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
她是最干净女演员,被军官苦追5年才嫁,如今和女儿被宠如宝

她是最干净女演员,被军官苦追5年才嫁,如今和女儿被宠如宝

娱深有瓜
2026-11-22 14:05:10
从110万跌到30万,海景房真的凉了!业主哭诉:当年抢着买,现在倒贴也没人要!

从110万跌到30万,海景房真的凉了!业主哭诉:当年抢着买,现在倒贴也没人要!

巢客HOME
2026-11-22 13:55:04
河南小县城传来巨响!一个农民攻克世界难题,打破欧美技术封锁

河南小县城传来巨响!一个农民攻克世界难题,打破欧美技术封锁

基斯默默
2026-11-22 09:38:25
新深圳人退休了,社保不足20年,个人账户只有5.5万,50岁退休照样近2000养老金,知足了

新深圳人退休了,社保不足20年,个人账户只有5.5万,50岁退休照样近2000养老金,知足了

平静话社保
2026-11-22 09:56:38
德媒:德国太天真了,我们最大的幻想,就是信了中国是个现代强国

德媒:德国太天真了,我们最大的幻想,就是信了中国是个现代强国

你是我心中最美星空
2026-11-22 05:46:42
环球体育:博卡2-0米内罗竞技,三夺南美杯

环球体育:博卡2-0米内罗竞技,三夺南美杯

懂球帝
2026-11-22 09:08:03
NPC“房玄龄”王泽回应离开大唐不夜城:面对大量游客,觉得离角色越来越远

NPC“房玄龄”王泽回应离开大唐不夜城:面对大量游客,觉得离角色越来越远

娱乐嗑学家.
2026-11-08 11:37:18
董路怒骂马德兴:口贩子王八蛋!给浮嶋敏洗地,当初你怎么骂李铁的?

董路怒骂马德兴:口贩子王八蛋!给浮嶋敏洗地,当初你怎么骂李铁的?

念洲
2026-11-22 08:49:31
二战时美军有个气象预报员,每天不琢磨怎么让飞行员活下来,反而想着怎么一次弄死最多的人

二战时美军有个气象预报员,每天不琢磨怎么让飞行员活下来,反而想着怎么一次弄死最多的人

言过于诚
2026-11-21 21:03:49
普京和特朗普专机差距到底有多大

普京和特朗普专机差距到底有多大

观界z
2026-11-21 15:05:48
黄仁勋走后,台积电掏出账本:以后,老黄是老黄,英伟达是英伟达

黄仁勋走后,台积电掏出账本:以后,老黄是老黄,英伟达是英伟达

指忘崖
2026-11-22 08:31:37
记者:蒋光太是最成功的归化球员,即使伤病增多也未曾离开

记者:蒋光太是最成功的归化球员,即使伤病增多也未曾离开

懂球帝
2026-11-22 14:44:20
佩莱格里尼:我们本可以赢下德比,最后的丢球完全能够避免

佩莱格里尼:我们本可以赢下德比,最后的丢球完全能够避免

懂球帝
2026-11-22 05:36:11
因担心变同性恋,父亲逼儿子与后妈发生性关系

因担心变同性恋,父亲逼儿子与后妈发生性关系

侠客栈
2026-11-21 11:37:29
金饰克价年内大跌超650元

金饰克价年内大跌超650元

21世纪经济报道
2026-11-21 13:31:39
新一轮冷空气来了,四川多地降雨降雪降温

新一轮冷空气来了,四川多地降雨降雪降温

掌上金牛
2026-11-22 11:53:57
李邑飞主持宁夏省级老同志座谈会和党外人士座谈会,张雨浦、陈雍出席

李邑飞主持宁夏省级老同志座谈会和党外人士座谈会,张雨浦、陈雍出席

政知新媒体
2026-11-22 14:27:53
深度长文:黎曼猜想,统治数学界160年的无冕之王,到底有多恐怖?

深度长文:黎曼猜想,统治数学界160年的无冕之王,到底有多恐怖?

宇宙时空
2026-10-12 11:58:16
末节连续失误,山东男篮杯赛出局,姚柯宇14+3值得培养,陶汉林11+5

末节连续失误,山东男篮杯赛出局,姚柯宇14+3值得培养,陶汉林11+5

替补席看球
2026-11-22 17:14:58
不忍了!北约突然掀桌,准备直捣俄罗斯腹地

不忍了!北约突然掀桌,准备直捣俄罗斯腹地

今观天下
2026-11-07 07:49:23
2026-11-22 18:48:49
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

主播私闯果园带货糟蹋一千多斤苹果:切开后全扔地上

头条要闻

主播私闯果园带货糟蹋一千多斤苹果:切开后全扔地上

体育要闻

全场挨打1比4溃败 阿隆索已过保质期?

娱乐要闻

杨迪戴东北绒帽在黑龙江漠河舞厅跳舞

财经要闻

金价跌破3550美元,分析称短期下行未逆转

汽车要闻

旗舰纯电大六座 2027款岚图泰山将于广州车展预售

态度原创

教育
亲子
房产
公开课
军事航空

教育要闻

题目难还是真超纲?六年级数学题全年级只有很少同学解答正确

亲子要闻

孩子厌学不想上学,不是想开点就好了

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

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

伊朗革命卫队称袭击美军在巴林两处基地防空雷达

无障碍浏览 进入关怀版