DeepSeek 发布 V4.1-Flash-1017：MIT 开源权重，编程与智能体分数再涨，还上线了联网搜索 API
「便宜的开源模型能不能顶上编程智能体的活」——DeepSeek 这次只发了个小版本号，终端类智能体分数却一口气涨了 11 分，回答还更短了。
小版本号、大提升：Terminal-Bench 一次涨了 11 分，而且回答更短。
小版本号，编程智能体分数涨了一截
根据 Hugging Face 模型卡，V4.1-Flash-1017 是对 9 月发布的 V4.1-Flash 的「minor update」，推理、编程、智能体和视觉基准都有提升，同时缩短了任务执行时间和输出长度。DeepSeek 的意思是：同样的活，更快、更省钱地干完。
新旧两版的官方自评对比（第三方尚未全部复现）：
| 基准 | 1017 新版 | V4.1-Flash 旧版 |
|---|---|---|
| Terminal-Bench 4.0 | 42.3 | 31.2 |
| DeepSWE v1.1 | 77.0 | 74.2 |
| ProgramBench | 29.1 | 20.3 |
| Automation-Bench v1.0.6 | 60.5 | 54.8 |
| HLE（无工具） | 42.6 | 36.8 |
开源这一档变强了，但没追上闭源旗舰
同一张模型卡里也列了闭源对照：Terminal-Bench 4.0 上 GPT-5.6 Sol 为 39.9、Opus 5 为 51.8；ProgramBench 上 GPT-5.6 Sol 23.0、Opus 5 37.0；HLE（无工具）上分别是 44.5 和 56.3。DeepSWE v1.1 和 Automation-Bench 上，1017 则高于这两家（GPT-5.6 Sol 73.0 / 45.8，Opus 5 74.0 / 50.3）。
还要注意测试框架：Terminal-Bench 4.0 用 Claude Code 跑，DeepSWE 用 Mini-SWE-V2 框架。更准确的说法是：在开源、可自托管这一档里，它把编程智能体的分数拉高了一截，不是全面超过闭源旗舰。
想自己部署，先过这三关
- 没有 Jinja 聊天模板：模型卡说明这次不附带 Jinja 格式 chat template；仓库
encoding目录有 Python 参考实现，生产环境可以用官方开源的deepseek-recipe（Rust 库 + Python 绑定）做提示词编码和输出解析。 - 权重是 FP8：Hugging Face 标签显示为 8-bit / FP8 safetensors，需要较大的多卡显存，更现实的是走 API 或云上推理。
- 长上下文：官方推荐 1M 上下文、生成长度 ≥256K，部署时要调好推理框架的 KV cache。
联网搜索 API 免费期只剩两周
DeepSeek API 文档新增了「Search & Fetch」：Search 用 DeepSeek 自研搜索引擎返回结构化结果，Fetch 把单个网页转成 Markdown。两者都按成功请求计费，每 1000 次 0.75 美元；报错、空结果、超时不收费，返回条数 count 不影响价格。每个账号各限 5 QPS，Fetch 另有按域名的限流。
已经用 DeepSeek API 跑 Claude Code、Codex 或 DeepSeek Harness 的人要留意：服务端工具调用其实已经在打这两个接口，目前免费，北京时间 2026 年 11 月 1 日 0 点起按次计费。智能体联网频繁的话，这两周先看看调用量，提前估算账单。
谁该现在就试
做编程智能体、又在意成本和数据可控的团队，值得把 1017 拉进自己的评测集跑一轮，重点看真实仓库任务的通过率和 token 消耗。需要顶级推理的复杂任务，闭源旗舰仍然更稳。价格和配额以 DeepSeek 官方文档实时说明为准。
最后
今天只做一件事：把你最常用的一条编程智能体任务换成 DeepSeek-V4.1-Flash-1017 跑一次，对比通过率和账单，再决定要不要切。