网易首页 > 网易号 > 正文 申请入驻

DeepSeek V4.1-Flash-1017发布:一句“许愿”生成完整3D项目,但我翻完GitHub issue发现它有个“自我怀疑”的毛病

0
分享至

10月17日下午,DeepSeek把V4.1 Flash更新到了V4.1-Flash-1017。

官方文档里有一句话写得很直接:在提示词和素材参考极为有限的条件下,直接生成可运行的项目成果。它管这个叫“许愿式编程”。

我第一反应是夸张。一句“做一个3D项目”,真能出来一个能跑的东西?

翻完官方示例和基准数据之后,我信了一半。翻完GitHub上那条issue之后,另一半也信了,但多了一个新的担心。

官方示例没只给PPT,四个项目全都能跑

DeepSeek放了四个示例,全部是在DeepSeek Harness框架内跑出来的,交互轮次极短。

第一个是故宫3D建模。镜头从空中掠过一层层金色屋顶,再落到宫门前。红墙、琉璃瓦、中轴线的空间关系都在。它不是一张图,是一个可以在浏览器里拖拽旋转的3D场景。

第二个是网页版赛车游戏。有赛道、有车、有操控,能跑起来。第三个更离谱——基于Godot引擎复刻了《传送门2》的核心玩法。第四个叫Valley of Ages,用3D场景动态展现从史前到现代的发展历程。

这些不是“生成一段代码给你复制粘贴”,是Agent在Harness里自己搭环境、写文件、跑测试、修bug,最后交付一个能打开的东西。

官方给的定位很克制:“提升从零开始构建完整项目的能力”。但“从零开始”这四个字,放在半年前,是资深工程师带着团队干几周的事。



基准测试全面上涨,但有一个数字比涨幅更值得看

官方公布的对比表信息量很大。

Terminal-Bench 4.0从31.2跳到42.3。这个测试考的是多步骤终端操作,涨了三分之一还多。DeepSWE v1.1从74.2到77.0,ProgramBench从20.3到29.1,Automation-Bench从54.8到60.5。

但真正让我停下来的是横向对比里的两个数字。

Terminal-Bench 4.0上,V4.1-Flash-1017的42.3高于GLM 5.3的37.9和Kimi K3的12.6。Kimi K3只有12.6——这个分数低得有点反常,可能是测试框架(Claude Code)对Kimi的适配问题,也可能K3本身在纯终端操作任务上就不是强项。不管原因是什么,这个差距说明“谁更强”这件事极度依赖你测的是什么。

DeepSWE v1.1上,V4.1-Flash-1017的77.0超过了GPT 5.6-Sol的73.0和Claude Opus 5的74.0。但在Terminal-Bench上,Claude Opus 5的51.8仍然明显领先。一个在终端操作上最强,一个在软件工程任务上更强,没有全面碾压。



一个成本数字,让“许愿式编程”的账算得过来

Vercel AI Gateway上的定价:输入$0.15/百万token,输出$0.60/百万token。DeepSeek官方API的缓存命中输入在空闲时段只要0.02元/百万token。

这个价格意味着什么?

Claude Opus 5的输出价格是它的十几倍。一次“从零建3D项目”的任务,如果放在Claude Opus 5上跑,成本可能够你在DeepSeek上跑十几次。“许愿式编程”真正的杠杆不在于模型多聪明,在于试错成本足够低。 你可以让它跑一遍、不满意、换个提示词再跑一遍,反复迭代到满意为止,账单仍然在可控范围内。

Vercel AI Gateway上,未付费用户每30天还有$5免费额度。对于想试水“一句话建项目”的普通用户,这个门槛几乎为零。



但它有一个“自我怀疑”的毛病,官方还没修

这是我翻GitHub时最意外的发现。

Issue #1669记录了一个具体的失败模式:在Codex Desktop的长时编码任务中,上下文压缩成功之后,模型多次自行声称“上下文余量不足”,提前停止工作。

