DeepSeek V4.1 Flash新版发布：故宫、赛车、传送门，许愿就能做？

前面写 DeepSeek V4-Flash正式版时，重点还是 Agent 跑分和编程工具接入；后来测 Vision-Exp，它又补上了看图的能力。

这次，DeepSeek 直接拿出了四个完整项目的展示：故宫 3D 建模、网页版赛车、Godot 版《传送门2》，还有一段从史前走到现代的 3D 场景。

10 月 17 日，DeepSeek 发布 V4.1-Flash-1017 (opens new window)，把这次更新叫作“许愿式编程一键成真”。

这次官方网页端、App 和 API 都已同步升级，模型权重也开放了。 和之前只更新 API 的那次不同，这回直接打开官方产品就能体验新版。

录友们可以关注三件事：做项目的能力、完成任务的成本，以及搜索工具开始单独算钱。

本文图片和动图均直接引用这篇官方公告，案例是官方展示，不是卡哥实测。

跑分涨了，但没有每一项都第一

先看官方对比表。

对比上一版 V4.1 Flash，几个和编程、Agent 相关的变化很直观：

基准	上一版 V4.1 Flash	V4.1-Flash-1017	增加分数
Terminal-Bench 4.0	31.2	42.3	11.1
DeepSWE v1.1	74.2	77.0	2.8
ProgramBench	20.3	29.1	8.8
NL2Repo-Bench	65.4	68.2	2.8
Automation-Bench V1.0.6	54.8	60.5	5.7
Agents’ Last Exam	31.8	35.4	3.6

这里说的增加是分数差，比如 42.3 - 31.2 = 11.1，别直接写成“提升了 11.1%”。

新版在表内的 DeepSWE、Automation-Bench、Agents’ Last Exam 和 Apex Bench 上拿到了最高分。但 Terminal-Bench、ProgramBench、NL2Repo 等项目，仍然是 Claude Opus 5 更高。

所以，“这次进步明显”有依据，“全面超过所有模型”就说过头了。

还有个容易漏掉的脚注：这些分数背后，用的评测框架和口径并不完全一样。 Terminal-Bench 4.0 使用 DeepSeek Code 框架，DeepSWE 使用 Mini-SWE-V2；HLE 带星号的成绩只测文本子集，ZeroBench-main 则使用 Pass@5。

读表时先看任务、框架和采样口径。也别拿这里的 Terminal-Bench 4.0，直接减去旧文章里 Terminal Bench 2.1 的成绩，算跨版本涨幅。

更值得看的是：做完一个任务，要花多少钱

这次我更关注第二张图。

横轴是每个任务的平均费用，越靠左越便宜；纵轴是 DeepSWE v1.1 的 Pass@1，通过率越高越好。同一张图里，越靠左上方越有吸引力。

新版 max 档达到 77.0%，费用落在约 1 元到 2 元之间。上一版 V4.1 Flash 的 max 档是 74.2%，位置则在约 3 元附近。

官方还表示，新版缩短了任务运行时间和输出长度，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 做了优化。

这就是公告里“性能—费用帕累托改进”想表达的事：在官方测试中，任务完成得更好，同时花得更少。

但这张图展示的是任务费用，不能据此认定模型的 Token 单价降了。少输出一些 Token、少走几轮弯路，都可能降低一项任务的总成本。

另外，横轴是对数刻度，不能按图上的距离直接算价格倍数。图中部分竞品数据还有各自的来源日期，美元费用按 10 月 16 日汇率换算；它适合看官方这次的比较结果，不代表今天每个产品、每种任务的实时账单。

