DeepSeek 太卷了，周末没闲着 前天 DeepSeek 服务崩溃就有很多网友猜测有新模型要发布 果不其然，DeepSeek-V4.1-Flash-1017 来了 看似小版本，模型能力提升一点都不小 官方原话：1017 在推理、编程、Agent 任务 和视觉基准上都有大幅提升，同时缩短任务执行时间、减少输出长度，在多个 Agent harness 上把“性能—成本”的帕累托前沿又往前推了一步 说白了：更强，更快，还更省 模型卡里的 11 项基准，1017 对比原版全部上涨 DeepSWE v1.1 拿到 77.0，是表里所有模型的最高分，GPT-5.6 Sol 73.0，Opus 5 74.0； Automation-Bench（60.5）、Agents’ Last Exam（35.4）、Apex Bench（72.1）三 项也都是第一 HLE（42.6）、Terminal-Bench 4.0、ProgramBench、NL2Repo-Bench和几项视觉任务上，Opus 5 等对手依然领先 1017 的底座 V4.1-Flash，官方引用标题就很直白：Pushing the Limits of KV Cache Compression 把 KV Cache 压缩推到极限 几个关键设计： Causal Encoder-Decoder 架构：40 层 Transformer，拆成 20 层编码器 + 20 层解码 器。552B 骨干参数，prefill 每 token 只激活 8B，decode 激活 16B，对“输入很重”的Agent 场景特别友好； CSA2 稀疏注意力 + FP4 KV 缓存：全局 KV Cache 压到每 token 890 字节，约为 V4- Flash 的 1/4； SWA Bounded Replay：持久化 KV 缓存再降到 V4-Flash 的约 1/8； 原生多模态，支持 1M tokens 上下文，45T tokens 多模态语料从零训练； 推理强度 1–100 连续可调，想省钱就调低，想要精度就拉满 这次开源的模型文件不附带 Jinja 聊天模板，而是给了自包含的 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、对话中途的 system 消息和图文交错； 生产环境可以用 deepseek-recipe（Rust 库 + Python 绑定），把 Messages、Chat Completions、Responses 三种请求统一转成 V4/V4.1 的 prompt； 推荐采样参数：temperature 1.0、top_p 1.0、上下文窗口 1M、max_tokens ≥ 256K； 彩蛋：Search & Fetch API 一起上 DeepSeek API 文档里还有一套 Search & Fetch，专门给 Agent 和 RAG 接实时网页：Search由 DeepSeek 自研搜索引擎驱动，返回结构化结果；Fetch 抓取单个网页并转成 Markdown Search & Fetch 工作流支持 site: 、 lang:、 after: 等搜索运算符，单次最多返回 50 条结果； 按成功请求计费，每 1000 次 0.75 美元，空结果和失败请求都不收钱； 通过 DeepSeek Harness、Claude Code、Codex 使用时，服务端工具调用目前免费，北 京时间 2026 年 11 月 1 日 0 点起才开始计费。 一个 Flash 级模型，在多项 Agent 基准上跟一线旗舰正面硬刚，还顺手把成本打下来。再配上Search & Fetch，DeepSeek 这是要把 Agent 的“大脑 + 眼睛”一起打包了。太夯了，冲！ 特别