关键数据在这里:压缩后反复停工时,记录的输入量只占窗口的44%到47%。模型并没有收到剩余token数或窗口占用率——它根据会话持续时间、读过的代码量、下一步的复杂度,自己推断出“快用完了”,然后把这个未经验证的推断当成了停工理由。

翻译成人话:它不是真的没空间了,是它觉得自己快没空间了。

这个bug对“许愿式编程”的影响很直接。你让它做一个3D项目,它干到一半,停下来跟你说“上下文不够了,做不完”。你查一下,明明还有一半余量。你得手动告诉它“继续”,它才接着干。长任务里这种打断会反复出现。

目前这个issue的状态是open。官方文档里没有提到修复,V4.1-Flash-1017的发布说明里也没有涉及。如果你打算用它跑长时间、多步骤的项目,心里要有这个预期。



长任务的另一个代价:速度会往下掉

社区测试的数据:上下文超过100K之后,TPS降到不足100;接近200K时,大约50 tokens/s。

“许愿式编程”恰好是那种会把上下文吃得很深的场景。3D建模的代码量、反复迭代的对话历史、工具调用的输出日志——这些东西叠起来,很快就把窗口填到几十万token。

50 tokens/s是什么体验?生成一段500字的代码注释,等10秒。一个完整项目跑下来,中间可能有几十次这样的等待。

所以“许愿式编程”最适合的场景,是那些你不需要盯着屏幕等结果的活。 扔一个需求进去,去干别的事,过一阵回来看产出。如果你需要高频交互、快速迭代,这个速度会让你难受。



值不值得试,一句话

值得试的人: 想低成本体验“从零建项目”的开发者,Vercel的$5免费额度就够跑几轮。需要快速做3D原型或小游戏demo的设计师/产品经理,几个官方示例说明它在这个方向上有真东西。

需要谨慎的人: 跑长时间多步骤任务的团队,issue #1669那个“自我怀疑”会反复打断你。对速度敏感、需要高频交互的场景,上下文一深速度就往下掉。

和Kimi K3比,不是替代关系。 K3在Terminal-Bench上那个12.6可能不代表它的真实水平,但它和V4.1-Flash-1017的强项确实不同。V4.1-Flash-1017在“从零建完整项目”这件事上给出了一个其他模型没有明确覆盖的定位,而且价格让它值得被放进工具箱里。

“许愿式编程”不是让AI替你想,是让“想完之后动手”这一步的门槛降到几乎为零。 你的判断力仍然是上限,但下限被抬高了。

声明:内容由AI生成

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
美国公司将特斯拉Model 3爆改成MPV,超充、OTA、辅助驾驶都能用

美国公司将特斯拉Model 3爆改成MPV,超充、OTA、辅助驾驶都能用

IT之家
2026-11-21 18:55:05
法国作家Vincent Crouzet胡说八道:所有在法国居住的华人、华侨或者有中国背景的人都是间谍

法国作家Vincent Crouzet胡说八道:所有在法国居住的华人、华侨或者有中国背景的人都是间谍

小徐讲八卦
2026-11-22 08:09:49
重选一百次,状元也只能是我!四大天选状元,詹姆斯勉强上榜

重选一百次,状元也只能是我!四大天选状元,詹姆斯勉强上榜

曼巴体育6
2026-11-22 18:14:53
《GTA6》女主上身正面裸露BUG曝光 特殊触发方法

《GTA6》女主上身正面裸露BUG曝光 特殊触发方法

游民星空
2026-11-22 12:11:17
四川一卤肉饭大叔闭店前给学生们写信:不要删叔叔,叔叔看你们顺利毕业,幸福过一生,我会偷偷点赞;发闭店通知后爆单,一夜没睡坚持做完

四川一卤肉饭大叔闭店前给学生们写信:不要删叔叔,叔叔看你们顺利毕业,幸福过一生,我会偷偷点赞;发闭店通知后爆单,一夜没睡坚持做完

农民日报
2026-11-21 19:13:51
这是毛主席在泰安的旧照,27岁时穷游泰山鞋子竟被贼偷走!

