DeepSeek发布一个次要更新，让AI写代码更快更省钱

DeepSeek发布了V4.1-Flash-1017。这是对V4.1-Flash的一次次要更新，但推理、编码、智能体任务和视觉基准上的提升都不小。新模型同时缩短了任务执行时间和输出长度。简单说，让AI写代码、操作电脑或处理复杂任务，现在能更快完成，花钱也更少。

效率来自性能和成本的同步优化。DeepSeek说新模型在多个智能体测试平台上推进了性能-成本帕累托前沿。旧模型要在速度和花费之间做取舍，新模型把这条取舍曲线往外推了一块。真实环境里推理成本具体降了多少，报告没有给出数字。

先看综合能力。HLE基准上，新模型得分42.6（文本子集44.0，†表示只统计纯文本），旧版36.8。这个分数低于K3的43.5和GPT-5.6 Sol的44.5，更低于Opus 5的56.3。通用测试上，新模型明显强于上一代，但还没到头部。

编程和智能体任务

编程是这次提升最明显的地方。Terminal-Bench 4.0考的是模型在终端环境里自主完成真实操作任务，新模型42.3分，旧版只有31.2。K3得12.6，GLM-5.3得37.9，GPT-5.6 Sol得39.9，只有Opus 5的51.8更高。

DeepSWE v1.1针对真实软件工程任务，新模型77.0分全场最高。旧版74.2，Opus 5是74.0，GPT-5.6 Sol是73.0，K3和GLM-5.3都在68以下。

ProgramBench测程序生成，新模型29.1，旧版20.3，K3 17.5，GLM-5.3 19.0，GPT-5.6 Sol 23.0。这一项Opus 5仍然领先，37.0。

Automation-Bench测自动化工作流，新模型60.5，旧版54.8，所有竞品都没超过51。Agents' Last Exam上新模型35.4，Apex Bench v1.1上72.1，两项都高过旧版和所有竞品。NL2Repo-Bench上68.2，超过K3、GLM-5.3和GPT-5.6 Sol，低于Opus 5的75.3。

这些分数背后有特定工具链：Terminal-Bench 4.0用的Claude Code的harness，DeepSWE v1.1用的Mini-SWE-V2的harness。

视觉任务

视觉上的提升幅度小一些。Chartography（带工具）新模型83.0，旧版78.9，K3 68.1，Opus 5 84.0。BabyVision（带工具）新模型92.5，旧版89.6，K3 85.7，Opus 5 94.1。ZeroBench-main（带工具）新模型51.0，旧版49.0，K3 41.0，GPT-5.6 Sol 53.0，Opus 5 52.0。GLM-5.3在这三项视觉基准上都没有报告成绩。整体看，新模型在视觉上超过了K3，但在这些基准上仍落后Opus 5。

对开发者的变化

这次发布改动了提示格式：不再提供Jinja格式的聊天模板，改成一个自包含的Python参考实现encoding.py，里面带多轮对话、工具调用、思考模式、数值推理努力度、对话中系统消息和交错图像内容的测试用例。普通用户不用管这些，依赖DeepSeek模型的第三方应用得跟着调整。

生产环境集成方面，DeepSeek同时发布了deepseek-recipe，一组带Python绑定的Rust库。它把Messages、Chat Completions和Responses API请求转成Conversation格式，编码成DeepSeek V4和V4.1的提示词或token ID，再把模型输出解析回完整或流式响应，覆盖思考、工具调用、图像和生成设置。模型推理、工具执行和HTTP传输仍由调用者自己负责。报告没有说明除了Python绑定，deepseek-recipe还支持哪些语言。

使用参数与许可

推荐的采样参数是temperature 1.0、top_p 1.0，上下文窗口1M token，最大输出token数不低于256K。1M的上下文意味着处理长文档或大代码库时，不用先费力气把文件切块。

仓库和模型权重都采用MIT许可证，企业拿去做商业产品的法律门槛比较低。报告没有说明权重怎么下载，也没提多语言基准。

论文标题是《DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression》（把KV缓存压缩推向极限），作者DeepSeek-AI，年份2026。KV缓存直接关系到大上下文场景下的显存占用和推理速度。压缩技术具体怎么实现，真实推理成本降了多少，都没有给出数字。编程和智能体任务上，新模型在多项基准中已经和Opus 5互有胜负。