DeepSeek V4.1 Flash 1017：价格不变，输出更短。要切换吗？

2026年10月17日（周六），DeepSeek 将 deepseek-flash API 名称背后的模型换成了新的检查点 DeepSeek-V4.1-Flash-1017。价格没有变，上下文窗口没有变，调用方式也没有变。变化的是模型本身：DeepSeek 报告称，在终端和程序构建基准上取得了两位数的提升，并表示新检查点完成任务更快，输出也更短。

简短结论：如果你在 9 月版 V4.1 Flash 上运行编码智能体或工具密集型工作流，建议切换。单 token 价格相同，而且按 DeepSeek 自己的成本图表，每个完成任务的成本低得多。如果你的工作负载以知识密集型问答为主，切换的理由就没那么充分，前沿模型在这类任务上仍然领先。

在 AIHubMix 上，新检查点有自己的 ID deepseek-v4.1-flash-1017，因此在你修改模型名称之前，现有调用不会自动改变。

变化与不变之处

DeepSeek 的发布说明称 1017 是“性能和成本上的帕累托改进”，其 Hugging Face 模型卡则称其为“小幅更新”。两种说法都站得住脚：架构和 API 接口没有改动，而后训练是全新的（DeepSeek 描述为“利用自我反馈的强化学习来改进端到端项目开发”）。

旧名称 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 在 DeepSeek 的 API 上仍然可用，而且两者现在都以 Flash 价格运行 1017。DeepSeek 没有提供固定 9 月检查点的方式，因此直接调用 deepseek-flash 的用户已经被迁移到了新版本。

性能提升体现在哪里

以下所有数据均来自 DeepSeek 的模型卡和更新日志，目前尚无第三方独立复现。The Decoder 和 Kingy.ai 也整理了相同的表格，并提出了同样的注意事项。

Terminal-Bench 4.0 在 Claude Code 框架中运行；DeepSWE 在 mini-SWE-v2 中运行。

规律很清楚：提升最大的是长时间终端会话和从零构建程序，这与 DeepSeek 所说的训练重点一致。仓库级别的 bug 修复（DeepSWE、NL2Repo）和视觉任务则只提升了两到三个点。

输出更短才是真正的升级

对于一个便宜的模型来说，9 月检查点的运行成本偏高，因为它输出得太多。当 Artificial Analysis 在最大 effort 下对其运行 Intelligence Index 时，它生成了约 2.5 亿个输出 token，而中位数为 1.3 亿，比 DeepSeek 自家的 V4 Pro 0813 多出 62%。

1017 正是针对这一点。DeepSeek 的 DeepSWE 图表（横轴为每任务成本，由 The Decoder 解读）显示：9 月模型得分 74.2%，每任务约 0.50 美元；1017 在最高设置下得分 77.0%，每任务略低于 0.20 美元；1017 在低设置下得分超过 72%，每任务约 0.10 美元。由于单 token 价格完全相同，这些节省几乎全部来自模型使用的 token 更少、完成任务所需的轮次更少。

有两点需要注意。DeepSeek 没有说明输出具体缩短了多少，而且这些每任务成本是从厂商图表中读取的，并非第三方实测。在规划成本时，请先用你自己的工作负载进行测试，再考虑节省 60% 的情况。

与上一档的差距有多近

在 DeepSeek 的产品线中，上一档是 V4 Pro 0813。在 DeepSeek 公布的所有智能体基准上，1017 都已超过它（Terminal-Bench 4.0：42.3 对 12.4；DeepSWE：77.0 对 62.7）。这部分内容将在本系列的另一篇文章中单独介绍。

与前沿模型相比，情况则好坏参半。在 DeepSWE、Automation-Bench、Agents' Last Exam 和 Apex 上，DeepSeek 的表格显示其成绩优于 Claude Opus 5，但在 Terminal-Bench 4.0（51.8）、ProgramBench（37.0）、NL2Repo（75.3）和 HLE（56.3）上，Opus 5 仍然领先。DeepSeek 还与较早的模型做了对比：Opus 5.5、Sonnet 5.5 以及 GPT-6 系列并未出现在其表格中，而 Google 单独报告的 Opus 5.5 在 Terminal-Bench 4.0 上的成绩为 66.4。

价格与实际成本

每 100 万 token 的高峰价格，缓存未命中。高峰时段为工作日 UTC 01:00–04:00 和 06:00–10:00；其他时段、周末及中国法定节假日为低谷时段，价格减半。Flash 缓存命中在高峰时段，DeepSeek 为 $0.006，AIHubMix 为 $0.0062。AIHubMix 目前对 1017 提供限时 30% 折扣；本文数据使用标价。

一次智能体会话的成本计算。目前没有公开测试给出 1017 每个任务的 token 数，因此本例采用以下假设：一次 bug 修复会话包含 40 次模型调用，输入总计 120 万 token，其中 90% 来自缓存，输出为 6 万 token（包含思考 token）。按 AIHubMix 标价计算：

1017 在高峰时段的计算：0.12M × $0.3098 + 1.08M × $0.0062 + 0.06M × $1.2392 = $0.118。

由于价格相同，在 9 月模型上消耗相同的 token 数，成本也相同。差异体现在 token 数本身：如果 1017 完成同样的修复所需的轮次更少、回答更短，账单也会随之减少。将批处理工作安排在高峰时段之外，费用还能再减半。

