作者｜Chester

原创首发｜蓝字计划

刚刚宕完机，DeepSeek 转头就给用户更新个大的。

10 月 17 日，DeepSeek 更新了 V4.1 Flash-1017。新版本的 API 价格没有上涨，编程和 Agent 等多项基准测试成绩却集体提升。其中，Terminal-Bench 4.0 的成绩从初版的 31.2 分跃升至 42.3 分，涨幅超过 35%。

这是什么水平？

按照 DeepSeek 官方公布的对比数据，新版已经超过 GPT-5.6 Sol 的 39.9 分和 GLM-5.3 的 37.9 分，与 Claude Opus 5 的 51.8 分的差距也进一步缩小。

更关键的是价格。DeepSeek API 在非高峰时段的官方定价仍然维持在每百万输入 Token（缓存未命中）0.15 美元、每百万输出 Token 0.60 美元的水平，远低于不少头部闭源模型。能力变得更强了，价格却依然便宜，这也是它这次更新最值得关注的地方。

但与成绩提升伴随而来的，是对 DeepSeek 蒸馏的质疑：有海外开发者怀疑，DeepSeek 新模型的输出带有明显的 GPT 风格，甚至声称发现了与 GPT 相似的模型 " 指纹 "，进而猜测它可能蒸馏了 GPT-6 Astra。

难道，能拿到高分，只是因为抄了答案？

84.66% 的检测结果，是实锤还是乌龙？

有开发者试图给 DeepSeek V4.1 Flash-1017" 验明正身 "，将它放进名为 ModelTrace 的模型指纹检测工具。

根据流传的检测截图，GPT-6 Astra 这一项显示为 84.66%，GPT 家族合计为 90.71%。这一结果随后被用来质疑 DeepSeek 是否蒸馏了 GPT。

不过，要理解这个结果究竟是怎么得出来的，还得先看看 ModelTrace 的检测原理。

不同大模型即使面对同一道题，也可能因为训练方式、词语选择和生成习惯的差异，表现出一些相对稳定的特征。

ModelTrace 的思路，就是让待测模型完成特定的数字生成任务，再将输出特征与数据库中的模型指纹进行比较。只是搞笑的是，它收录的模型主要是 GPT 和 Claude 系列，并没有 DeepSeek。

这就像通过笔迹识别一个人，如果数据库里没有这个人的笔迹，系统仍然可能把他认成最相似的另一个人。

这个 84.66%，只说明在工具收录的模型里，它更倾向于把这次输出认成 GPT-6 Astra。但名单里本来就没有 DeepSeek，所以这个结果既不能证明它就是 GPT，也不能证明它蒸馏了 GPT。

更重要的是，这项检测观察的是模型输出，而不是训练数据。它无法直接告诉我们 DeepSeek 究竟使用了哪些数据，也无法据此确定模型能力的来源。

而 ModelTrace 也曾明确提醒，如果待测模型不在数据库中，检测结果就不能作为确定身份的证据。

既然检测工具本身都给出了免责提示，为什么海外开发者还是第一时间把怀疑的目光投向了 DeepSeek？原因很简单：Flash-1017 这次交出来的成绩单，确实太容易让人坐不住了。

成了 "AI 许愿机 "

DeepSeek-V4.1-Flash-1017 不只是一次常规更新：它没有扩大模型规模，却在多项测试中取得了明显提升。

最受关注的是 Terminal-Bench 4.0。

这项测试主要考验 AI 能否在终端环境中使用工具、编写和修改代码，最终完成一项复杂任务。新版得分从初版的 31.2 分升至 42.3 分，提升了 11.1 分，超过了 GPT-5.6 Sol 的 39.9 分和 GLM-5.3 的 37.9 分，但仍低于 Claude Opus 5 的 51.8 分。

其他测试也有提升。DeepSWE v1.1 从 74.2 分升至 77.0 分，ProgramBench 从 20.3 分升至 29.1 分，Automation-Bench 则从 54.8 分升至 60.5 分。11 项官方列出的测试中，新版成绩全部高于初版。

以编程任务为例，这意味着 AI 不只需要生成一段代码，还要能运行程序、发现报错、修改代码、再次测试。任务越复杂，需要的操作步骤就越多，模型能否稳定完成整个流程就越重要。

而在跑分之外，这次更新中另一个更直观的亮点，是官方所说的" 许愿式编程 "。

10 月 17 日，DeepSeek 在公告中展示了几个新版本从零开发完整项目的案例，包括故宫 3D 建模、网页版赛车游戏，以及使用 Godot 引擎复刻《传送门 2》等。

