DeepSeek V4.1 Flash 1017 在代理任务中表现优于较大的竞争对手,同时又一次大幅降低了每项任务的成本.

标签描述: 字体的类型是什么? (Meta description) DeepSeek 发布 V4.1-Flash-1017 具有更好的代理编码分数,成本较低,开放权重和搜索 & Fetch APIs,可通过网站 APP 和 API.

标签: 一个字母,一个字符号. (TG) " Deepseek V4.1-闪光-1017,代理编码,搜索 & Fetch APIs,公开权重模型, AI 基准

首选图片: 在线视频, 下载地址: http://www. 有神经通路和类似代码的光线, 没有真实的人物,

背景:一个便宜的闪电模型

DeepSeek V4 DeepSeek 公司已经发布了其Flash模型的更新版本,该版本带有两项对开发人员来说很重要的变化:更强大的代理和编码行为以及内部 search engine 首次外部打开.新型号名为 DeepSeek -V4.1-Flash- 1017 ,现在可以通过公司网站 APP 获取API.

该公司将更新描述为性能和成本之间的权衡中的帕雷托改进.在实践中,这意味着 DeepSeek 表示该模型比其直接前身获得更好的基准分数,完成任务的速度更快,并产生更短的输出.较短的结果可以减少 token 使用,这可能会降低重复编码或代理运行的成本.

发展过程:自主反训练,调整和基准收益.

为了从头开始构建完整的 software 项目, DeepSeek 使用 reinforcement learning 进行自我反.这种后培训方法让模型可以用自己的内部信心分数或自生成的批评作为奖励信号,消除对人类评估员或外部奖励模型的需求.该公司表示,这种方法改善了从游戏 programming 到3D建模和设计工作等各个任务的端到端项目开发. 该模型还可以动画紧.式解释器视频,类似于最近发布的Opus 5.5 . 一段演示视频归功于FeiZ.

DeepSeek 为包括 Deepseek Harness, Tencent CodeBuddy 和 WorkBuddy 在内的开发环境调整了模型. 对于 Deepseek Harness ,建议使用v0 2.1 -rc.1 或更高版本.

在 DeepSeek 自己的基准中,V4.1-Flash-1017的表现优于其前身V4.1 Flash.它还击败了大型竞争型号如 Claude Opus 5,GPT 5.6 - SOL ,Kimi K3,以及在几个编码和 AI 代理类别中的 GLM .公司的图表显示该模型在每个测试类别中都比前者有所改善.

对于DeepSWE基准的成本图表强调了较短输出的影响.V4.1-Flash-1017达到最高得分为77.0%,平均每任务费用为 JUST 以下$0.20.在低设置中,它仍然清除72%左右$0.10.其前身得分是 74.2%,但每个运行成本约为 $0.50.图表显示Flash模型大于竞争对手的大幅度.

竞争对手的模型包括GPT-6 Astra, Gemini 3.8 Flash和 Claude Opus 5在图表中的每项任务都处于$2至$10以上之间,没有一个与较小的 DeepSeek 模型的准确度相匹配. DeepSeek 指出独立基准尚未出现,并且基准得分只能告诉故事的一部分.开发人员对代码质量的印象可能与公布结果大不相同.

最新进展:搜索 APIs , 价格和监管不确定性

DeepSeek 正在开发一种名为Search的网络搜索工具. & Fetch APIs,可供所有开发人员使用.该公司表示,这些服务运行在内部构建的 search engine 上,它已经处理了全球每天数亿个查询.设置细节可以在 API 文档中找到.

每个端点的定价为 $0.75 的 1,000 呼叫. Deepseek API 用户可以在 Deepseek Harness, Claude Code 和 Codex 中通过 server 侧工具免费访问这些功能,直到 10 月 31 日 [49] 4 点PM Coordinated Universal Time.

更广泛的背景变得不那么简单.前一天的报道表明,中国政府计划收紧发布开放权重模型的规则,甚至完全阻止其发行.一个决定性的因素是给定的系统是否位居最具能力的十大模式中.目前,该版本的当前阶段是一个面向开发者的步骤: DeepSeek 已经将成本较低的Flash模型及其搜索工具推广到公众使用中,而开放權重分布和模型可用性仍然受到可能的政策改变的影响.