DeepSeek 于 2026 年 10 月 17 日在 Hugging Face 发布 DeepSeek-V4.1-Flash-1017，并让 API 中的 deepseek-flash 改由该版本提供服务。官方模型卡称这是 V4.1-Flash 的小幅更新，权重采用 MIT 许可，自报 11 项评测全部提升。第三方方面，Artificial Analysis 给出智能指数 45 分，LMArena WebDev 开源榜暂列第一，但投票量仍少，部分官方说法待核对。
数据中心里的服务器机柜（2012 年拍摄，与 DeepSeek 无关，仅作题图）。作者：Victor Grigas；来源：Wikimedia Commons；许可：CC BY-SA 3.0。
发布经过与模型规格
这条线索来自 Interconnects 在 2026 年 10 月 20 日发布的第 25 期“Latest open artifacts”，作者是 Florian Brand 与 Nathan Lambert。该文为付费文章，公开部分主要谈中美两国对开放模型的监管动向：据文中介绍，中国商务部提出一项政策提案（尚不是法律），要求前沿 AI 模型等技术对外共享前须经政府批准，文中同时提到开源技术将走自动审批；美国国土安全部发布命令，禁止 DeepSeek 公司及其模型进入联邦民用采购。公开部分还提到 DeepSeek 公开了内部推理栈 DeepInfer。上述两项政府文件的原文本文未核对；文章对 1017 版本的具体评述位于付费部分、未能读取，以下关于模型的事实均追溯到 DeepSeek 官方页面和第三方榜单原页。
Hugging Face 接口显示，仓库 deepseek-ai/DeepSeek-V4.1-Flash-1017 创建于 2026 年 10 月 17 日 02:40（UTC），同日 05:46（UTC）最后修改；模型卡正文没有写发布日期。模型卡称它是 DeepSeek-V4.1-Flash 的“小幅更新”（minor update），推理、编程、智能体和视觉评测均有提升，同时缩短任务执行时间和输出长度。仓库与权重采用 MIT 许可，下载无需申请。DeepSeek API 文档写明，deepseek-flash 现由 1017 版本提供服务，调用方式不变；旧名称 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 仍可调用，但对应模型已下线，请求改由 1017 处理并按 Flash 价格计费。文档未写切换的具体日期。
参数规模存在两种口径。Hugging Face 接口统计的 safetensors 总参数为 763,205,315,794（约 763B）；Artificial Analysis 则列为总参数 552B、每个 token 激活 16B。1017 的模型卡没有写架构和激活参数。前一版 V4.1-Flash 的模型卡写明 552B 是“骨干参数”，预填充阶段每个 token 激活 8B、解码阶段激活 16B，另有 196B 的 Engram 条件记忆参数，其 safetensors 总量同样显示为 763B。两组数字如何换算，官方没有说明；1017 是否完全沿用前一版架构，也待核对。模型卡建议的上下文窗口为 1M token，max_tokens 不少于 256K，采样参数 temperature 和 top_p 均为 1.0。
官方模型卡自报的成绩
模型卡列出 11 项评测，把 1017 与前一版 V4.1-Flash 以及 K3、GLM-5.3、GPT-5.6 Sol、Opus 5 并列比较。这些数字全部由 DeepSeek 提供，不是独立复现。按模型卡数据，Terminal-Bench 4.0 从 31.2 升到 42.3（使用 Claude Code 框架），DeepSWE v1.1 从 74.2 升到 77.0（使用 Mini-SWE-V2 框架），ProgramBench 从 20.3 升到 29.1，不用工具的 HLE 从 36.8 升到 42.6，Automation-Bench v1.0.6 从 54.8 升到 60.5，Agents' Last Exam 从 31.8 升到 35.4。在同一张表里，1017 在 DeepSWE v1.1、Automation-Bench、Agents' Last Exam 和 Apex Bench v1.1 上高于所列的两款闭源模型；在 HLE、Terminal-Bench 4.0、ProgramBench、NL2Repo-Bench 以及三项视觉评测上，仍低于 Opus 5。
这张表有几处需要留意。第一，前一版的两项数据与其自身模型卡对不上：1017 卡把前一版的 NL2Repo-Bench 记为 65.4，而 V4.1-Flash 模型卡写的是 64.0；1017 卡中前一版的“Apex Bench v1.1”为 64.6，旧卡只列出 MathArena Apex 65.6，无法确认是否同一测试。DeepSeek 没有说明是否用新版评测框架重跑过。第二，前一版模型卡写明评测使用最高推理强度（reasoning_effort=100）和 top_p 0.95，1017 卡只注明了两项评测所用框架，推理强度和采样设置待核对。第三，“输出更短、任务更快、成本更低”的说法没有附 token 数或耗时数据。
AI 生成示意图：厂商自报与独立测试好比用不同量具测量同一对象，两者的评测框架和设置不同，读数不宜直接比较。具体分数见正文所引 DeepSeek 模型卡与 Artificial Analysis 对比页（均查阅于 2026-10-21）。
第三方榜单中的位置
Artificial Analysis 在 2026 年 10 月 18 日的更新日志中收录了 1017（Max 推理档）的成绩，智能指数为 45 分。所用方法版本是 Intelligence Index v4.3.2（2026 年 9 月 19 日起使用），包含 AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam 等 10 项评测。截至 2026 年 10 月 21 日查阅，其开放权重模型列表中 MiMo-V2.6-Pro 以 46 分居首，1017 与 GLM-5.3（Max）同为 45 分；模型页把它列为同规模（总参数超过 150B）开放权重模型中的第 2 名，共 121 个。与前一版的 39 分相比，Artificial Analysis 自测的 Terminal-Bench 4.0 从 27% 升到 34%，HLE 从 39% 升到 43%，但 AutomationBench-AA 从 69% 降到 67%，AA-LCR v1.1 从 84% 降到 83%。按 DeepSeek API 测得，每项指数任务成本为 0.26 美元（前一版 0.57 美元），输出速度约 209 token/秒；Artificial Analysis 同时评价它“非常冗长”，跑完整套指数生成约 210M 输出 token，同类中位数为 140M。
LMArena（arena.ai）的 WebDev 榜开源模型视图，页面日期为 2026 年 10 月 19 日。DeepSeek-V4.1-Flash-20261017（Max）以 1664 分（±14）排开源第 1、总榜第 13，但只有 2,008 票；开源第 2 的 Kimi K3（Max）为 1655 分（±6），票数 19,592。两者的置信区间重叠，1017 的总榜排名区间为第 9 至第 17 名，这个第一还不稳固。在 2026 年 10 月 20 日的 Text Arena 总榜（417 个模型）中，尚未出现 1017 版本，前一版 DeepSeek-V4.1-Flash-20260910（Max）排第 36，得分 1475。LMArena 页面没有标注评分方法的版本号，待核对。
仍待核对的信息
综合以上来源，以下几点目前仍无法确认，均标为待核对：1017 的架构与激活参数，以及 763B 和 552B 两种口径的关系；官方评测的推理强度、采样设置，以及 NL2Repo-Bench、Apex 两项前一版数据为何与旧卡不同；“输出更短”的具体幅度，Artificial Analysis 的数据显示跑完整套指数的输出 token 从 253M 降到 211M，但单任务平均输出同为约 89k，能否印证官方说法仍需更多数据；API 切换的具体日期，以及 DeepSeek 官方价格页上的现行价格，Artificial Analysis 记录的 API 价格为每百万 token 输入 0.30 美元、输出 1.20 美元，与前一版相同；Interconnects 付费部分对 1017 的评价，以及美国国土安全部命令和中国商务部提案的原文。