2026 年 10 月 17 日，DeepSeek 又搞了一次 " 突袭式更新 "。V4.1-Flash-1017 直接上线网页、App 和 API，连预告都没有。官方口径很克制，叫 " 小更新 "；但纸面数据一摊开，事情远没有 " 小更新 " 三个字那么轻描淡写，它在最硬的编程 Agent 基准上，把 Claude Opus 5 挤到了身后，价格却纹丝未动。

一、纸面数据：552B 的 " 骨架 "，8B 的 " 发力 "

先看底子。1017 沿用了 9 月 V4.1-Flash 的架构，总参数 552B 的 MoE 模型，但真正参与计算的激活参数极低：prefill 阶段只激活 8B，decode 阶段激活 16B。此外还有一个196B 的 Engram 条件记忆模块，以查找表方式稀疏调用，不计入激活参数。上下文窗口拉到100 万 token，靠压缩稀疏注意力和 FP4 KV 缓存把全局缓存压到每 token 890 字节，单 token 解码 FLOPs 在上下文扩大 256 倍时只上升约四分之一。

定价没有任何变化：输入 0.3 美元 / 百万 token，输出 1.2 美元 / 百万 token，峰谷有浮动，但每 token 单价本身没降。

核心纸面跑分集中在 Agentic Coding 赛道。对比 9 月版 V4.1-Flash，1017 在 DeepSWE v1.1 上从 74.2 升到 77.0，涨 2.8 分；Terminal-Bench 4.0 从 31.2 升到 42.3，涨 11.1 分，是单项最大涨幅；ProgramBench 从 20.3 升到 29.1，涨 8.8 分；Automation-Bench v1.0.6 从 54.8 升到 60.5，涨 5.7 分；Apex Bench v1.1 从 64.6 升到 72.1，涨 7.5 分；HLE 无工具从 36.8 升到 42.6，涨 5.8 分，其中纯文本子集为 44.0。数据来源为官方对比表。

在 DeepSWE v1.1 上，77.0 的分数同时高于 Claude Opus 5 的 74.0 和 GPT-5.6 Sol 的 73.0。Terminal-Bench 4.0 的 +11.1 个百分点，是单项最大涨幅。

二、意义：它改写的是性能与费用这条曲线

单看跑分，1017 像是国产模型又追近了一步。真正的信号在跑分之外。

第一，它把 Agent 编程的 " 可用门槛 " 打到了地板价。 在 DeepSWE v1.1 的成本与通过率曲线上，1017 在低推理预算下只要约 1.1 元 / 任务，通过率就达到 72.5%；最高档也只要约 1.6 元，拿下全局最高的 77.0%。而它的前代做到 74.2% 时，单任务成本约 0.5 美元；GPT-6 Astra、Gemini 3.8 Flash 和 Opus 5 则落在 2 美元到 10 美元以上。这背后是输出长度和任务执行时间一起压下来带来的结构性成本下降，每 token 更便宜只是表面现象。

第二，" 许愿式编程 " 从一个营销词变成了可交付的能力叙事。 官方把它定义为：用极少的描述，让模型自己完成规划、编码、运行和修改，直接交付一个能跑的项目。实测案例里，同一句火箭发射提示词，DeepSeek 花 0.78 美元、3 分钟做完，GPT-6.1 Sol 花 6.1 美元、5 分钟做完；太空列车任务中，DeepSeek 烧掉 700 万 token 只花 0.4 美元，GPT-6 Astra 花了 14.37 美元。便宜 8 倍到 36 倍，同时能出东西，这才是 1017 在开发者社区刷屏的真正原因。

第三，开源权重 +MIT 许可，意味着这套能力不锁在 DeepSeek 自己的 API 里，可以本地部署、商用、二次开发。在 " 开源权重 vs 闭源旗舰 " 的竞争叙事里，1017 第一次把Agent 工程能力、100 万上下文、视觉输入和地板价压进了同一个产品。

