次成功请求 5 元人民币计费，约合 0.75 美元。请求失败、搜索没有结果或抓取超时，都不收费。

1

可以不断走的一小步，也算一大步

回头看，DeepSeek-V4.1-Flash-1017 沿用了原有架构和参数规模，主版本号也没往上跳。

DeepSeek 在说明里写的一句其实说明了一切：完整项目的开发能力，归因于基于自反馈的强化学习。

当然，这条路能走多远，还要看它给自己打的分准不准。这部分 DeepSeek 还没公开细节，我们也只能边用边验证。

不过，综合自反馈训练、推理瘦身，还有新开放的 Search 和 Fetch 接口，DeepSeek 这次“小更新”的思路其实很清楚：底座不动，重点就放在后训练和任务执行效率上。

底层架构的换代固然让人期待，但在现有底座上靠后训练提高能力，降低单次任务开销，是一条不需要等大版本就能一直往前走的路。

这是一场属于 AI 创业者、开发者、AIGC 创作者和社区伙伴的线下共创活动，五大部落、黑客松、Demo 展示、创作者交流，还有更多好玩的玩法等你来解锁！欢迎点击下方小程序报名！

点个“爱心”，再走 吧