文｜苏扬

编辑｜徐青阳

在经历了 10 月 15 日的 " 超长宕机 " 之后，DeepSeek 本周末进行了一次重要更新。

10 月 17 日，DeepSeek 团队 " 悄悄 " 把模型版本刷到了 DeepSeek-V4.1-Flash-1017，同时还宣布正式开放自研搜索引擎的 API。

一句话总结这次更新：它不仅学会了少说废话、干精细活，还把自家每天稳定处理数亿次请求的 " 自研搜索 " 端上了牌桌。

更强更省

过去，模型想要变得更聪明，意味着要消耗更多的 Token、花更长的时间去 " 思考 "，用户的调用账单自然也会跟着水涨船高。

这次 V4.1 Flash 的小版本升级，却走出了一条有点 " 反直觉 " 的曲线。

在官方公布的 Terminal-Bench 4.0（终端操作）、DeepSWE（软件工程）等一系列考察复杂智能体能力的硬核评测里，新模型的解题能力都有了明显的提升。但更关键的是，它在把题做对的同时，任务运行时间和生成的输出长度反而缩短了。

用 DeepSeek 自己的话说，叫做 " 性能–费用的帕累托改进 "

根据官方晒得跑分数据，可以明显的看到 1017 这个版本，在前一个版本的基础上有了大幅度的提升，作为一款定位为 flash 的模型，它的能力几乎完全追平甚至大幅领先 " 友商 " 的旗舰模型。同时，在大量智能体、软件工程、自动化任务上接近甚至部分对标 GPT-5.6-Sol。

这种能力提升，以 1017 版本号放到 V4.1 Flash 这个系列里面，不得不让人问一句：DeepSeek 你管这个叫小更新？后面的 Pro 更新打算冲到什么水平？

回到本次的 V4.1-Flash-1017 这个版本上来，DeepSeek 并没有调整 API 单价。换句话说，如果模型能以更短的输出和更少的时间完成同样的任务，就有机会减少 Token 消耗，从而降低单次任务的实际使用成本。

DeepSeek V4.1 Flash 1017 使用 mini-swe-v2 框架测试 DeepSWE 的性能 / 成本图

许愿式编程

除了跑分和效率的变化，这次升级在实际编程场景里的体验提升更加直观。

过去我们用 AI 写代码，过程往往像在监工：你提个需求，它写一段；报错了，你抓图发给它，它再改一段，中间需要人工不断介入打断。

而现在，在适配了新版 DeepSeek Harness，以及腾讯 CodeBuddy、WorkBuddy 等平台框架后，整个交互开始向不少开发者调侃的 " 许愿式编程 " 靠拢。

示例 1：故宫 3D 建模展示效果 来源 DeepSeek

比如你要求它把一个包含数十个文件的模块进行重构，并确保现有的单元测试全过。模型不再只是给段伪代码，而是开始像个初级工程师一样，自主分析代码结构、调用终端、修改程序、跑测试，根据报错信息继续排查和修改，尽可能减少人工介入，直至完成任务或找到需要人工处理的问题。

你提出目标，它负责搞定过程。这种从 " 对话框打字 " 到 " 自主交付结果 "的掌控感提升，才是这次 V4.1 Flash 在智能体场景下最吸引人的地方。

DeepSeek 在官方博客中提到了自反馈 RL 训练，提升了模型在游戏开发、3D 建模等方面从零开始构建完整项目的能力，能够支持实现更多 " 许愿式 " 编程任务及项目开发请求。不过，官方博客暂未详细披露具体的底层优化机制。

示例 2：网页版赛车游戏开发效果 来源 DeepSeek

自研搜索 API

如果说模型的性能微调还在意料之中，那么开放自研搜索引擎 API，就属于一个超预期的 "one more thing"。

根据官方介绍，DeepSeek 网页端与 API 端的搜索能力均由自研搜索引擎提供底层支持 , 每天稳定处理来自全球各地的数亿次搜索请求。

DeepSeek 透露，这套引擎索引了全球千亿级网页，支持多语言搜索，并针对 SEO 作弊、GEO 操纵和低质量 AI 生成内容建立了识别与过滤机制，确保呈现权威可信的信息。现在，这套经过大流量验证的底层能力，正式通过 API 开放给了开发者。

这意味着，开发者可以通过 API 将 DeepSeek 的搜索能力直接接入自己的 AI 应用。

回顾 DeepSeek 的这次更新，他们的思路其实非常明确。

没有在版本号上做文章，不再单纯去卷模型的尺寸大小，而是全面强调 " 实用效率 " 和 " 工程落地 "。

用更精准的推理把任务用时和 Token 消耗压下来，用更强的智能体搞定 " 许愿式编程 " 的落地体验，再用开放的自研搜索 API 补齐实时信息的拼图。

对开发者和用户来说，这显然是个比单纯看跑分更实在的好消息。