事件与背景

2026 年 10 月 17 日，DeepSeek 发布 DeepSeek-V4.1-Flash-1017，API 里的模型名是 deepseek-flash。这条发布当天在 Hacker News 首页拿到 496 分、479 条讨论，是全场热度最高的一条。官方新闻稿的标题不太像一次小版本更新——Wish-Driven Programming Made Real（把「许愿式编程」变成现实）。

模型卡上写的是「对 V4.1-Flash 的小幅更新」，但硬指标是这样的：

• 结构：据 OpenRouter 的模型说明，它是 552B 总参数的稀疏 MoE，输入侧激活 8B、输出侧激活 16B 的非对称切分，也是 DeepSeek 首个基于 Causal Encoder-Decoder（CED）架构的模型；视觉与文本 embedding 从预训练起联合训练，图像理解是原生能力，而不是事后外挂的视觉层。
• 上下文：1M token，最大输出 384K，官方建议 max_tokens 不低于 256K；压缩 KV cache 把缓存显存压到上一代 Flash 的约四分之一。
• 基准：Terminal-Bench 4.0 从 31.2 升到 42.3（Claude Code harness），DeepSWE v1.1 从 74.2 升到 77.0（Mini-SWE-V2），ProgramBench 20.3→29.1，HLE（无工具）36.8→42.6。同一张表里，GPT-5.6 Sol 的 Terminal-Bench 是 39.9，Opus 5 是 51.8。
• 许可证：MIT，权重在 Hugging Face 与 ModelScope 同步放出。
• 价格：缓存未命中的输入 $0.30/百万 token（高峰）、$0.15（低谷），输出 $1.20 / $0.60；缓存命中输入低至 $0.006。并发上限 2500，是 V4-Pro 的 5 倍。
• 工程细节：这一版不再提供 Jinja 格式的 chat template，改发 encoding/ 下的 Python 参考实现，外加 Rust 编写、带 Python 绑定的 deepseek-recipe 库来处理消息、工具调用与思考模式的编码。

同一份公告里还有一件容易被忽略的事：Search 与 Fetch API 正式对外开放，各按 $0.75 / 1000 次成功请求计费；而在 DeepSeek Harness、Claude Code、Codex 里走 server-side tool 调用，到北京时间 2026 年 11 月 1 日 0 点之前免费。

已验证可访问的来源：

• DeepSeek 官方发布说明（2026-10-17）
• DeepSeek 定价页（含 Search & Fetch 计费与高峰时段定义）
• OpenRouter 模型页（架构、上下文、第三方基准）
• 模型卡（MIT 许可与完整基准表）
• Search & Fetch 使用指南

需要说明验证情况：huggingface.co 与 news.ycombinator.com 从本机直连均超时（HTTP 000），前者改由镜像 hf-mirror.com 取到同一份 README（HTTP 200），后者的分数与评论取自 HN Algolia API。这两个原始域名并未被证伪，只是本次无法从本机确认。

为什么现在重要

1. 许可证成了新的竞争维度，而且对比就发生在 24 小时内。 前一天（10-16）我们写的是 Meta 的 Muse Spark Open：816B 权重放出，但许可证含 MaaS 条款，被独立评测归为「商用受限」。一天之后，DeepSeek 给一个 552B 模型挂了 MIT。影响：架构评审里「开放权重能不能商用」这一栏，问题会从「能不能用」变成「用了要不要回馈」，法务的提问方式会跟着改。

2. 「Flash」这个词的含义变了。 过去 Flash / Mini 这一档默认是「便宜但明显更笨」。这次的做法是用非对称激活（8B 输入 / 16B 输出）加 KV cache 压缩把成本压下去，同时在 agentic 基准上反超自家 Pro 档。影响：模型分层不再等于能力分层，选型时那个「便宜档做不了长程任务」的默认假设必须重测，否则你会为不需要的能力付钱。

3. 成本锚点从「每百万 token」挪到「每完成一个任务」。 Terminal-Bench 42.3 配 $0.30/$1.20 的价，意味着一趟烧掉 300 万 token 的长程任务，模型账单在 3 美元量级。影响：以前因为预算而砍掉的「让 agent 自己跑到底、失败了重来」的设计，现在值得重新算一遍；反过来，单价更低的模型如果重试率高，总账可能更贵。

4. 厂商开始把 Agent 栈打包成一个 SKU。 模型、Harness、搜索/抓取接口、编码库（deepseek-recipe）一起发，工具调用的协议细节也由厂商自己定义。影响：中间层「Agent 基础设施」面对的对手不再是一个模型 API，而是一套默认集成的替代品；自建检索、自己接搜索服务的必要性下降，差异化只能往私有数据和工作流上挪。

5. 「一句话生成整个项目」被当成商品功能卖了。 公告用强化学习加自我反馈来描述端到端项目生成，并给了四个 demo：故宫 3D 建模、网页赛车游戏、用 Godot 复刻的 Portal 2、从史前到现代的 3D 场景。影响：当「写出来」不再是瓶颈，瓶颈就移到验收——怎么在一个 38 万 token 输出的仓库里判断它对不对，会成为团队的真实工作量。

工程师/产品人今天能做什么

1. 用你自己的 20–30 个真实任务重测，而不是看榜。 取最近合入的 issue 或 PR，让 deepseek-flash 和现用模型各跑一遍，记录「完成率 × 重试次数 × 实际 token」，算出单任务成本。42.3 是 Claude Code harness 加官方提示词下的数字，换成你们的工具链一定掉——掉多少才是决策依据。

2. 把模型名钉死到带日期的快照。 官方文档写明 deepseek-v4-flash、deepseek-v4-flash-vision-exp 这些旧名字仍然接受，但请求已经被路由到 1017 并按 Flash 价格计费。也就是说，你的「旧模型」在配置没动的情况下换了权重。改成显式快照，并补一条输出格式的回归测试。

3. 在 11 月 1 日之前把 Search / Fetch 的调用量测出来。 目前经 Harness、Claude Code、Codex 走的 server-side 调用免费，之后按 $0.75/1000 次计费。跑一周，统计每个会话的搜索与抓取次数，乘上单价——你会知道自己在为一个「免费功能」付多少钱。

4. 排一次低谷调度。 高峰是 UTC 01:00–04:00 与 06:00–10:00（周一至周五），价格是低谷的两倍。批量任务、夜间 eval、离线生成挪到低谷，等于直接打五折，不需要改一行模型代码。

5. 试一次「不留 RAG」的写法。 1M 输入加 384K 输出，意味着中等规模代码库可以整包塞进去。挑一个现在依赖切片加检索的仓库，改成整仓输入，比较答案质量和总成本；如果差距不大，删掉一条检索链路比优化它更划算。

待观察

• 厂商自报与第三方评测的差距需要解释。 模型卡写 Terminal-Bench 4.0 = 42.3，而 OpenRouter 页面上引自 Artificial Analysis 的同项成绩是 26.8%，HLE 也有 42.6% 与 39.2% 的差。差异可能来自 harness、推理预算或是否开工具，但在你复现之前，把 42.3 当上限而不是预期。
• 「许愿式编程」的 demo 能否扛住非精选输入。 四个示例都是视觉冲击强的完整新建项目，缺的是「在一个 20 万行存量仓库里改一个 bug」这类日常证据。
• 11 月 1 日之后的定价与配额。 免费搜索窗口结束后，Search / Fetch 会不会变成成本主导项；以及 2500 并发在生产负载下能不能稳住。