---
title: DeepSeek 新模型来了：V4.1-Flash-1017、编程升级与搜索 API
description: >-
  DeepSeek 新模型最亮眼的是性能与成本曲线：官方 DeepSWE 图中，1017 以约 0.2 美元每任务达到 77% 通过率。看懂编程升级、API
  价格与新搜索接口。
canonical_url: 'https://onevium.com/zh/blog/deepseek-v4-1-flash-1017-release-search-api'
language: zh-CN
published_at: '2026-10-17'
publisher: Onevium
---
# DeepSeek 新模型来了：V4.1-Flash-1017、编程升级与搜索 API

DeepSeek 新模型最亮眼的是性能与成本曲线：官方 DeepSWE 图中，1017 以约 0.2 美元每任务达到 77% 通过率。看懂编程升级、API 价格与新搜索接口。

## 终于等到 DeepSeek 的新一轮更新

等 DeepSeek 新动静的人，今天等到了：**2026 年 10 月 17 日，DeepSeek-V4.1-Flash-1017 发布**，网页、App 和 API 同步升级。它延续 V4.1 Flash，重点是编程与 Agent 任务表现、完成任务的时间和输出长度；同日还开放了自研搜索引擎的 Search / Fetch API。[官方发布说明](https://api-docs.deepseek.com/zh-cn/news/news261017/)。

这次最有冲击力的，是官方 DeepSWE 性能与成本图的左上角：1017 的最高档位达到 77% 通过率，每任务成本却只有约 0.2 美元。更高的成功率与更低的成本同时出现，才是这次更新值得重新讨论 DeepSeek 的原因。下面先读这张图，再看项目开发、搜索接口和实际费用。

先把时间线分清：V4.1 Flash 首发于 9 月 10 日，原生视觉理解和新架构在那时已经推出，1017 是后续更新。[9 月首发公告](https://api-docs.deepseek.com/news/news260910/)与[当前更新日志](https://api-docs.deepseek.com/updates/)可以用来区分两次更新的范围。本文基于 10 月 17 日的官方资料，未进行独立模型横评。

## 这张图才是重点：更高通过率，更低任务成本

**在这张官方图的测试范围内，DeepSeek 1017 的性能与成本优势相当悬殊。** 深蓝色曲线落在左上角：更靠上代表任务通过率更高，更靠左代表每任务花费更少。它把两件通常需要取舍的事，同时向前推进了。

![DeepSeek 官方 DeepSWE v1.1 性能与成本图：1017 的 max 档位为 77.0% 通过率，曲线位于左上角；横轴为每任务平均人民币费用的对数刻度](https://onevium.com/assets/blog/deepseek-1017-official-perf-cost-zh.png)

*来源：[DeepSeek 10 月 17 日官方发布说明](https://api-docs.deepseek.com/zh-cn/news/news261017/)。完整保留官方图、坐标、图例与脚注；点击可放大查看。图中人民币换算口径见底部注释，API 现行收费另见下文。*

这张图可以抓住三个重点：

1. **最高档位同时更强、更省。** 1017 的 max 点明确标为 77.0%，英文原图横坐标约为 $0.2／任务；中文图约为 ¥1.3。上一版 V4.1 Flash 的 max 为 74.2%，成本约 $0.5。按图上位置粗读，成功率更高的同时，花费降到了上一版的约四成。这是读图估算，不是逐任务实测账单。
2. **拉开的不只是几分钱。** 图中一些 GPT‑6 Astra、Claude Opus 5 的较高档位也落在约 73%—74% 的通过率区间，费用却在数美元至十余美元。对这些展示的工作点，成本差距达到一个数量级以上。更便宜的 GPT‑6 Luna 点也在图上，但其通过率较低；判断优势要同时看两个坐标。
3. **横轴是对数刻度。** $0.2、$2、$20 之间各是十倍关系。图上看起来只是横向拉开一段距离，预算上的差别却可能非常大。这正是这张图比一张只列分数的榜单更有说服力的地方。

我的判断是：这次 DeepSeek 值得关注的突破，在于把编程任务的性能与成本曲线明显向左上方推进。如果团队自己的代码任务也出现类似表现，低成本运行更多轮检查、修复和方案验证会变得更现实；选择模型时，“更便宜”和“更有能力”就有机会同时成立。

比较范围仍要读完整：这是 DeepSWE v1.1 的官方汇总图，1017 标注使用 mini-swe-v2。底部引用了 9 月 22 日的公开榜单资料及 OpenAI 官方图，不是我们在同一天对所有模型重跑的结果。图中的 Claude 是 **Opus 5、Fable 5**，不能写成已击败所有更新型号；它也不证明每种业务都能复制同样的差距。保留这些边界，仍然可以明确说：**图中展示的性能与成本组合，足够让 DeepSeek 1017 成为编程模型选型时必须认真测试的候选。**