官方称，这些项目只给了少量提示词和素材参考，通过有限的交互轮次就完成了。

这意味着，用户不必先学会编程，也不一定要把需求拆成几十条指令。你可以直接告诉 AI 想做一款什么样的游戏、希望场景呈现什么效果，再让它尝试编写代码、搭建场景、设计交互，把各个部分组合成一个完整项目。

这就意味着，如果说过去的 DeepSeek 大部分场景只能生成一段代码，那现在能力更接近从想法到成品的完整开发流程。

另一个容易被忽略的更新，是 DeepSeek 同时开放了 Search 和 Fetch API。

前者用于搜索网页信息，后者用于抓取网页内容。两者结合后，AI 就能在回答问题时主动检索外部信息，而不是完全依赖训练时学到的知识。对于需要查找资料、整理信息和执行多步骤任务的 Agent 来说，这相当于多了一套可以直接调用的信息获取工具。

按照官方公告，这两项服务的价格均为每 1000 次成功调用 0.75 美元。DeepSeek 还表示，用户通过 DeepSeek Harness、Claude Code 和 Codex 使用 DeepSeek API 时，其中的搜索和网页抓取调用暂时免费，计划于 10 月 31 日 16 时（UTC）开始计费，也就是北京时间 11 月 1 日零时。

从完整项目开发到网页搜索与抓取，DeepSeek 这次更新不只是在提高模型答题和写代码的分数，也在补齐 AI 真正执行任务所需要的能力。

那么，如果不靠 " 蒸馏 " 抄近道，DeepSeek 究竟是怎么在不扩大模型规模的前提下，把能力和价格同时卷到这个水平的？

梁文锋有了新妙招

DeepSeek 将这次编码与项目开发能力的提升，归因于基于自反馈的强化学习。

简单来说，就是让模型在反复尝试完成项目的过程中，根据结果改进自己的操作方式，减少从编写代码到最终交付之间的失误。

而在底层成本控制上，这次提升并没有靠增加模型参数。V4.1 Flash 采用混合专家架构（MoE），模型主体有 5520 亿参数。但每个 Token 在生成阶段只调用约 160 亿参数，在读取输入时则调用约 80 亿参数。

简单来说，模型虽然拥有庞大的参数规模，但每一步只调用其中一部分参与计算，以控制推理成本。

此外，这套架构还针对 AI 处理长文本时的缓存开销进行了优化。模型在处理长文本时，会暂存已经算过的信息，方便后续继续使用，这些信息就是所谓的 KV 缓存。

官方技术报告显示，在处理同样长度的内容时，相比此前的 V4-Flash，V4.1 Flash 存在显存里的这部分缓存占用降至约四分之一，长期保存的缓存占用降至约八分之一。

对于需要反复读取大量历史信息的 Agent 任务，这能减少模型运行时的存储和数据传输压力。

在 1017 版中，DeepSeek 进一步优化了模型表现。官方称，新版缩短了任务执行时间和输出长度，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等工具框架进行了适配。

此外，对用户来说，最好的消息当然是这次 DeepSeek 依然没有因为模型能力更新而涨价。

根据 DeepSeek 官方价格表，在没有现成缓存可以复用的情况下，Flash-1017 在非高峰时段的 API 输入价格为每百万 Token 0.15 美元，输出价格为 0.60 美元；高峰时段分别为 0.30 美元和 1.20 美元。

某种程度上，也正是这种性能与价格的反差，让蒸馏的指控对 DeepSeek 来说早已司空见惯。2025 年 3 月，OpenAI 曾向美国国会提交有关 DeepSeek 蒸馏行为的评估材料。

更早在 2025 年 1 月，媒体就已报道微软和 OpenAI 正在调查疑似与 DeepSeek 有关的异常 API 访问活动。这些只是相关公司的指控与调查，并不等于已经证实 DeepSeek 的 1017 版本蒸馏了 GPT。

而这些争议的公开发酵，正是发生在 "DeepSeek 时刻 " 之后。如今，V4.1 Flash-1017 再次凭借性能与价格的组合引发关注，类似的声音又一次出现。

蒸馏的指控不是技术实力的证明，但一个模型反复进入这种争议的中心，至少说明它已经成为竞争对手和开发者无法忽视的存在。

在这个新版本发布之后，滑动变祖器又滑到了 " 梁祖 " 这一档了。

主编 :  袁明武  责编 :   海沃德

版式 :伊妍

历史文章  

Review