DeepSeek 更新开放权重模型并开放搜索接口

中国 AI 公司 Deepseek 已在自家平台发布 Deepseek-V4.1-Flash-1017，同时在 Hugging Face 和 ModelScope 上提供开放权重版本。

据该公司介绍，这款模型通过基于自我反馈的强化学习进行训练，运行速度更快、输出更短，在端到端软件开发和 Agent 任务中表现出色。

在内部基准测试中，这次更新在编程和 Agent 测试上击败了 Claude Opus 5、GPT 5.6-Sol 等更大的竞争模型。Deepseek 还通过新的 Search 和 Fetch APIs，向开发者开放其自研搜索引擎。

中国 AI 公司 Deepseek 发布了 Flash 模型的更新版本，在 Agent 和编程任务上取得显著进步。该公司还首次向外部开发者开放自研搜索引擎。

Deepseek-V4.1-Flash-1017 现已通过公司官网、App 和 API 提供服务。Deepseek 也在 Hugging Face 和 ModelScope 上开源了模型权重。与上一版本相比，新模型的基准测试得分更高、完成任务更快，输出也更短。该公司称，这次更新在性能与成本的权衡上实现了帕累托改进。

为了让模型能够从零构建完整的软件项目，Deepseek 使用了基于自我反馈的强化学习（RLSF）。这种后训练方法让模型将自身的内部置信度评分或自行生成的评判作为奖励信号，从而不再需要人工评估者或外部奖励模型。Deepseek 表示，这种方法提升了端到端项目开发能力，适用任务涵盖游戏编程、3D 建模和设计工作。模型还可以制作简短的动画讲解视频，类似于最近发布的 Opus 5.5。

该模型针对 Deepseek Harness（建议使用 v0.2.1-rc.1 或更新版本）、腾讯 CodeBuddy 和 WorkBuddy 等开发环境进行了调优。

更小的 Flash 模型在编程和 Agent 任务上击败更大的竞争模型

在 Deepseek 自家的基准测试中，V4.1-Flash-1017 的表现优于上一版本 V4.1-Flash。在多个编程和 AI Agent 测试类别中，它也击败了 Claude Opus 5、GPT 5.6-Sol、Kimi K3 和 GLM 5.3 等更大的竞争模型。

Deepseek V4.1-Flash-1017 在所有受测类别中均优于上一版本。｜图片：Deepseek

DeepSWE 基准测试的一张成本图表显示，缩短输出对效率的影响相当明显。V4.1-Flash-1017 取得了最高 77.0% 的得分，平均每项任务的成本略低于 0.20 美元。在低档设置下，它仍能取得超过 72% 的得分，成本约为 0.10 美元。上一版本的得分为 74.2%，但每次运行的成本约为 0.50 美元。

按每项 Agent 编程任务的平均成本计算，Flash 模型远低于竞争对手。｜图片：Deepseek

在这张图表中，GPT-6 Astra、Gemini 3.8 Flash 和 Claude Opus 5 等竞争模型每项任务的成本从 2 美元到超过 10 美元不等，而且准确率均未达到这个规模更小的 Deepseek 模型的水平。目前尚无独立基准测试结果，而且基准测试终究只能反映一部分情况。例如，开发者对代码质量的实际感受，可能与基准测试结果相差很大。

Deepseek 将内部搜索引擎开放为公共 API

除了语言模型，Deepseek 还向所有开发者开放了网页搜索工具（Search & Fetch APIs）。该公司表示，这些服务运行在其内部自研的搜索引擎之上，该引擎目前每天已处理来自全球的数亿次查询。具体接入方式见 API 文档。

每个端点的价格均为每 1,000 次调用 0.75 美元。Deepseek API 用户可以通过 Deepseek Harness、Claude Code 和 Codex 中的服务端工具免费使用这些功能，免费期截至 2026 年 10 月 31 日 16:00（UTC）。

不过，就在昨天，将中国 AI 模型深度接入工作流的吸引力有所下降。据报道，中国政府计划收紧开放权重模型的发布规则，甚至可能完全禁止发布。决定因素之一，是相关系统是否跻身能力最强的前 10 个模型。

不炒作的 AI 新闻——由人工精选

订阅 THE DECODER，即可享受无广告阅读、每周 AI 新闻通讯、每年六期的独家「AI Radar」前沿报告、完整历史内容访问权限，以及评论区访问权限。