## 1017 更新了什么，哪些能力此前已有

| 读者关心的问题             | 本次应如何理解                               |
| ------------------- | ------------------------------------- |
| 是全新一代模型吗？           | 官方模型卡将其称为 V4.1 Flash 的小版本更新。          |
| 重点增强了什么？            | 官方强调编程 Agent、从零开发完整项目，以及任务时间与输出长度的改进。 |
| API 要换模型名吗？         | 继续使用 `deepseek-flash`，当前指向 1017。      |
| 视觉理解、1M 上下文是今天新增的吗？ | 都是现有能力，不宜当作本次首次发布的卖点。                 |
| 同日新增的独立服务是什么？       | 对公众开放 Search 和 Fetch 两个接口。            |

来源：[1017 模型卡](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017)、[模型与价格](https://api-docs.deepseek.com/zh-cn/quick_start/pricing/)、[Search / Fetch 指南](https://api-docs.deepseek.com/zh-cn/guides/search/)。

这一区分也影响试用方法：现在分别调用 `deepseek-flash` 和旧的 `deepseek-v4-flash`，不能构成新旧模型对照。官方价格页说明，旧 Flash ID 的请求也会交给 1017。要比较升级前后，应保留此前的运行记录，或使用确实锁定了版本的环境。

## 编程能力怎么看：选同一评测内的新旧结果

下面摘取与开发和推理相关的五项官方结果。变化列是分数直接相减，并不代表真实工作效率提高了同样的百分比。

| 官方评测               | V4.1 Flash | 1017 |  分数变化 |
| ------------------ | ---------: | ---: | ----: |
| HLE，无工具            |       36.8 | 42.6 |  +5.8 |
| Terminal-Bench 4.0 |       31.2 | 42.3 | +11.1 |
| DeepSWE v1.1       |       74.2 | 77.0 |  +2.8 |
| ProgramBench       |       20.3 | 29.1 |  +8.8 |
| NL2Repo-Bench      |       65.4 | 68.2 |  +2.8 |

来源：[官方模型卡评测表](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017)。Terminal-Bench 4.0 使用 Claude Code 框架，DeepSWE 使用 Mini-SWE-V2。HLE 这里保留无工具完整口径，未混入纯文本子集的 44.0；不同框架、工具权限和评测版本的分数不宜直接拼成排名。[测试条件](https://api-docs.deepseek.com/updates/)。

对开发者，终端任务与项目构建成绩一起改善，比只看一道数学题的分数更值得试用。它仍不能证明所有代码仓库都能一次交付。前面的[性能与成本曲线](https://onevium.com/zh/blog/deepseek-v4-1-flash-1017-release-search-api#chapter-performance-cost)进一步说明了为什么要把通过率与完成任务的费用放在一起看。

## “许愿式编程”真正该验收什么

DeepSeek 把这次发布称作“许愿式编程”，并将项目能力提升归因于基于自反馈的强化学习。公告展示了故宫 3D 建模、网页版赛车和 Godot 游戏项目。这些是官方在 DeepSeek Harness 环境中的演示，说明了想改善的任务类型；演示画面本身无法证明项目在所有设备上都稳定，也无法替代代码和功能检查。[官方项目展示](https://api-docs.deepseek.com/zh-cn/news/news261017/)。

可以用一个更容易判断对错的任务试它。下面是本文设计的试用题，尚未实际运行：让 Agent 从零做一个活动报名页，输入为活动时间、20 个名额、报名字段和一张布局参考图。要求支持手机显示、提交前校验邮箱、满额后停止接受报名，并保留确认结果。

这个任务的难点藏在“页面做好以后”：两个人同时争最后一个名额怎么办？刷新页面后报名是否还在？提交失败时能否重试而不重复扣减名额？如果只有前端演示，应明确它没有持久化和并发保护；不能因为按钮可点击，就称为能投入使用的报名系统。

因此，评估完整项目能力时，先给出验收条件，再看生成过程。记录首次可运行的时间、未通过项、修改轮数和最终结果。视觉效果、功能正确与上线准备是三个不同结果，分别确认才知道新模型改善了哪一步。

## Search / Fetch API：让研究任务接上原始材料

模型更新之外，这次值得单独关注的是联网搜索与网页抓取接口：Search 负责找网页并返回结构化结果，Fetch 负责把指定网页提取为 Markdown。它们使用 DeepSeek API Key，分别通过 `POST /v1/tools/search` 和 `POST /v1/tools/fetch` 调用。[官方接口指南](https://api-docs.deepseek.com/zh-cn/guides/search/)。

以一份“供应商产品更新简报”为例，下面是本文设计的流程示意，未进行 API 实跑：

![研究简报流程：搜索候选网页，抓取原文与日期，模型比较新旧，人工核对主张、来源与限制](https://onevium.com/assets/blog/deepseek-search-evidence-zh.svg)

*Onevium 原创流程示意。搜索结果是待核查材料；最终结论仍要对应原文。*

假设搜索摘要说“某模型降价”，打开原文后却发现降价发生在 9 月，而今天只更新了能力。合格简报应把“上次降价”和“本次升级”分开；找不到发布日期的页面应标为待确认，不能自动当成今天的新消息。Fetch 无法获取正文时，也不应拿搜索摘要填充成已经核实的引用。

