DeepSeek 于近日在 Hugging Face 平台发布了 DeepSeek-V4.1-Flash-1017，这是对 DeepSeek-V4.1-Flash 的一次小版本迭代。根据模型卡信息，新版本在推理、编程、智能体任务以及视觉基准上均取得明显进步，同时缩短了任务执行时间和输出长度，让用户能以更快速度、更低成本完成任务，并推动多个智能体框架下的性能与成本帕累托前沿前移。
从公开的基准对比看，DeepSeek-V4.1-Flash-1017 在多项测试中优于前代 V4.1-Flash。例如在 Terminal-Bench 4.0 上得分 42.3，前代为 31.2；DeepSWE v1.1 得分 77.0，前代 74.2；ProgramBench 为 29.1，前代 20.3；NL2Repo-Bench 为 68.2，前代 65.4。在智能体相关评测中，Automation-Bench v1.0.6 得分 60.5，前代 54.8；Agents’ Last Exam 为 35.4，前代 31.8；Apex Bench v1.1 为 72.1，前代 64.6。视觉任务方面，Chartography 在工具辅助下得分 83.0，前代 78.9；BabyVision 为 92.5，前代 89.6；ZeroBench-main 为 51.0，前代 49.0。
在无工具辅助的 HLE 测试中，该模型得分为 42.6（纯文本子集为 44.0），前代分别为 36.8 和 39.1。作为对照，模型卡还列出了其他模型的表现：K3 在 HLE 上为 43.5，GLM-5.3 为 42.0（纯文本子集），GPT-5.6 Sol 为 44.5，Opus 5 为 56.3。在 Terminal-Bench 4.0 上，K3 为 12.6，GLM-5.3 为 37.9，GPT-5.6 Sol 为 39.9，Opus 5 为 51.8。这些对比显示，DeepSeek 新版本在部分智能体与编程任务上已接近或超过部分竞品，但在 HLE 等综合推理测试上仍与 Opus 5 存在差距。
技术细节上，该模型参数规模为 763B，采用 MIT 许可证，允许较宽松的使用与修改。上下文窗口支持 100 万 token，最大输出 token 数不低于 25.6 万。推荐采样参数为 temperature 1.0、top_p 1.0。值得注意的是，本次发布未包含 Jinja 格式的聊天模板，而是提供了自包含的 Python 参考实现 encoding.py，覆盖多轮对话、工具调用、思考模式、数值推理强度、对话中途系统消息以及交错图像内容等测试用例。面向生产环境，DeepSeek 还发布了 deepseek-recipe，这是一组带 Python 绑定的 Rust 库，可将 Messages、Chat Completions 和 Responses API 请求转换为 Conversation 格式，并编码为 DeepSeek V4 与 V4.1 的提示或 token ID，再将模型输出解析为完整或流式响应，涵盖思考、工具调用、图像和生成设置。模型推理、工具执行和 HTTP 传输则交由调用方处理。
从产业视角看，此次更新延续了 DeepSeek 以较小版本迭代快速提升模型能力的节奏，尤其强调智能体任务和视觉基准，这与当前企业部署 AI 智能体的需求方向一致。缩短输出长度和执行时间有助于降低推理成本，而 MIT 许可证和配套工具链的完善，可能吸引更多开发者基于该模型构建应用。在开源模型竞争日益激烈的背景下，DeepSeek 通过性价比和易用性来争取开发者生态，其后续对闭源模型定价策略和云服务商模型选型的影响值得持续观察。