三、优点：工程赛道上的 " 性价比屠夫 "

优点一：Agent 编程的端到端能力确实上了台阶。 Terminal-Bench 4.0 从 31.2 跳到 42.3，意味着在终端环境里自己看报错、自己修 Bug、跨文件完成任务的完工率大幅提升。DeepSWE v1.1 的 77.0 这个涨幅来自真实软件工程基准，1017 在该基准上正面压过了 Opus 5。

优点二：成本控制有实际支撑。 官方称其在多个 Harness 下达成了新的性能与费用帕累托最优：在同等价格带上，没有模型比它准；在同等准确率上，没有模型比它便宜。低预算档 72.5% 的通过率，让 " 批量跑 Agent 任务 " 第一次有了经济上的可行性。

优点三：多模态和工具调用同步补强。 原生支持图像输入，视觉编码器从头训练；带工具的 Chartography 达到 83.0，BabyVision 达到 92.5，ZeroBench-main（Pass@5）达到 51.0。前端 3D 直出、复杂交互页面这些 " 可视化工程 " 场景，是 1017 在社交网络上传播最广的长板。

四、缺点：偏科明显，全能性不足

短板一：推理深度和 " 聪明程度 " 仍有明确天花板。 无工具 HLE 上 1017 拿到 42.6（纯文本 44.0），而 Claude Opus 5 是 56.3，差距 13.7 分。Terminal-Bench 4.0 虽然大涨到 42.3，Opus 5 仍有 51.8；ProgramBench 29.1 对 37.0，NL2Repo-Bench 68.2 对 75.3，这几项依然落后。1017 赢在性价比区间内的工程完成度，绝对智力仍有差距。

短板二：token 利用率是真实痛点，后端场景尤其明显。 多位实测者指出，1017 的 tokens/s 看起来很快，但实际完成一个任务很慢，token 利用率极低，一个任务近乎十倍 token 才能干出来，后端项目的实际花费并不便宜。有开发者反馈，复杂后端和逆向任务中 1017 会反复碰壁，而 GPT-5.6 Sol 能持续推进。官方说的 " 输出变短 " 在部分场景成立，但在困难任务上，" 雷霆大思考 " 式的冗长推理并没有消失。

短板三：偏科。 写代码、做工程苦力活猛如虎，一旦切到中文长文写作、通识问答、审美判断，短板就暴露出来。ToneBench 长视频脚本写作测试中，1017 Max 仅排第 13（2087 Elo），被 GPT-6.1 Sol Max（2198 Elo）明显压制。它更像一个理工科偏科生，全能性明显不足。

短板四：服务稳定性是悬在头上的老问题。 就在 1017 上线前两天，DeepSeek 刚经历近 5 小时服务中断，官方按 7 日内 API 消耗金额全额返还赠金。有统计称 2026 年以来 DeepSeek 已发生至少 18 次大面积服务异常，高峰时段算力供给不足的问题并未随模型升级而解决。纸面性价比再高，任务跑到一半服务挂了，成本账就得重算。

DeepSeek-1017 是一张目标极其清晰的牌：它没有追求在每一项上打败 Opus 5，重点是把 "Agent 编程能干到接近顶级、价格却只有零头 " 这件事做成了可规模化的现实。77.0 的 DeepSWE、42.3 的 Terminal-Bench、1 块多钱跑一个 Agent 任务，这些数字放在一起，足以让任何按 token 做预算的工程团队重新算账。

但它也诚实地暴露了自己的边界：推理深度不够、token 利用率低、后端偏弱、写作偏科、服务会抖。如果你要的是一个 " 一句话许愿、前端直出、成本可控 " 的工程搭子，1017 是目前开源阵营里最值得试的那一个；若需要 " 最聪明的脑子 " 或者 " 稳定的企业级后端交付 "，它仍不能算答案。

" 最便宜的能干活的那个 "，本身就是一种竞争力。但 " 能干活 " 的边界在哪里，1017 自己已经画得很清楚了。