DeepSeek V4.1-Flash-1017:小版本号,大代理评测跳升
自称 Flash 小更新:推理、编程、代理与视觉基准普遍抬高,同时缩短输出、压低成本;权重 MIT,上下文约 1M。
开源 Flash 线继续用「更快更短」打 Pareto:评测表好看,产品侧仍要自己用脏仓库测一轮,别只信自家榜。
事实
- DeepSeek-V4.1-Flash-1017:相对 V4.1-Flash 的小版本;公司称在推理、编程、代理与视觉基准上有实质提升。
- 同步强调更短输出、更低任务耗时与成本;官方表里 Terminal-Bench、DeepSWE、Apex 等多项高于上一 Flash。
- Hugging Face 权重 MIT;上下文约 1M、max_tokens ≥256K;另发 encoding 参考实现与 deepseek-recipe 工具包。
- 热度极高:本榜约 689 分 / 579 评;社区对照 Sol/GLM/Gemini 的体感与基准并不总一致。
解读
- 对产品:把 Flash 当「代理默认引擎」前,用自家 harness(脏仓库审查、长工具链)测一轮 TTFT、tok/s 与有效问题命中率。
- 「minor update」却大幅抬分——读 changelog 时别被版本号催眠,看基准定义与 harness(Claude Code / Mini-SWE 等)。
- 有人测到同推理档位约少 20% token、effort=1 更可用;也有人在同一 C++ 脏库上觉得不如对手——速度与「找对问题」不是一回事。
讨论
- 正方有人说编完一整圈后会回到 DeepSeek:吞吐快、质量够用,多样性本身就是对封闭模型的制衡。
- 反方有人拿脏代码库做四模型对照,Flash 找到的 P1 少、无关 P2 多,基准领先不等于你的任务领先。
- 共识开源 Flash 持续压缩「贵 API 才能写代码」的溢价;监管壁垒争论也跟着升温。
- 有人吐槽「小更新却全面大幅提升」的文案;也有人只关心是否继续 MIT 与本地可部署。