便宜六成、能“许愿”建项目？DeepSeek新模型第一波反馈来了

【TechWeb】10月18日消息，昨日下午，DeepSeek在几乎零预热的情况下，将V4.1-Flash升级至V4.1-Flash-1017版本，网页端、APP与API同步切换。官方给这次更新定下的基调是“性能—费用的帕累托改进” ，也就是说在提升基准测试表现的同时，缩短任务运行时间与输出长度，让单次调用的综合成本不升反降。

随该新版本一同出现的，还有“许愿式编程”这一概念的高调登场，以及自研搜索API的正式开放和模型权重的开源。

DeepSeek V4.1-Flash-1017这个定位为“Flash”的轻量模型，试图同时回答两个问题：模型能不能从零把完整项目“许愿”出来，以及这种能力能不能以足够低的成本稳定交付。

一夜过去，国内外不少用户已经上手实测了DeepSeek V4.1-Flash-1017的表现。一起看看。

新能力：从“补全代码”走向“构建项目”

DeepSeek V4.1-Flash-1017最核心的能力跃迁，发生在从零构建完整项目这一维度上。官方称，新模型通过基于自反馈的强化学习训练，显著增强了在游戏开发、3D建模等场景中从零搭建可运行项目的能力，使“许愿式编程”具备了更高的可行性。

所谓“许愿式编程”也就是在提示词与素材参考极为有限的条件下直接生成完整项目。

官方演示案例覆盖了故宫3D建模、网页版赛车游戏、基于Godot引擎的《传送门2》复刻，以及以3D场景动态呈现文明演进的“Valley of Ages”。这些案例的共同特征包括：交互轮次极短，用户不再需要逐文件、逐函数地指挥，而是给出一个场景级甚至项目级的需求，模型自行完成规划、编码与结构搭建。

DeepSeek V4.1-Flash-1017版基准测试上的全面抬升。

在智能体编程基准DeepSWE v1.1上，新版本的Pass@1从上一版的74.2%升至77.0%，超过了Claude Opus 5的74.0%；Terminal-Bench 4.0从31.2跃升至42.3，Agents‘ Last Exam从31.8升至35.4，Apex Bench v1.1从64.6升至72.1，带工具的Chartography从78.9升至83.0。

不过在HLE、Terminal-Bench 4.0等偏知识推理和终端任务上，Claude Opus 5等对手仍保持领先。

这些指标指向的不是单纯的“写代码”能力，而是模型在工具调用、终端交互、长程任务分解和自主纠错上的综合工程执行力。一个“Flash”档位的模型在多项Agent基准上逼近甚至局部超过旗舰模型，意味着轻量模型与旗舰模型之间的能力边界正在变得模糊。

与能力升级同步的是成本曲线的下移。在DeepSWE v1.1评测中，新版本达到77.0%通过率的配置，每项任务平均费用约为1.3元，而上一版本最高档完成同类任务约需3.3元，成本下降约六成。

官方同时强调，新模型针对DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy等Agent框架做了专项优化，建议将Harness升级至0.2.1-rc.1及以上版本以获得完整适配。换言之，这次更新不只是模型权重的替换，而是模型与执行框架之间协同效率的一次系统性调优。

此外，V4.1-Flash-1017还带来两项变化。

其一，DeepSeek自研搜索引擎的Search与Fetch接口正式向API用户开放，两项接口均按每千次成功请求5元计费，此前通过Server端工具调用搜索的免费安排将于11月1日起结束免费期。

其二，模型权重在HuggingFace与ModelScope同步开源。这两项动作共同指向一个方向：DeepSeek正在把竞争从“模型分数”推向“任务交付链条”，搜索、抓取、编码、执行、计费，尽可能收拢到同一套可调用的基础设施中。

用户反馈：顺畅度跃升与“更难驾驭”并存

截至目前，海内外用户对V4.1-Flash-1017使用反馈呈现出一幅比官方叙事更复杂、但也更可检验的图景。

最受关注的是性价比。官方称任务运行时间和输出长度同时缩短，DeepSWE v1.1上一版最高档跑完一个任务约3.3元，1017版同样开最高档约1.3元，最便宜档不到1元。

有开发者实测相同任务，DeepSeek花费0.4美元，Gemini 4 Argon花费1.2美元。海外开发者反馈称API成本仅0.44美分，直言“无法相信便宜90%的模型能产出这么好的结果。

国内开发者最集中的正面感受是理解顺畅度和逻辑连贯性的质变。V2EX上有开发者直言，旧版V4.1-Flash“像被降智了一样”，而1017“恢复正常了”，他用40分钟让模型自主完成了Compose Multiplatform的native UI移植，“具备足够的理解能力和自主性”。

Trae论坛的一位用户用了一个更生动的比喻：老版像“鸡同鸭讲”，“我看不懂它的天书，它也看不懂我想要什么”，换上1017之后“一下子都顺畅了，我甚至有种我自己智商都提高了的错觉”。

但“更聪明”并不等于“更听话” 。有Linux.do社区的实测汇总指出，1017版在推理能力大幅增强的同时，出现了“指令遵循出现微调偏离”的特征。具体表现为：在项目重构中，模型会擅自删除特定功能组件以简化代码，开发者形容其“更聪明但更难驾驭”。

在小红书上，不少用户反馈，在生成3D场景等创意任务时，DeepSeek V4.1-Flash-1017 更能理解用户的意图，即使细节上不一定完美，但整体氛围和效果更符合预期。但有用户在实测发现，在处理一些复杂的3D还原任务时，它的速度反而比其他模型慢了不少。另一位用户在测试生成一台涡扇发动机时也发现，虽然最终结果差不多，但DeepSeek的执行时间比对比模型要长。

整体来看，DeepSeek V4.1-Flash-1017是一次方向清晰的升级。DeepSeek从“生成代码”到“交付项目”的转型已经启动，但让“许愿”变成可复现的工程能力，靠的仍然不只是模型单点的分数，而是需求表达、约束设计、旧系统兼容与成本控制之间那条漫长而具体的链路。