DeepSeek Flash-1017 编码智能体达 77%，自反馈 RL 压成本

DeepSeek 于 2026 年 10 月 17 日发布了更新的模型检查点，把其 V4.1-Flash 模型在 DeepSWE v1.1 编码智能体基准上的 Pass@1 推到 77.0%，并同时向所有开发者开放了自建的网页搜索 API。此次更新标为 V4.1-Flash-1017，沿用与前代相同的 deepseek-flash API 标识符，现有集成无需改代码，并在发布后数小时内以 MIT 许可证在 Hugging Face 和 ModelScope 上放出权重。

改进并非来自新架构 —— 9 月 10 日引入的底层因果编码器-解码器（CED）设计没有变。变的是后训练：一轮扩展的强化学习，使用基于执行的自反馈，聚焦于长程构建任务。结果是一个在智能体基准上得分更高、输出更短的模型，这直接转化为每个完成任务更低的 token 成本。

自反馈强化学习究竟做了什么

DeepSeek 为 V4.1-Flash 发表在 arXiv 上的技术报告《Pushing the Limits of KV Cache Compression》把其后训练流水线描述为：监督微调，然后强化学习，再然后 on-policy 蒸馏。1017 检查点用一种「自反馈」机制扩展了 RL 阶段：模型不依赖人类偏好标签，而是生成候选解，在沙箱环境中执行，并用测试执行的通过/失败信号作为奖励信号。

这种设置很适合编码和构建任务，因为正确性可以自动验证 —— 一个游戏要么能跑要么不能；一个 3D 场景要么渲染出来要么崩溃。对于通过测试的效果并不比简洁输出更好的冗长输出，模型会受到惩罚，这正是此次更新同时产出更短补全和更高通过率的原因。DeepSeek 把它描述为一次「帕累托改进」：性能曲线和成本曲线都朝有利于开发者的方向移动，两者之间没有取舍。

DeepSeek 随更新发布的演示内容说明了聚焦领域。一个故宫 3D 漫游、一个有可选车辆和完赛界面的浏览器赛车游戏、一个用 Godot 重制的 Portal 2，以及一条从史前到现代的历史城市动画时间线，看起来都是在极少指令下从零生成的 —— 源材料称之为「许愿式编程」，本质上就是描述一个复杂项目并得到可运行原型的能力。这些演示是营销产物而非同行评审的评测，但它们一致测试同一领域：带可验证终态的多步交互式构建。

延伸阅读：DeepSeek V4.1 Flash：CED 架构压低 KV 缓存，智能体反超 V4 Pro

基准：数字意味着什么，哪里要谨慎

Hugging Face 上的 V4.1-Flash-1017 模型卡列出了与 9 月 V4.1-Flash 基线的七项基准对比：

• DeepSWE v1.1：77.0 对 74.2（提高 3.8 分）

• Terminal-Bench 4.0：42.3 对 31.2（相对提升 35.6%）

• ProgramBench：29.1 对 20.3（相对提升 43.3%）

• Automation-Bench v1.0.6：60.5 对 54.8

• Apex Bench v1.1：72.1 对 64.6

• Agents' Last Exam：35.4 对 31.8

• NL2Repo-Bench：68.2 对 65.4

这些是公司自报数字，使用 DeepSeek 所称的「mini_swe_v2」harness —— 一套运行 DeepSWE 任务的内部测试协议。这与 DeepSWE v1.1 榜单的独立运营方 Datacurve 所用的 harness 不同。不同 harness 之间的绝对数字有差异；同一 harness 内的比较有效，但跨系统比较需要谨慎。

说明这一点后，竞争格局在方向上是一致的。Datacurve 公开发布的榜单显示，前沿模型的顶部集群 —— GPT-6 Astra、Gemini-3.8-Flash 和 Claude Opus 5 —— 在各自的高强度配置下，在 DeepSWE v1.1 上各得约 74%。DeepSeek 宣称 1017 更新在最大配置下为 77.0%，用自家内部 harness 领先该集群 3 分。截至本文写作，1017 检查点尚未出现在 Datacurve 独立运行的榜单上。

成本维度是这一说法更难反驳的地方。Datacurve 的榜单显示，在等价评测上 Claude Opus 5 每任务 11.84 美元，GPT-6 Astra 每任务 4.43 美元。DeepSeek 为 1017 更新给出的成本图把其最大配置定在每任务约 1 到 2 元人民币（按当前汇率 0.14 到 0.28 美元），低于 9 月 Flash 基线的每任务 3 到 4 元。如果基准位次在独立测试中成立，V4.1-Flash-1017 与闭源竞争者之间的性价比差距就不是四舍五入的差别 —— 而是大约一个数量级。

更短的模型输出是成本下降的主要机制。RL 训练惩罚冗长，所以模型学会了用更少的生成文本完成任务。由于 token 成本与输出长度成线性，而智能体任务通常涉及许多次模型调用，这会叠加：每次调用更少的 token，乘以许多次调用，同时降低成本和实际耗时。

