DeepSeek 新检查点称 DeepSWE 达 77 分

人工智能

DeepSeek 刚刚发布了 DeepSeek-V4.1-Flash-1017，这是 V4.1-Flash 模型的一个新 checkpoint，现已上线 DeepSeek 网站、App 和 API。DeepSeek 表示，与 9 月发布的 V4.1-Flash 相比，新版本的得分更高、任务完成速度更快，输出也更短。公司称，这次更新在性能和成本上实现了帕累托改进。与此同时，DeepSeek 向所有开发者开放了 Search 和 Fetch API。对于 Agent 开发者来说，这意味着用一个 API key，就能使用成本更低的编程模型，以及官方提供的 Web 检索与抓取能力。

**规模：**552B 主干参数，加上 196B Engram 参数。prefill 阶段每个 token 激活 8B 参数，decode 阶段激活 16B 参数。上下文长度为 1M tokens，最多支持输出 384K tokens。

**运行方式：**通过 DeepSeek API 调用，模型名为 deepseek-flash。9 月版 V4.1-Flash 的权重（763B 参数，FP8）已在 Hugging Face 上以 MIT 许可证开放。硬件要求和 1017 版本权重：未披露。

**性能：**在 DeepSeek 公布的全部 11 项 benchmark 上，均超过上一版 V4.1-Flash，提升幅度为 2.0 至 11.1 分。

**最佳表现：**DeepSWE v1.1 得分 77.0，在 DeepSeek 的对比表中高于 Claude Opus 5 的 74.0。

**最弱表现：**不使用工具时，HLE 得分为 42.6，Claude Opus 5 则为 56.3。

什么是 DeepSeek-V4.1-Flash-1017？

DeepSeek-V4.1-Flash-1017 是 DeepSeek-V4.1-Flash 更新后的后训练 checkpoint，通过 deepseek-flash 模型名提供服务。下文的架构细节来自 V4.1-Flash 技术报告。

DeepSeek 团队表示，DeepSeek-V4.1-Flash-1017 使用带有自反馈的强化学习，面向端到端项目任务进行训练，示例涵盖游戏制作到 3D 建模。它针对 DeepSeek Harness、腾讯 CodeBuddy 和 WorkBuddy 做了调优。DeepSeek 建议使用 DeepSeek Harness v0.2.1-rc.1 或更新版本。

V4.1-Flash 的架构如何工作？

V4.1-Flash 是一个多模态 Mixture-of-Experts 模型，包含 40 层 Transformer，分为 20 层因果 encoder 和 20 层 decoder。

**Causal Encoder-Decoder（CED）：**decoder 的全局 KV 由 encoder 最后一层的隐藏状态投影得到，使 prefill 计算量减少近一半。

**Compressed Sparse Attention 2（CSA2）：**各层以 Full、Reindex 或 Reuse 模式运行，跨层共享主 KV 和 indexer keys。

**FP4 主 KV cache：**全局 KV 降至每个 token 890 字节，约为 V4-Flash 的 1/4。

**SWA Bounded Replay：**持久化 KV cache 缩小至 V4-Flash 的约 1/8。

**推理强度：**使用 1 到 100 的标量控制。API 中的 low、high 和 max 分别对应 50、75 和 100。

DeepSeek-V4.1-Flash-1017 的 benchmark 表现

以下所有得分均由 DeepSeek 自行公布。DeepSeek 在 Claude Code 中运行 Terminal-Bench 4.0，在 Mini-SWE-V2 中运行 DeepSWE。ZeroBench-main 使用 Pass@5。

Benchmark	V4.1-Flash-1017	V4.1-Flash	Kimi K3	GLM 5.3	GPT 5.6-Sol	Claude Opus 5
DeepSWE v1.1	77.0	74.2	67.5	66.9	73.0	74.0
Terminal-Bench 4.0	42.3	31.2	12.6	37.9	39.9	51.8
Automation-Bench v1.0.6	60.5	54.8	46.7	48.8	45.8	50.3
Agents’ Last Exam	35.4	31.8	27.6	28.5	26.7	28.6
Apex Bench v1.1	72.1	64.6	47.8	56.6	54.3	65.8
ProgramBench	29.1	20.3	17.5	19.0	23.0	37.0
NL2Repo-Bench	68.2	65.4	58.0	58.0	56.8	75.3
HLE（不使用工具）	42.6 / 44.0*	36.8 / 39.1*	43.5	42.0*	44.5	56.3
BabyVision（使用工具）	92.5	89.6	85.7	未披露	88.9	94.1

