DeepSeek新模型登场，用户要给AI付的钱又少了

凤凰网科技 出品

作者｜Dale

编辑｜董雨晴

在一场大崩溃之后，宕机的真相水落石出，10月17日，DeepSeek V4.1 Flash-1017正式登场。

看模型后缀会觉得这是一次小版本更新，但是主题和方向非常清晰，那就是继续降低AI的使用成本，甚至活久见的是DeepSeek居然自己画了一张“斩杀线”示意图，当然这张图的本意可能不是为了斩杀，只是为了突出这次模型更新后，AI的使用成本有多低，并且在大幅降低成本后，模型的成功率能否保持一个稳定的状态。

在DeepSeek公布的DeepSWE v1.1评测图中，新版本的最高通过率（Pass@1）达到77.0%。横向比较，上一版本DeepSeek V4.1 Flash的最高点约为74%。更值得注意的是，新版本的最高成绩出现在每项任务平均费用约1.3元的位置，显著低于图中不少性能接近的海外模型。

这也牵扯出一个普通用户该关心的问题，当模型已经能够完成复杂编程任务，用户究竟应该为多少智能付费？

目前，DeepSeek V4.1 Flash-1017已更新至官方网页端、APP与API。按照官方披露，新版本不仅提高了多项基准测试表现，还缩短了任务运行时间和输出长度，并针对DeepSeek Harness、腾讯CodeBuddy、WorkBuddy等框架进行了优化。请注意，腾讯是在DeepSeek官方推文中第二位出现的位置显著的合作伙伴，上一位是华为。

与此同时，DeepSeek开放自研搜索引擎的Search与Fetch API，将搜索和网页抓取能力纳入开发者可以直接调用的工具体系。

一边是更便宜、更高效的任务执行，一边是向外开放更多基础能力。DeepSeek正在试图把模型竞争从单纯的能力比拼，推向更完整的任务交付与成本竞争。

想办法让AI更便宜

过去两年，大模型行业习惯于用榜单解释竞争。

谁的推理能力更强，谁的编程得分更高，谁能在数学、知识问答或代码测试中领先，往往构成模型发布时最醒目的叙事。参数规模、训练数据和推理能力，也因此成为衡量模型进步的主要尺度。

但随着模型开始进入真实的软件开发流程，单纯的分数已经不够了。

一个能够回答编程问题的模型，与一个能够理解需求、调用工具、修改代码、运行测试并反复修复错误的编程智能体，实际上是两种不同的产品。前者主要提供答案，后者需要把答案转化为可交付的结果。

成本也随之发生变化。

用户购买的，不再只是模型生成的若干Token，而是一个任务最终完成所消耗的全部资源。模型思考得越久、调用工具越频繁、失败后重试越多，最终账单就越难由单次调用价格解释。

DeepSeek此次展示的DeepSWE v1.1图表，恰好把这层关系摆到了台面上。

图表横轴是每项任务的平均费用，采用对数刻度；纵轴是Pass@1，即在给定评测条件下，单次尝试通过任务的比例。图中不同模型的不同推理档位被放在同一坐标系里，性能和价格由此形成一组可以直接比较的关系。

DeepSeek V4.1 Flash-1017的最高点达到77.0%。相比之下，上一版本DeepSeek V4.1 Flash的最高点约为74%，DeepSeek V4 Pro的标注点约为63%。

不少海外模型需要付出数十元乃至更高的单任务平均费用，才能获得与低成本模型接近的通过率。DeepSeek V4.1 Flash-1017则将最高通过率推进到77%，同时把成本控制在较低区间。

这才是这次升级真正值得关注的地方。

如果一个模型只是从70%提升到72%，却需要付出成倍增加的推理成本，那么它的优势未必能够转化为商业优势。反过来，如果模型能够在提高成功率的同时减少运行时间和输出长度，它带来的就不仅是性能改善，还有单位任务经济性的变化。

当然，这张图并不能证明DeepSeek在所有价格、所有任务和所有框架下都占据优势。不同模型的推理档位、运行框架与评测条件都会影响结果，图表所呈现的也只是特定测试中的性能—成本关系。

但DeepSeek已经把问题抛给了行业：如果更高的任务成功率可以用更低的成本实现，那么那些依赖更高价格维持竞争力的模型，需要拿出什么来证明自己的溢价？

真正的考场，不是写出代码，而是交付项目

如果说77%的通过率证明了模型在特定测试中的进步，那么DeepSeek此次展示的项目案例，则试图说明这种进步可能走向哪里。

在官方发布的案例中，DeepSeek V4.1 Flash-1017通过DeepSeek Harness完成了故宫3D建模、网页版赛车游戏、基于Godot引擎的《传送门2》游戏复刻，以及以3D场景动态展现历史演进的项目。

这些案例有一个共同点：用户提出的不是一道边界清晰的编程题，而是一个需要从零开始构建的完整项目。

以游戏开发为例，模型需要理解需求，组织场景和交互逻辑，生成代码，再通过运行和调试逐步修正问题。一个看似简单的游戏，背后可能涉及碰撞检测、物理运动、摄像机控制、关卡设计和用户交互。3D建模项目则还要处理空间结构、材质、光照与场景组织。

