深度求索（DeepSeek）的 DeepSeek-V4.1-Flash-1017 是对 DeepSeek-V4.1-Flash 的一次小版本更新，在推理、编程、智能体任务和视觉基准上都有明显提升。同时，模型缩短了任务执行时间与输出长度，让用户更快、更低成本地完成任务，并在多种智能体框架中推进性能与成本的帕累托前沿。
正文
简介
DeepSeek-V4.1-Flash-1017 是 DeepSeek-V4.1-Flash 的一次小版本更新，在推理、编程、智能体任务和视觉基准上都有显著提升。与此同时，模型降低了任务执行时间和输出长度，让用户能以更快速度、更低成本完成任务，并在多种智能体框架中推进了性能–成本帕累托前沿。
| 基准 | DS-V4.1-Flash-1017 | DS-V4.1-Flash | K3 | GLM-5.3 | GPT-5.6 Sol | Opus 5 | | --- | --- | --- | --- | --- | --- | --- | | HLE w/o tools | 42.6 (44.0†) | 36.8 (39.1†) | 43.5 | 42.0† | 44.5 | 56.3 | | Terminal-Bench 4.0 | 42.3 | 31.2 | 12.6 | 37.9 | 39.9 | 51.8 | | DeepSWE v1.1 | 77.0 | 74.2 | 67.5 | 66.9 | 73.0 | 74.0 | | ProgramBench | 29.1 | 20.3 | 17.5 | 19.0 | 23.0 | 37.0 | | NL2Repo-Bench | 68.2 | 65.4 | 58.0 | 58.0 | 56.8 | 75.3 | | Automation-Bench v1.0.6 | 60.5 | 54.8 | 46.7 | 48.8 | 45.8 | 50.3 | | Agents’ Last Exam | 35.4 | 31.8 | 27.6 | 28.5 | 26.7 | 28.6 | | Apex Bench v1.1 | 72.1 | 64.6 | 47.8 | 56.6 | 54.3 | 65.8 | | Chartography (w/tools) | 83.0 | 78.9 | 68.1 | — | 79.9 | 84.0 | | BabyVision (w/tools) | 92.5 | 89.6 | 85.7 | — | 88.9 | 94.1 | | ZeroBench-main (w/tools) | 51.0 | 49.0 | 41.0 | — | 53.0 | 52.0 |
† 表示 HLE 的纯文本子集。Terminal-Bench 4.0 使用 Claude Code 框架，DeepSWE v1.1 使用 Mini-SWE-V2 框架。
提示词编码
本次发布不包含 Jinja 格式的聊天模板。encoding 文件夹包含一个独立的 Python 参考实现（encoding.py），附有测试用例，涵盖多轮对话、工具调用、思考模式、数值推理强度、对话中途的系统消息以及图文交错内容。
在生产环境中，我们还发布了 deepseek-recipe，这是一组带有 Python 绑定的 Rust 库，以可维护、协议感知的工具包形式提供相同的提示词格式。它能把 Messages、Chat Completions 和 Responses API 请求转换为 Conversation 格式，编码成 DeepSeek V4 和 V4.1 的提示词或 token ID，并把模型输出解析回完整或流式响应，覆盖思考、工具调用、图像和生成设置。模型推理、工具执行和 HTTP 传输则由调用方负责。
最简推理
关于权重转换和本地运行推理的说明，请参阅 inference 文件夹。
推荐采样参数：
| 参数 | 值 |
| --- | --- |
| temperature | 1.0 |
| top_p | 1.0 |
| context_window | 1M tokens |
| max_tokens | ≥ 256K |
许可证
本仓库和模型权重采用 MIT License 授权。
引用
@misc{deepseekai2026deepseekv41flash, title={DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression}, author={DeepSeek-AI}, year={2026},}
联系方式
如有问题，请提交 issue，或通过 service@deepseek.com 联系我们。
评论
讨论气氛整体兴奋而带调侃：多数人惊叹 DeepSeek 新 Flash 模型以低价越级超越 GLM、Kimi 等竞品，视其为开源 AI 的胜利，也有人半开玩笑感叹“行业危机”。分歧主轴在于基准测试成绩是否可信、官方把大幅改进称为“小更新”是否滑稽，少数人则关心地缘政治、内容审查和“模型已够用”等议题。
认为模型以低价越级超越竞品，是开源 AI 的胜利
- 许多人为该 Flash 模型在推理、编码、视觉等基准上超过 GLM 5.3、Kimi K3 而兴奋，强调它更快、更便宜，并将其看作开源社区的重大进展。（多数人）
- > 它比 GLM 5.3 和 Kimi K3 更强，而且便宜得多。（@risphere）
质疑“小更新”说法与大幅基准提升的可信度
- 有人抓住官方“小更新”却伴随“显著改进”的矛盾表述进行讽刺，并怀疑这些高分基准成绩的真实性，呼吁等待 Artificial Analysis 等第三方独立验证。（较多人）
- > 官方一边说是“小更新”，一边又宣称在推理、编码等基准上有“显著改进”，这句话挺滑稽的。（@pmxi）
关注模型在 OpenCode 等平台的接入与实际表现
- 有人询问模型是否会接入 OpenCode 等工具，也有人表示已在 OpenCode 上体验到更强能力、能击败 GLM，并猜测几天前的服务崩溃可能与它有关。（较多人）
- > 它在 OpenCode 上明显更聪明，已经能打败 GLM。（@floooof）
期待推出更小可本地运行的版本或扩展到 Pro 版
- 在肯定当前能力的同时，有人希望未来能推出更小、成本更低、便于本地运行的 Flash 模型，因为现有版本本地部署太贵；也有人期待同样的技术能用于更强的 Pro 版本。（少数人）
- > 希望能再出一些更小的 Flash 模型，现在这个本地运行成本太高了。（@jononor）
认为中国主导开源而美国走向控制是反直觉的
- 个别人从地缘角度解读，认为中国在 AI 领域成了自由开源的冠军，而美国却在为企业和政府控制权争斗，对此感到意外。（少数人）
- > 谁能想到中国在 AI 领域成了自由和开源的冠军，而美国却在为企业和政府控制权打架。（@throwfaraway135）
认为模型已足够好用，新版本边际价值不大
- 个别人表示从上一代起就已将该系列用于几乎所有任务，认为现有能力对已知任务已没有太多需要修补的地方，新模型发布就像重大升级后的补丁，激不起尝试兴趣。（少数人）
- > 这感觉就像重大升级早就解决问题后，还在纠结软件的补丁版本。（@ytxm）
指出模型存在内容审查，不出所料
- 个别人注意到模型带有内容审查，并认为这在其预期之中。（少数人）
- > 有审查，不出所料。（@ngl999）
有价值的补充
- vintermann 指出模型表现优异的 BabyVision 基准并不为大众熟悉，并附上了对应的 arXiv 论文（编号 2601.06521）供进一步了解。（@vintermann）