DeepSeek-V4.1-Flash-1017：一次”更短、更快、更省”的小版本更新，与 DeepSeek 开放的 Search/Fetch 基础设施

在首篇 V4.1-Flash 分析（2026 年 9 月 10 日发布的基础版本）之后，DeepSeek 又以一个”小版本号”的形式放出了 DeepSeek-V4.1-Flash-1017：权重以 MIT 协议登上 Hugging Face，官网、App 与 API 同步更新，调用方式与价格均未改变。表面看这只是一次 patch，但模型卡披露的基准变化、输出长度收缩，以及同期开放的自研 Search/Fetch 接口，才是这次更新真正值得拆开看的部分。本文基于 Hugging Face 模型卡与 DeepSeek 官方 API 文档做一手分析，区分”官方称”与”可核对事实”。

一、背景：为什么要做一个”1017”小版本

V4.1-Flash 首发主打新架构（552B MoE、输入激活 8B / 输出激活 16B、原生多模态、1M 上下文）与地板价 API。但在 Agent 真实工作流里，“分数涨了”不等于”账单降了”：Agent 每完成一个任务要多轮调用，输出 token 直接计费，冗长的推理链与重复解释会把单价优势吃掉。

1017 的官方定位（模型卡原文）是：a minor update to DeepSeek-V4.1-Flash, delivering substantial improvements across reasoning, coding, agentic tasks, and visual benchmarks；同时 reduces task execution time and output length，advancing the performance–cost Pareto frontier across multiple agent harnesses。即：不是换架构，而是在同一个权重底座上，用带自我反馈的强化学习把”从零开发完整项目”这类 Agent 任务的完成质量抬上去，同时把任务耗时和输出长度压下来。

二、模型本身：参数、上下文与采样口径

模型卡可核对的工程事实：

• 模型规模 763B 参数（Safetensors，FP8 等多种精度），与首发版同属 V4.1-Flash 家族，并非新架构；
• 上下文窗口 1M tokens，模型卡推荐 max_tokens ≥ 256K；
• 推荐采样参数：temperature 1.0、top_p 1.0；
• 许可证 MIT，权重可自由商用与二次开发；
• 本版本未提供 Jinja 格式 chat template：模型卡 encoding 目录附带自包含 Python 参考实现 encoding.py（覆盖多轮对话、工具调用、思考模式、数值推理强度、对话中途插入 system 消息、图文交错），生产环境可使用官方配套的 deepseek-recipe（Rust 库 + Python 绑定）做协议转换。

最后这一点容易被忽略：没有现成 chat template 意味着自行接入的开发者必须自己按 encoding.py 拼 prompt，否则工具调用与思考模式可能跑偏。

三、基准数据：涨在哪里，又输在哪里

模型卡给出 1017 与首发 V4.1-Flash、K3、GLM-5.3、GPT-5.6 Sol、Opus 5 的同表对比（官方数据，非第三方复测）：

读这张表要分三层：

1. 相对自家首发版全线上升：11 个基准没有一项回落，Agent 类提升最明显——Terminal-Bench 4.0 从 31.2 到 42.3（+11.1）、ProgramBench 从 20.3 到 29.1（+8.8）、Automation-Bench 从 54.8 到 60.5、Apex Bench 从 64.6 到 72.1。
2. 横向对比有胜负，不是全场领先：Terminal-Bench 4.0 上 Opus 5 为 51.8，仍高于 1017 的 42.3；HLE（无工具）Opus 5 为 56.3，1017 为 42.6；NL2Repo-Bench Opus 5 为 75.3，1017 为 68.2。视觉类 BabyVision、Chartography 上 Opus 5 也略高。
3. Agent 基准反超部分闭源模型：Automation-Bench 60.5 高于 Opus 5 的 50.3 与 GPT-5.6 Sol 的 45.8；Agents’ Last Exam 35.4 为全表最高；DeepSWE v1.1 的 77.0 高于 Opus 5 的 74.0 与 GPT-5.6 Sol 的 73.0。

四、评测口径批判：分数离开 harness 就不能直接比

模型卡脚注明确标注了两条口径，读分时必须带上：

• † 表示 HLE 的纯文本子集（text-only subset），44.0 与 39.1 是该子集分数，与 42.6 / 36.8 的全量口径不是同一把尺子；
• Terminal-Bench 4.0 使用 Claude Code harness 测得，DeepSWE v1.1 使用 Mini-SWE-V2 harness 测得。

这意味着：同一模型在不同 Agent 框架（系统提示、工具集、重试策略、预算上限都不同）下分数会显著漂移，42.3 是”在 Claude Code 框架里跑出来的 Terminal-Bench 成绩”，不能直接等同于任意终端 Agent 里的表现；第三方若换 harness 复测，数值可能明显不同。此外表中 GLM-5.3 在 Chartography/BabyVision/ZeroBench 上为”—“（未提供数据），并非零分。