图｜DeepSeek示例：网页版赛车游戏开发效果

这类任务很难仅靠一次生成完成。

用户真正想要的，通常也不是一段漂亮的代码，而是一个能够运行、能够交互、可以继续修改的作品。

DeepSeek表示，新版本通过基于自反馈的强化学习训练，提升了游戏开发、3D建模等领域从零构建完整项目的能力，使模型能够处理更多“许愿式”编程需求。

图｜DeepSeek示例：Valley of Ages-以 3D 场景动态展现从史前时代到现代的发展历程

所谓“许愿式编程”，并不意味着用户不需要表达需求，更不意味着复杂软件可以完全脱离工程约束。它指向的是一种交互方式的变化：用户不必事先掌握每一项技术细节，也可以先描述自己希望实现的结果，再让模型承担更多从需求到实现的中间工作。

过去，用户需要知道如何写代码；现在，用户可以先描述想做什么。

两者之间的距离，决定了AI编程工具能够进入多大范围的用户群体。

这也是为什么Harness正在成为竞争的重要组成部分。

模型本身提供推理和生成能力，Harness则负责把模型放进一个可以持续工作的环境：组织任务、调用工具、管理上下文、执行代码、读取结果，并在失败后继续尝试。模型能力决定了它能否解决问题，运行框架则影响它能否以稳定、可控的方式解决问题。

这并非DeepSeek一家面对的课题。随着编程智能体从代码补全走向项目开发，模型与工具链之间的协同，正在成为产品能力的重要组成部分。

DeepSeek此次特别提到对DeepSeek Harness、腾讯CodeBuddy和WorkBuddy等框架的优化，并建议用户升级至DeepSeek Harness 0.2.1-rc.1及以上版本，以获得适配新模型的体验。

这意味着，模型的进步并不只发生在参数或训练方法层面，也发生在它与外部软件环境的连接之中。

从模型价格到工具收费，DeepSeek开始补齐另一块拼图

此次更新还有一个容易被编程案例遮住的动作：DeepSeek开放自研搜索API。

按照官方介绍，DeepSeek搜索引擎长期为其网页端和API端提供搜索能力，能够处理来自全球各地的大量搜索请求。此次开放的Search与Fetch接口，分别用于检索网页和抓取指定网页内容，让开发者能够在自己的应用和智能体中直接调用相关能力。

两个接口的价格均为每1000次成功请求5元。官方文档同时说明，只有请求成功且产生有效结果时才计费。通过Claude Code和Codex等工具调用搜索能力的免费安排，则将在官方规定的两周窗口后转入收费机制。

表面看，这是一次API产品线的扩展；放在整次更新里，它还有另一层意义。

智能体要完成一个真实任务，往往不只需要一个足够聪明的模型。它还需要获取外部信息、阅读网页、调用软件工具，并把这些环节组织成连续的工作流。

当模型开始承担更复杂的任务，搜索、抓取和工具调用就不再只是附属功能，而是决定任务能否完成的重要基础设施。

过去，模型厂商更容易围绕Token建立商业模式：输入多少、输出多少，按照调用量收费。随着智能体走向更复杂的工作流程，成本结构也在变得更加多元。模型推理、搜索、网页抓取、代码执行和反复验证，都可能成为一项任务的成本组成部分。

DeepSeek将Search和Fetch开放给开发者，意味着其能力开始从自有产品内部走向外部应用。开发者可以把这些接口纳入自己的智能体系统，不必完全依赖第三方搜索服务。

但开放接口不等于已经建立完整的商业生态。接口的稳定性、搜索结果质量、调用限制、开发者使用规模，以及这些工具与模型之间的协同效率，最终都会影响它能否成为可持续的业务。

尤其值得注意的是，DeepSeek此次同时强调搜索结果的相关性、权威性和时效性，以及对SEO作弊、GEO操纵和低质量AI生成内容的识别与过滤。

从这个角度看，DeepSeek正在处理的是同一道题的不同部分：一端提高模型完成任务的能力，一端降低任务执行的成本，另一端则补充智能体需要的外部工具。

如果模型更聪明，却需要大量调用和重试，成本优势可能被消耗；如果模型足够便宜，却无法稳定完成复杂任务，低价也难以形成真正的竞争力；如果模型能够执行任务，却缺少可靠的信息获取与工具协同，智能体的应用边界依然有限。

真正的竞争，最终取决于这些环节能否形成一个有效的整体。

这条路并不轻松。随着任务复杂度上升，用户对可靠性、响应速度和交付质量的要求也会同步提高。低成本可以降低尝试门槛，却无法自动解决复杂任务中的失败、错误与维护问题。

因此，DeepSeek画出的这条“斩杀线”，更准确地说，是一条新的竞争基准。

它要求模型厂商回答的不再只是“我的模型比你强多少”，而是“在相同的预算里，我究竟能替用户完成多少工作”。

当模型能力越来越接近，任务成本、运行效率和工具生态就可能成为决定商业化空间的关键变量。对用户而言，这意味着更多工作有机会以更低成本交给AI；对行业而言，则意味着曾经由模型能力差距支撑的价格空间，可能需要重新评估。