DeepSeek 发布 V4.1-Flash 模型并下调 API 价格
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载自研搜索接入网页与API
DeepSeek 网页端与 API 端的搜索能力，底层由自研的 DeepSeek 搜索引擎承担。该引擎每天处理来自全球各地的数亿次搜索请求，索引规模达到全球千亿级网页，支持多语言检索，并以实时方式返回结果。在结果质量上，官方强调高相关、高权威与高时效三项特征。针对 SEO 作弊、GEO 操纵以及低质 AIGC 内容，引擎设置了识别与过滤机制，目的是让呈现给用户和大模型的信息保持可信。开发者若想接入，可查阅网页搜索与抓取指南了解调用方式。这一变化意味着搜索不再依赖外部能力，而是与模型服务放在同一套体系内。
新版本号与调用方式不变
V4.1 Flash 升级到 DeepSeek-V4.1-Flash-1017，官方网页端与 APP 所用模型同步切换到该版本。对 API 使用者来说，调用方式与价格都没有变化，仍然使用 deepseek-flash 这一模型名即可访问最新模型，不需要改动已有代码里的模型标识。这种以同一模型名指向新权重的做法，让升级对线上服务的影响降到较低水平。材料同时说明，此次更新是在 V4.1 基础上的迭代，重点落在基准测试成绩的提升，以及任务运行时间与输出长度的缩短。
基准成绩与测试条件
新版本公布了一组成绩：HLE 在不使用工具的情况下为 42.6，带星号的 44.0 表示只在 HLE 评测集的纯文本子集上测试；Terminal-Bench 4.0 为 42.3；DeepSWE v1.1 为 77.0；ProgramBench 为 29.1；NL2Repo-Bench 为 68.2；Automation-Bench v1.0.6 为 60.5；Agents' Last Exam 为 35.4；Apex Bench v1.1 为 72.1；Chartography 在使用工具时为 83.0；BabyVision 在使用工具时为 92.5；ZeroBench-main 在使用工具时为 51.0。测试条件也有交代：Terminal-Bench 4.0 在 Claude Code 框架下运行，DeepSWE 使用 Mini-SWE-V2 框架，ZeroBench-main 采用 Pass@5 评测。与 9 月发布的 V4.1-Flash 初始版本相比，Terminal-Bench 4.0 从 31.2 升到 42.3，DeepSWE v1.1 从 74.2 升到 77.0，ProgramBench 从 20.3 升到 29.1，NL2Repo-Bench 从 65.4 升到 68.2，Automation-Bench 从 54.8 升到 60.5，Agents' Last Exam 从 31.8 升到 35.4，Chartography 从 78.9 升到 83.0，BabyVision 从 89.6 升到 92.5，ZeroBench-main 从 49.0 升到 51.0。
框架适配与升级前提
性能提升之外，官方还压缩了模型完成任务所需的运行时间与输出长度，使用户能以更低的成本、更快的速度完成同一件事，并在多个 Harness 下达到新的性能与费用之间的帕累托最优。适配工作特别针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等平台框架展开。若要在这些框架中获得与新模型匹配的体验，需要把 DeepSeek Harness 升级到 0.2.1-rc.1 及以上版本。对使用方而言，这意味着升级不只是换模型名，配套框架的版本也要跟上，否则可能拿不到官方所述的优化效果。
为什么值得看
新架构模型性能超越旧版 Pro 且降价，API 用户需关注模型迁移与成本变化。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。