五、真正的新东西：自研 Search / Fetch API 对外开放

与模型更新同期，DeepSeek 开放了自研搜索引擎的两个原始 JSON 接口（官方 API 文档）：

两者使用与 DeepSeek API 相同的 Bearer 鉴权。Search 请求字段包括 query（1～128 个 Unicode 字符）、count（1～50，默认 10）、ori_question（原始用户问题，辅助意图理解）、localization（按 IP 本地化）、need_content（是否回传网页正文，默认 false）。响应每条结果含 rerank_score（0～3，≥1.5 为优质）、title、url、snippet（约 100～200 字符短摘要）、summary（约 600～800 字符长摘要，供模型阅读）、content、site_name、site_icon、date、authority（0～4，≥3 为极权威）。

Search 还支持操作符语法：site:、-site:、-（排除关键词）、-"..."（排除短语）、"..."（精确短语）、lang:、after:、before:，可在一个 query 内组合。Fetch 请求仅需 url（≤8192 字符，必须含 host 的 HTTP/HTTPS，不能带用户名密码），返回 title 与 Markdown content。

定价（官方文档口径，人民币）：Search 与 Fetch 均为 每 1,000 次成功请求 5 元，按请求次数计费，不按 token、不按返回条数。只有返回 HTTP 200 且产生结果才计费（Search 的 results 必须非空，Fetch 必须返回正文）；请求失败、搜索无结果、超时均不计费，count 不影响单价。限速上，Search 为 100 QPS、Fetch 为 25 QPS（账号粒度，与模型并发独立；Fetch 另有目标域名级 QPS 限制）。

这里需要修正一处二手口径：Koala 项目库条目称”每千次调用 0.75 美元”，而官方文档以人民币计价为 5 元/千次，0.75 美元更像是折算后的约数，正式报价应以官方人民币价为准。

官方自己标注的隐藏节点：当前用户在 DeepSeek Harness / Claude Code / Codex 中使用 DeepSeek API 时，已通过 Server 端工具调用间接访问 Search/Fetch，这部分调用目前未计费，并将于北京时间 2026 年 11 月 1 日 00:00 起按次收费。已把联网检索内建进工作流的团队，需要在这个日期前后重新核算成本。

六、客观分析：优势与局限

优势：

1. 同架构内的帕累托改进：11 项基准全线上扬的同时压缩任务耗时与输出长度，Agent 场景下”输出更短 = 账单实打实下降”，这比单纯刷榜更贴近生产；
2. Agent 工作流外溢能力强：Automation-Bench、Agents’ Last Exam、DeepSWE 三项反超表中部分闭源模型，适合多轮工具调用型任务；
3. 搜索基础设施补位：Search/Fetch 把联网检索做成按次计费的独立 API，提供结构化摘要、权威性打分与操作符语法，Agent 与 RAG 团队不必再集成 Exa、Tavily 等第三方；
4. MIT 开源 + 计价透明：权重开放，接口只对成功结果收费，失败不计费的口径对调试期友好。

局限：

1. 顶级推理仍有差距：HLE、Terminal-Bench、NL2Repo-Bench 上 Opus 5 仍领先数个到十几个百分点，追求推理上限的任务不能只看 1017；
2. harness 依赖性强：官方分数绑定 Claude Code / Mini-SWE-V2 框架，换框架复测可能明显回落，选型时应以自己的 Agent 框架实测为准；
3. 无 Jinja chat template：自部署与第三方框架接入需要额外做 prompt 编码适配；
4. 搜索计费存在切换点：2026-11-01 起 Harness/Claude Code/Codex 内建调用转为按次收费，存量成本模型会变；Fetch 25 QPS 且带域名级限速，大规模抓取要评估吞吐。

七、谁该关注

• 跑 Agent / 自动化工作流的团队：1017 的短输出现金流效应直接体现在月账单上，值得在自有 harness 里 A/B 复测；
• 需要联网检索的 RAG / Agent 产品：可以把 Search/Fetch 作为独立检索层评估，重点对比摘要质量与权威分排序；
• 自部署用户：注意自行实现 chat template，763B FP8 的显存门槛仍然不低；
• 追求闭源旗舰推理上限者：HLE、长仓库构建类任务仍建议与 Opus 5 等对比后再定。

参考来源

• Hugging Face：deepseek-ai/DeepSeek-V4.1-Flash-1017 模型卡
• DeepSeek API 文档：网页搜索与抓取（Search / Fetch）
• DeepSeek 官方：DeepSeek V4.1 Flash 首发公告
• Koala 项目库条目 #1782