这是毛主席在泰安的旧照,27岁时穷游泰山鞋子竟被贼偷走!

老钱道古今
2026-11-22 08:50:30
媒体造神,从删掉"交易额"开始

媒体造神,从删掉"交易额"开始

鲁先生的笔
2026-11-21 21:51:20
玻璃瓶更干净?法国科学家的意外发现:玻璃瓶里的微塑料反而更多

玻璃瓶更干净?法国科学家的意外发现:玻璃瓶里的微塑料反而更多

抽象派大师
2026-11-22 01:39:07
潘长江做梦都没想到,躲过了女儿,却没躲过外孙。他自己1米6,老婆1米65,生出的女儿潘阳1米62,谁知道,基因这东西,还会隔代报复。

潘长江做梦都没想到,躲过了女儿,却没躲过外孙。他自己1米6,老婆1米65,生出的女儿潘阳1米62,谁知道,基因这东西,还会隔代报复。

LULU生活家
2026-11-21 14:45:18
普京向乌克兰军人“喊话”

普京向乌克兰军人“喊话”

参考消息
2026-11-21 15:58:07
美军收到情报,台海一旦开战,解放军600枚超导,让美军有来无回

美军收到情报,台海一旦开战,解放军600枚超导,让美军有来无回

遁走的两轮
2026-11-22 14:00:37
178元一瓶,“APEC晚宴荔枝酒”卖断货,员工:干冒烟了,加班费让人开心

178元一瓶,“APEC晚宴荔枝酒”卖断货,员工:干冒烟了,加班费让人开心

江山挥笔
2026-11-21 11:30:34
“大不了就去送外卖”——年薪50万的高管被裁后真去跑了半年,才发现低处早就人满为患

“大不了就去送外卖”——年薪50万的高管被裁后真去跑了半年,才发现低处早就人满为患

一丝不苟的法律人
2026-11-20 11:43:40
2027年冬天,可能是最近60年最反常的冬天,有三大特点,大家一定要注意

2027年冬天,可能是最近60年最反常的冬天,有三大特点,大家一定要注意

笑谈文史
2026-10-18 20:35:15
妻子升处长后跟我离婚,领完证后我拨通了省纪委电话,她脸色煞白

妻子升处长后跟我离婚,领完证后我拨通了省纪委电话,她脸色煞白

千秋文化
2026-07-14 19:32:44
连遭三轮袭击,克里米亚大桥已很难修复,俄军开始疯狂报复

连遭三轮袭击,克里米亚大桥已很难修复,俄军开始疯狂报复

兵国大事
2026-11-20 16:37:56
一个月打完,詹姆斯188分,库里278分,文班458分,东契奇太夸张

一个月打完,詹姆斯188分,库里278分,文班458分,东契奇太夸张

大西体育
2026-11-21 21:46:18
A股:全体股民做好心理准备了,明天11.23,A股可能再次历史重演吗

A股:全体股民做好心理准备了,明天11.23,A股可能再次历史重演吗

股侠指北针
2026-11-22 17:56:35
H200停售,海外AI算力又被掐断,国产AI芯片迎来“泼天富贵”!

H200停售,海外AI算力又被掐断,国产AI芯片迎来“泼天富贵”!

互联网.乱侃秀
2026-11-21 11:23:44
11月21日,大家期盼已久的2026年养老金,究竟涨还是不涨?

11月21日,大家期盼已久的2026年养老金,究竟涨还是不涨?

虎哥闲聊
2026-11-21 21:35:58
2026-11-22 18:51:00
阿鑫讲ai
阿鑫讲ai
专门讲解现阶段高热度的AI
134文章数 16关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

时尚
房产
游戏
本地
数码

这些才是适合50岁女性的穿搭!衣服不花哨、不老气,得体又自然

房产要闻

黄埔商业规划曝光!科学城能级跃升,核心入场券已锁定

PC Gamer试玩GTA6百小时:双主角出色但任务重复

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

数码要闻

内存价格暴涨下,华硕考虑将中低端PC内存由16GB降至8GB

无障碍浏览 进入关怀版