DeepSeek 更新 V4.1-Flash-1017：性能与成本同步优化，权重延续 MIT 开源

10月17日，DeepSeek 将 V4.1 Flash 更新至 V4.1-Flash-1017，三端同步切换，权重在 HuggingFace 与 ModelScope 开放下载，延续 MIT 开源许可，距上一版发布仅一个多月。

官方称这次更新实现了帕累托改进：基准能力提升的同时，任务运行时间与输出长度缩短，单次调用成本下降。第三方数据显示，在 DeepSWE v1.1 的 max 档位，新模型单任务通过率达 77.0%，较上版提高 2.8 个百分点，每项任务平均费用从约 3.3 元降至约 1.3 元。能力侧另一变化是“许愿式编程”：基于自反馈的强化学习，让模型在提示词极有限时直接生成可运行的完整项目。DeepSeek 还同步开放自研搜索的 Search 与 Fetch API，定价均为 5 元/千次。

【AICOR 点评】最值得企业关注的不是跑分，而是“单位成本交付的任务量”这一口径的确立。当竞争从榜单转向性能—费用曲线，选型框架也应随之改变：不如测算自家高频任务的实际通过率与综合成本。开源权重加低成本调用，正在把大模型变成按需取用的基础设施，这正是规模化部署智能体的前置条件。