DeepSeek-V4.1-Flash 的新版本在第三方榜单上拿到了开源第一。2026年10月18日，评测平台 Arena 在官方账号公布 Code Arena 的 WebDev 榜单更新：DeepSeek-V4.1-Flash-20261017（Max）以 1670 分升至开源模型第一名，在全部模型中排第 12 位；被它超过的是月之暗面的 Kimi K3（Max），而 Arena 给出的成本对比是，前者的运行成本约为后者的十分之一。这个版本 10 月 17 日才由 DeepSeek 发布，本站此前报道过它在 DeepSWE 等官方基准上的成绩，这次的名次来自厂商之外的投票榜单，性质不一样。
先说清这个榜量的是什么
Code Arena 的 WebDev 榜单不跑固定测试集。它让真实用户把智能体编程和网页前端开发任务交给不同模型，再根据产出质量投票决定名次，考的是生成网页和前端应用时人实际更愿意选谁。厂商自测的分数有明确的测试框架和标准答案，好处是可复现，弱点是容易被针对性优化；偏好投票没有标准答案、名次会随样本变化，但更接近开发者日常使用的体感。两种证据要分开看：DeepSWE 77 分说明它在固定软件工程题库上做得好，WebDev 开源第一说明真人盲选时它同样排到了前面。
成本差十倍，才是这次登顶的重点
单看名次，这只是一次榜单位次变化；把成本算进来，含义就不同了。DeepSeek-V4.1-Flash-1017 的 API 价格与此前一致，高峰价为每百万输入 token 0.30 美元、每百万输出 token 1.20 美元，权重以 MIT 许可开放。当一个总榜第 12 名的模型只要头部开源对手约十分之一的成本时，工程团队可以认真考虑把高频、低风险的前端生成和编程任务分流给它，先用自己仓库的真实任务试跑一两周，对比完成率和返工率再决定是否扩大使用，而不是只把它当榜单新闻看。
第一名前面，还有 11 个模型
也要看到这个第一的边界。它只是开源模型里的第一，总榜前面还有 11 个模型；WebDev 只覆盖前端与智能体编程这一块，说明不了通用推理、长文档处理或多模态能力的强弱；偏好榜单本身会随投票积累而起伏，这次登顶不保证名次长期不变。对正在选型的团队，稳妥的读法是把这次结果当作一个试跑信号：值得把 DeepSeek-V4.1-Flash-1017 加入候选名单，用真实工单验证，而不是照着名次直接更换默认模型。接下来值得盯的是它在 WebDev 榜上的位置能否稳住，以及更多团队公开自己的实测对比。