* HLE 的纯文本子集。

1017 checkpoint 在 DeepSWE、Automation-Bench、Agents’ Last Exam 和 Apex Bench 上领先。Claude Opus 5 在 Terminal-Bench 4.0、ProgramBench、NL2Repo 和 HLE 上仍然领先。

与开放权重的竞争模型相比如何？

特性	DeepSeek-V4.1-Flash-1017	Kimi K3	GLM-5.3
总参数量	552B 主干参数 + 196B Engram 参数	2.8T	753B
激活参数量	prefill 为 8B / decode 为 16B	104B	未披露
上下文长度	1M	1,048,576	未披露
许可证	MIT（V4.1-Flash）；1017 权重未披露	Kimi K3 License	GLM-5.3 license
模态	文本、图像输入；文本输出	文本、图像	文本
DeepSWE v1.1	77.0	67.5	66.9
Agents’ Last Exam	35.4	28.3	28.5
API 价格（每 1M tokens，缓存未命中输入 / 输出，高峰时段）	$0.30 / $1.20	未披露	未披露

DeepSeek 的 Search 和 Fetch API 是什么？

Search API 根据查询返回经过排序的 Web 搜索结果。Fetch API 则将单个网页以 Markdown 格式返回。DeepSeek 表示，其自研引擎每天处理数亿次请求。

端点：api.deepseek.com 上的 POST /v1/tools/search 和 POST /v1/tools/fetch。

**搜索选项：**支持返回 1 到 50 条结果，可选择包含页面内容，并支持 site:、lang:、after: 和 before: 等操作符。

**结果字段：**每条结果都包含一个 0 到 3 的 rerank 分数，以及一个 0 到 4 的权威性等级。

**价格：**两个端点均按每 1,000 次成功请求 $0.75 收费。空结果和失败请求免费。

**速率限制：**每个账户对每个 API 的调用上限均为 5 QPS。

**免费期：**通过 DeepSeek Harness、Claude Code 或 Codex 发起的服务端调用，在 2026 年 11 月 1 日之前保持免费。

部署与定价

通过 OpenAI 或 Anthropic 格式的端点，以 deepseek-flash 模型名调用。高峰时段，缓存未命中的输入每 1M tokens 收费 $0.30，输出每 1M tokens 收费 $1.20。非高峰时段价格减半。

1017 在 DeepSWE v1.1 上取得 77.0 分，高于此前的 74.2 分。

它在 Automation-Bench（60.5）和 Agents’ Last Exam（35.4）上领先。

Claude Opus 5 在 HLE 和 Terminal-Bench 4.0 上仍然胜出。

Search 和 Fetch 各自按每 1,000 次调用 $0.75 收费。

通过 Agent harness 发起的调用在 2026 年 11 月 1 日之前保持免费。

欢迎查看 DeepSeek 公告、Search 和 Fetch 文档、技术报告及模型卡。所有功劳归于这个项目的研究人员。也欢迎在 Twitter 上关注我们，别忘了加入拥有超过 15 万名成员的机器学习 SubReddit，并订阅我们的 Newsletter。等等！你用 Telegram 吗？现在也可以在 Telegram 上加入我们。

Asif Razzaq 是 Marktechpost AI Media Inc. 的 CEO。作为一位富有远见的创业者和工程师，Asif 致力于发挥人工智能的潜力，造福社会。他最近的项目是推出人工智能媒体平台 Marktechpost。该平台对机器学习和深度学习新闻进行深入报道，既保证技术准确性，也让广泛的读者群体易于理解，因此脱颖而出。平台每月浏览量超过 200 万，体现了它在读者中的受欢迎程度。