对于批量跑 Agent 的录友，这个方向很实在：一次任务少折腾几轮，省下来的就是等待时间和调用费用。

四组动图，看看“许愿式编程”到底在展示什么

官方说，这次通过基于自反馈的强化学习（RL）训练，增强了模型从零构建完整项目的能力，尤其是游戏开发和 3D 建模。

下面四个案例都在 DeepSeek Harness 环境中完成。按照公告描述，使用的提示词和素材参考较少，交互轮次也很短。

故宫3D建模

这个例子展示的是建筑场景。对于这类任务，验收要看空间布局、建筑比例和整体风格能不能统一，做出一个场景比拼出几个单独物体更难。

网页版赛车游戏

做游戏也比生成一张页面截图多了几道关：画面要动，操作要响应，游戏规则要跑起来。官方把这类可交互项目放进展示，明显是在强调从界面生成走向完整功能。

Godot版《传送门2》复刻

这组使用 Godot 引擎。它展示了模型在游戏引擎项目中的开发效果，但“复刻效果”不等于完成了原作的全部关卡、资源和玩法，别把演示范围放大。

Valley of Ages时代演进场景

这组通过 3D 场景动态展现从史前到现代的发展历程。比起单个模型，它更强调多个阶段之间的场景组织和动态表达。

四个案例看完，能理解官方为什么强调“完整项目”了。

不过，公告没有完整列出这四次任务的提示词、交互记录、耗时和费用。动图能展示最终效果，不能直接证明任意一句需求都能一次做成。

真要拿它干活，还是得写清楚交互、运行环境和验收条件。比如赛车项目，至少明确转向、碰撞、重开这些行为，再实际试玩。

Search和Fetch开放，11月1日有一笔费用要留意

这次还有一个和 Agent 成本直接相关的更新：DeepSeek 正式开放自研搜索能力，新增 Search 和 Fetch 接口。

按官方使用指南 (opens new window)，两者分工很清楚：

接口	做什么	价格
Search	按搜索词查网页，返回结构化结果	每千次成功请求 5 元
Fetch	抓取单个网页，返回 Markdown 正文	每千次成功请求 5 元

换算下来，一次计费请求是 0.005 元。假设某个任务发生 20 次计费 Search 和 40 次计费 Fetch，工具费就是 60 × 0.005 = 0.3 元，还要另算模型调用费用。

计费按请求次数算，Search 一次返回多少条结果不改变单次价格。请求失败、搜索无结果或抓取不到正文，不计费。

重点是生效范围和时间。

官方提醒：在 DeepSeek Harness、Claude Code、Codex 中使用 DeepSeek API 时，已经会通过服务端工具调用访问 Search／Fetch。这部分调用当前尚未计费，将于北京时间 2026 年 11 月 1 日 00:00开始按次收费。

这条过渡安排指的是上述服务端工具调用，别理解成所有 Search／Fetch 请求都能免费用到 11 月。

如果你在批量跑联网 Agent，预算里就得加上搜索和抓取次数。模型少输出了，工具调用却变多了，最后的总账仍要一起看。

现在怎么用，怎么选

想直接体验，可以从已更新的官方网页端或 App 开始。

想复现编程案例，官方建议把 DeepSeek Harness 升级到 0.2.1-rc.1 或以上版本。安装和基本操作可以参考前面的 Harness教程，版本要求以本次公告为准。

模型权重也已经发布，Hugging Face 和 ModelScope 都有下载入口。需要自部署的团队，可以进一步评估部署资源和实际吞吐。

至于和 Claude、GLM、Kimi 怎么选，我建议先拿同一份真实任务比三件事：能否验收、多久做完、总共花了多少。

想批量生成交互原型、做小型游戏和 3D 项目，可以把新版 Flash 放进候选；任务量大，尤其值得比较它减少输出和交互轮次后的总成本。复杂仓库改动，则要结合自己的测试结果，不能只凭这一张官方跑分表把原来的主力模型全换掉。

先让它完成一个你能亲自验收的小项目。“许愿”有没有成真，跑起来就知道了。

资料来源

• DeepSeek官方发布公告及本文图片、动图：https://api-docs.deepseek.com/zh-cn/news/news261017/
• DeepSeek网页搜索与抓取指南：https://api-docs.deepseek.com/zh-cn/guides/search/
• Hugging Face模型权重：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
• ModelScope模型权重：https://modelscope.cn/models/deepseek-ai/DeepSeek-V4.1-Flash-1017