DeepSeek 太卷了，周末没闲着

前天 DeepSeek 服务崩溃就有很多网友猜测有新模型要发布

果不其然，DeepSeek-V4.1-Flash-1017 来了

打开网易新闻 查看精彩图片

看似小版本，模型能力提升一点都不小

官方原话：1017 在推理、编程、Agent 任务

和视觉基准上都有大幅提升，同时缩短任务执行时间、减少输出长度，在多个 Agent harness 上把“性能—成本”的帕累托前沿又往前推了一步

说白了：更强，更快，还更省

打开网易新闻 查看精彩图片

模型卡里的 11 项基准，1017 对比原版全部上涨

DeepSWE v1.1 拿到 77.0，是表里所有模型的最高分，GPT-5.6 Sol 73.0，Opus 5 74.0；

Automation-Bench（60.5）、Agents’ Last Exam（35.4）、Apex Bench（72.1）三

项也都是第一

HLE（42.6）、Terminal-Bench 4.0、ProgramBench、NL2Repo-Bench和几项视觉任务上，Opus 5 等对手依然领先

1017 的底座 V4.1-Flash，官方引用标题就很直白：Pushing the Limits of KV Cache

Compression

把 KV Cache 压缩推到极限

打开网易新闻 查看精彩图片

几个关键设计：

Causal Encoder-Decoder 架构：40 层 Transformer，拆成 20 层编码器 + 20 层解码

器。552B 骨干参数，prefill 每 token 只激活 8B，decode 激活 16B，对“输入很重”的Agent 场景特别友好；

CSA2 稀疏注意力 + FP4 KV 缓存：全局 KV Cache 压到每 token 890 字节，约为 V4-

Flash 的 1/4；

SWA Bounded Replay：持久化 KV 缓存再降到 V4-Flash 的约 1/8；

原生多模态，支持 1M tokens 上下文，45T tokens 多模态语料从零训练；

推理强度 1–100 连续可调，想省钱就调低，想要精度就拉满

这次开源的模型文件不附带 Jinja 聊天模板，而是给了自包含的 Python 参考实现 encoding.py ，覆盖多轮对话、工具调用、思考模式、数值推理强度、对话中途的 system 消息和图文交错；

生产环境可以用 deepseek-recipe（Rust 库 + Python 绑定），把 Messages、Chat Completions、Responses 三种请求统一转成 V4/V4.1 的 prompt；

推荐采样参数：temperature 1.0、top_p 1.0、上下文窗口 1M、max_tokens ≥ 256K；

彩蛋：Search & Fetch API 一起上

DeepSeek API 文档里还有一套 Search & Fetch，专门给 Agent 和 RAG 接实时网页：Search由 DeepSeek 自研搜索引擎驱动，返回结构化结果；Fetch 抓取单个网页并转成 Markdown

打开网易新闻 查看精彩图片

Search & Fetch 工作流支持 site: 、 lang:、 after: 等搜索运算符，单次最多返回 50 条结果；

按成功请求计费，每 1000 次 0.75 美元，空结果和失败请求都不收钱；

通过 DeepSeek Harness、Claude Code、Codex 使用时，服务端工具调用目前免费，北

京时间 2026 年 11 月 1 日 0 点起才开始计费。

一个 Flash 级模型，在多项 Agent 基准上跟一线旗舰正面硬刚，还顺手把成本打下来。再配上Search & Fetch，DeepSeek 这是要把 Agent 的“大脑 + 眼睛”一起打包了。太夯了，冲！