DeepSeek 在 2026 年 10 月 17 日把 V4.1 Flash 升级到 DeepSeek-V4.1-Flash-1017，官方更新日志写明网页端与 App 已同步换成新版本，API 调用方式和价格保持不变，开发者仍然用 deepseek-flash 这个模型名就能访问，不需要改代码或重新申请。模型权重同步在 Hugging Face 以 MIT 许可开放。
涨幅最大的是终端任务和软件工程
官方公布的新旧对比里，Terminal-Bench 4.0 从 31.2 分升到 42.3 分，是这次涨幅最明显的一项；软件工程基准 DeepSWE v1.1 从 74.2 分升到 77.0 分，ProgramBench 从 20.3 分升到 29.1 分，NL2Repo-Bench 从 65.4 分升到 68.2 分。推理与智能体类项目也在涨：HLE（不带工具）报 42.6 分，Automation-Bench 升到 60.5 分，Agents' Last Exam 升到 35.4 分；带工具的视觉类项目 Chartography 报 83.0 分，BabyVision 报 92.5 分。官方脚注同时写清了测试条件，例如 Terminal-Bench 4.0 使用 Claude Code 框架测试，DeepSWE 使用 Mini-SWE-V2 框架，横向比分数时不能脱离这些框架口径。
官方定位是小更新，卖点在省时间和省输出
DeepSeek 在技术材料里把 1017 定义为一次小幅更新，重点除了分数，还有任务运行时间缩短、输出长度变短，也就是同类任务用更少的 token 做完。官方称新模型在多个智能体框架下达到了新的性能与费用平衡点，并点名针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 做了专项优化；使用 DeepSeek Harness 的用户被建议升级到 0.2.1-rc.1 及以上版本，才能获得与新模型适配的最佳体验。靠这类框架跑长任务的团队，升级成本基本为零，但应当用自己真实任务回测一轮，因为输出变短也可能改变原有提示词下的回答详略。
77 分超过的是 Opus 5，不是最新一代
需要留意对比对象：DeepSWE 77.0 分超过的是 Claude Opus 5 的 74.0 分，而 Anthropic 当前一代已经是 Opus 5.5；在官方对比表里，HLE、Terminal-Bench 等项目上 1017 版仍落后于 Opus 5。所以这次更新的准确定位是把低价档的编码与智能体能力再往上推了一截，而不是全面追平旗舰。对价格敏感、批量跑代码任务的开发者，它仍是值得优先实测的一档；对质量上限要求最高的场景，结论要等用自家任务与最新旗舰同场对比后再下。