自建搜索索引加入 API

与模型更新同步，DeepSeek 开放了两个新的 REST 端点：Search（POST /v1/tools/search）和 Fetch（POST /v1/tools/fetch）。Search API 文档描述了一个查询 DeepSeek 自有网页索引的端点，返回带相关性分数、页面摘要和元数据的结构化结果。Fetch 接收一个 URL 并以 Markdown 返回其内容。两者合起来，为编码智能体和检索增强应用提供了一层第一方、DeepSeek 原生的检索能力，无需第三方搜索供应商。

定价为每个端点每 1000 次成功请求 0.75 美元。失败调用、空结果和超时不计费。API 文档描述了针对 SEO 操纵、AI 生成内容农场和 GEO 操纵的反操纵过滤，不过尚无针对这些过滤器的独立审计发表。

开发者应注意一个时间细节：来自 DeepSeek Harness、Claude Code 和 Codex 的服务端 Search 和 Fetch 工具调用目前按零计费。这一免费窗口在 2026 年 11 月 1 日北京时间 00:00（10 月 31 日 16:00 UTC）关闭，之后按标准单次调用费率计费。

DeepSeek 在营销材料中宣称的网页索引规模被描述为「数千亿页面」，能够每天处理数亿次搜索，并支持多语言。这些数字尚未得到独立验证，API 文档本身也不包含索引规模披露或源语料描述。评估把搜索端点用于生产的开发者，应在免费期结束前针对自己的目标查询领域做质量评估。

开放权重生态，以及哪些东西继承了此次更新

V4.1-Flash-1017 的 MIT 许可证权重已在 Hugging Face 的 deepseek-ai 组织下以及 ModelScope 上提供。该模型在其 7630 亿总参数上使用 FP8、BF16、I8 和 FP4 张量格式，与 CED 架构的量化感知训练方法一致。

10 月 17 日发布后数小时内，Hugging Face 模型树中出现了 13 个社区量化版本，覆盖面向 llama.cpp、Ollama、LM Studio 和 Jan 的 GGUF 格式变体。这种迅速的量化响应表明开发者对本地运行该模型兴趣活跃 —— 对一个全精度下需要大量基础设施的 7630 亿参数 MoE 来说值得注意，不过通过每次前向只激活 80 亿到 160 亿参数的稀疏激活模式，4 位量化后更容易处理。

API 路由保持不变：deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 继续以 Flash 定价路由到新检查点。此次更新也已部署到 DeepSeek 的网页界面和移动应用，以及 API。

这项技术仍有哪些不足

原 V4.1-Flash 技术报告中的两项局限对 1017 更新仍然适用。第一，架构论文明确指出，与更大的闭源系统相比，在科学导向的智能体任务上「仍存在明显的整体性能差距」。1017 更新中记录的 RL 改进聚焦于构建任务（游戏、3D、带可验证终态的编码项目），而非科学推理或研究导向的智能体工作。第二，用于压缩 KV 缓存的 SWA 有界重放机制是一种近似；重建的解码器 SWA 键和值在数学上并不等价于完整的前向传播。作者把质量影响描述为可忽略，但它仍是一项未经验证的近似。

更广泛地说，DeepSeek 内部 mini_swe_v2 harness 结果与 Datacurve 独立运行榜单之间的竞争性基准比较尚未定论。77.0% 这个数字是公司自报的；独立复现将决定领先 74% 集群 3 分的说法是否成立。为高价值智能体流水线做模型选型的开发者，应等独立评测出来再把这一性能说法当作既定事实。

延伸阅读：不换模型，编码智能体提升 52%：上海 AI 实验室的 HoH 迭代循环

更大的含义：RL 后训练成为竞争迭代层

1017 发布更有分量的观察，在另一种意义上也是架构性的，但不是 CED 设计那种意义。底层模型 —— 7630 亿参数、CED、FP4 KV 量化、100 万 token 上下文 —— 在 9 月就已固定。10 月更新中的所有基准收益都来自扩展强化学习后训练阶段。DeepSeek 没有为了提升性能构建新模型；它在现有模型上做了更多训练，针对特定任务领域。

这正是竞争前沿移动的方向。架构越来越成为中期常量；聚焦于自反馈可以替代人类标签的可验证结果领域的 RL 后训练周期，是近期模型改进集中的地方。这个 RL 周期的成本远低于完整的预训练运行，而且随着 DeepSeek 识别出性能差距，可以逐个检查点重复进行。

搜索 API 的 11 月 1 日计费日期，是开发者需要跟踪的下一个近期里程碑。在那之前，通过 Claude Code 或 Codex 对着 DeepSeek 搜索后端运行检索增强编码智能体的组织，得到的是一项补贴服务。该 API 的检索质量在规模化时是否配得上其成本 —— 相对于替代方案 —— 是免费窗口本就设计来让开发者自己回答的问题。