DeepSeek 於近日在 Hugging Face 平台釋出了 DeepSeek-V4.1-Flash-1017，這是對 DeepSeek-V4.1-Flash 的一次小版本迭代。根據模型卡資訊，新版本在推理、程式設計、智慧體任務以及視覺基準上均取得明顯進步，同時縮短了任務執行時間和輸出長度，讓使用者能以更快速度、更低成本完成任務，並推動多個智慧體框架下的效能與成本帕累託前沿前移。
從公開的基準對比看，DeepSeek-V4.1-Flash-1017 在多項測試中優於前代 V4.1-Flash。例如在 Terminal-Bench 4.0 上得分 42.3，前代為 31.2；DeepSWE v1.1 得分 77.0，前代 74.2；ProgramBench 為 29.1，前代 20.3；NL2Repo-Bench 為 68.2，前代 65.4。在智慧體相關評測中，Automation-Bench v1.0.6 得分 60.5，前代 54.8；Agents’ Last Exam 為 35.4，前代 31.8；Apex Bench v1.1 為 72.1，前代 64.6。視覺任務方面，Chartography 在工具輔助下得分 83.0，前代 78.9；BabyVision 為 92.5，前代 89.6；ZeroBench-main 為 51.0，前代 49.0。
在無工具輔助的 HLE 測試中，該模型得分為 42.6（純文本子集為 44.0），前代分別為 36.8 和 39.1。作為對照，模型卡還列出了其他模型的表現：K3 在 HLE 上為 43.5，GLM-5.3 為 42.0（純文本子集），GPT-5.6 Sol 為 44.5，Opus 5 為 56.3。在 Terminal-Bench 4.0 上，K3 為 12.6，GLM-5.3 為 37.9，GPT-5.6 Sol 為 39.9，Opus 5 為 51.8。這些對比顯示，DeepSeek 新版本在部分智慧體與程式設計任務上已接近或超過部分競品，但在 HLE 等綜合推理測試上仍與 Opus 5 存在差距。
技術細節上，該模型引數規模為 763B，採用 MIT 許可證，允許較寬鬆的使用與修改。上下文視窗支援 100 萬 token，最大輸出 token 數不低於 25.6 萬。推薦取樣引數為 temperature 1.0、top_p 1.0。值得注意的是，本次釋出未包含 Jinja 格式的聊天模板，而是提供了自包含的 Python 參考實現 encoding.py，覆蓋多輪對話、工具呼叫、思考模式、數值推理強度、對話中途系統訊息以及交錯影像內容等測試用例。面向生產環境，DeepSeek 還發布了 deepseek-recipe，這是一組帶 Python 繫結的 Rust 庫，可將 Messages、Chat Completions 和 Responses API 請求轉換為 Conversation 格式，並編碼為 DeepSeek V4 與 V4.1 的提示或 token ID，再將模型輸出解析為完整或流式響應，涵蓋思考、工具呼叫、影像和生成設定。模型推理、工具執行和 HTTP 傳輸則交由呼叫方處理。
從產業視角看，此次更新延續了 DeepSeek 以較小版本迭代快速提升模型能力的節奏，尤其強調智慧體任務和視覺基準，這與當前企業部署 AI 智慧體的需求方向一致。縮短輸出長度和執行時間有助於降低推理成本，而 MIT 許可證和配套工具鏈的完善，可能吸引更多開發者基於該模型構建應用。在開源模型競爭日益激烈的背景下，DeepSeek 通過價效比和易用性來爭取開發者生態，其後續對閉源模型定價策略和雲服務商模型選型的影響值得持續觀察。