这两个接口把检索与正文获取做成可组合的服务，对开发者的价值在于更容易保留来源、日期和证据链。它们不会自动判断全部事实，也不是能登录任意网站、点击表单或绕过访问限制的浏览器。官方指南明确，网页抓取仍受目标站可用性与访问策略约束。

从产品竞争看，我更关注 DeepSeek 同时提供模型推理与资料入口：团队可以在一条工作流中比较输出费用和检索费用。能否长期使用，取决于目标领域的召回、时效、原文质量和最终任务成功率；单看索引规模无法回答这些问题。

## 价格没变，为什么任务总成本仍可能变化

以下是 2026 年 10 月 17 日官方中文价格，单位为**人民币／百万 token**，不是 App 订阅价格。1017 沿用当前 Flash 费率。

| 计费项      |  空闲时段 |  高峰时段 |
| -------- | ----: | ----: |
| 输入，缓存命中  | ¥0.02 | ¥0.04 |
| 输入，缓存未命中 |    ¥1 |    ¥2 |
| 输出       |    ¥4 |    ¥8 |

北京时间周一至周五 09:00—12:00、14:00—18:00 为高峰，中国法定节假日除外；其他时段为空闲。来源：[DeepSeek 官方价格表](https://api-docs.deepseek.com/zh-cn/quick_start/pricing/)。

一个可复算的假设：空闲时段全部轮次合计使用 100,000 个未缓存输入 token（已包含检索正文和重复发送的上下文）、10,000 个计费输出 token，模型费用为 `0.1 × 1 + 0.01 × 4 = ¥0.14`。如果输出减少到 6,000，其他条件不变，则是 `¥0.124`。这里人为设定了 token 数量，只用于解释计费，不是实测节省比例。

Search 和 Fetch 各按 **¥5／1,000 次成功请求**计费；仅 HTTP 200 且有结果的请求收费，空结果、失败与超时不收费。假设这份简报需要 4 次成功搜索、6 次成功抓取，检索费用为 `10 ÷ 1,000 × 5 = ¥0.05`，加上前面的模型用量共 `¥0.19`。这里沿用全部轮次的累计用量假设；实际核算时，每轮重发的上下文也要分别计入，不能只统计最终可见的回答。[搜索计费规则](https://api-docs.deepseek.com/zh-cn/guides/search/#%E8%AE%A1%E8%B4%B9)。

还要留意一个日期：通过 DeepSeek Harness、Claude Code 或 Codex 使用 DeepSeek API 时，已有的服务端 Search / Fetch 工具调用目前暂未计费，**自北京时间 2026 年 11 月 1 日 00:00 起按次收费**。这是指定调用路径的过渡安排，不是所有新接口无限免费。[官方计费说明](https://api-docs.deepseek.com/zh-cn/guides/search/#%E8%AE%A1%E8%B4%B9)。

账单之外，还有人工检查与返工时间。输出变短但漏了必要步骤，任务成本未必降低；输出稍长却一次通过验收，也可能更划算。比较模型时，把费用除以合格结果数，比只盯着每百万 token 单价更接近实际收益。

## 开放权重与实际接入：先验证自己的小任务

1017 的权重已经在 [Hugging Face](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017) 和 [ModelScope](https://modelscope.cn/models/deepseek-ai/DeepSeek-V4.1-Flash-1017) 提供，官方模型卡标明仓库与权重采用 MIT 许可。开放权重提供了自行部署与研究的选择，不代表普通电脑可以直接运行，也不意味着训练数据和训练全流程全部开放。部署前仍要核对对应推理实现和资源需求。

普通用户可以直接从官方网页或 App 体验；API 用户核对模型名 `deepseek-flash`。使用 DeepSeek Harness 的读者，官方建议升级到 **0.2.1-rc.1 或更高版本**。[适配说明](https://api-docs.deepseek.com/updates/)。如果通过第三方网关调用，应向网关确认其实际映射版本，不能仅凭菜单显示名判断。

在 Onevium 中，可按[自定义服务商文档](https://onevium.com/zh/docs/providers/custom)核对 DeepSeek 连接：Anthropic 兼容接口根地址是 `https://api.deepseek.com/anthropic`，模型为 `deepseek-flash`。沿用已验证的预设或配置，先确认一条短回复，再让模型只读一个测试文件并准确概括内容，最后尝试有明确验收条件的小项目。本文未在 Onevium 中独立验证 1017 的完整工具链，新的 Search / Fetch API 也不能仅凭模型升级就当成已经自动接入。

这次更新值得重新把 DeepSeek 放入编程与研究任务的试用清单。用同一组输入、相同工具权限和验收标准，记录费用、耗时与返工，再决定是否替换自己的默认模型。需要进一步设计比较方法，可接着读[模型价格与评测怎么比较](https://onevium.com/zh/blog/claude-opus-5-5-vs-gpt-6-pricing-benchmarks)和[如何从执行记录检查 AI 结果](https://onevium.com/zh/blog/ai-evals-trace-review)。

来源: [DeepSeek — V4.1-Flash-1017 发布](https://api-docs.deepseek.com/zh-cn/news/news261017/)