Effort 是另一个调节杠杆。DeepSeek 的 V4.1 Flash 论文将 API 中的 low、high、max 三档分别映射为内部 effort 值 50、75 和 100，并指出提升到 max 的最后一步会“将智能体轨迹延长 1.6–1.8 倍，但仅带来微小的改进”。建议智能体从默认的 high 开始，仅在最困难的任务中使用 max。

哪些场景并非最佳选择

• 知识密集型问题。不使用工具时，HLE 得分为 42.6，明显落后于 Opus 5（56.3），也低于 Claude Haiku 5.5（45.9，此为 Anthropic 公布的数据）。原始知识储备仍是 Flash 系列的弱项。
• 长时间、高难度的 shell 会话。Terminal-Bench 4.0 得分 42.3 是一次大幅提升，但在该基准上，Sonnet 5.5（70.6）和 Opus 5.5（66.4）属于另一个level。
• 需要固定模型版本的工作负载。在 DeepSeek 自家的 API 上，deepseek-flash 是一个滚动别名，无法固定到 9 月检查点。如果你需要可复现的行为，请调用带日期的模型 ID。
• 全部流量都落在高峰时段的工作负载。低谷价格是高峰价格的一半；如果工作负载集中在工作日 UTC 01:00–10:00 这一时段，则需按全价支付。

谁应该切换，谁应该等待

• 立即切换：9 月版 Flash 上的编码智能体、终端自动化和工具调用流水线。价格相同，成绩更好，而且按 DeepSeek 的测量，每个任务的 token 也更少。
• 经过回归测试后再切换：使用严格输出格式的生产提示词或评测套件。输出变短可能会导致以往依赖较长输出的解析器出错。
• 暂时保持现状，或考虑其他方案：知识密集型问答，以及已经需要前沿模型才能完成的复杂调试。1017 并不能改变这一点。

在 AIHubMix 上试用

AIHubMix 通过 Chat Completions、Responses API 和 Anthropic Messages 提供 1017 服务。创建密钥并按照快速开始指南操作，然后使用 openai SDK 进行调用：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    base_url="https://aihubmix.com/v1",
)

resp = client.chat.completions.create(
    model="deepseek-v4.1-flash-1017",
    messages=[{"role": "user", "content": "Write a Python function that merges overlapping intervals."}],
    reasoning_effort="high",
    max_tokens=32000,
)
print(resp.choices[0].message.content)

在 10 月 19 日的一次测试中，AIHubMix 接受了 low 的 high、max 和 reasoning_effort 取值，而且每个响应中的 model 字段均为 deepseek-v4-1-flash-261017，由此可以确认是 1017 检查点在作答。思考模式默认开启，思考 token 计入 max_tokens，因此请将其设置得宽裕一些；模型卡建议长时间智能体运行时至少设为 256K。如需并排对比两个检查点，请打开 AIHubMix 对比页面。

常见问题

DeepSeek V4.1 Flash 1017 是新模型还是更新版本？
它是 V4.1 Flash 的更新检查点，架构、上下文窗口和 API 接口均保持不变。DeepSeek 称其为小幅更新；基准上的提升来自新的后训练。

1017 发布后价格有变化吗？
没有。DeepSeek 保持 Flash 的价格不变，即高峰时段每 100 万 token 输入 $0.30、输出 $1.20，低谷时段半价。AIHubMix 高峰时段标价为 $0.3098 和 $1.2392，目前正在进行限时 30% 折扣。

在 AIHubMix 上应使用哪个模型 ID？
使用 deepseek-v4.1-flash-1017。deepseek-flash 这个名称属于 DeepSeek 自家的 API，现在指向 1017。

我能在 DeepSeek 的 API 上继续使用 9 月检查点吗？
不能。DeepSeek 已将 deepseek-flash 和旧的 Flash 名称指向 1017，并且没有提供固定 9 月版本的名称。

输出能缩短多少？
DeepSeek 尚未公布具体数字。其 DeepSWE 图表显示，在单 token 价格相同的情况下，每任务成本从约 0.50 美元降至 0.20 美元以下，这暗示运行过程明显变短，但这只是厂商提供的数据。

应该使用哪种推理 effort？
从默认的 high 开始。简单且对延迟敏感的调用使用 low，只有最困难的任务才使用 max。DeepSeek 自己的论文指出，max 会使智能体运行时间延长 1.6 至 1.8 倍，而带来的提升却很小。

1017 比 Claude Opus 5 更好吗？
在部分智能体基准上，DeepSeek 报告其成绩领先，例如 DeepSWE 和 Automation-Bench。但在 Terminal-Bench 4.0、ProgramBench、NL2Repo 和 HLE 上，Opus 5 仍然领先，而且较新的前沿模型未被纳入 DeepSeek 的对比。

继续阅读：DeepSeek V4.1 Flash 1017 系列

• 想迁移现有集成？迁移指南涵盖了 reasoning_content 400 错误、静默的别名切换、高峰时段计费以及编码工具设置：迁移到 DeepSeek V4.1 Flash 1017：reasoning_content 400 错误、静默别名切换与高峰时段计费
• 与 Anthropic 最便宜的智能体工作模型对比如何？这篇正面对比在终端编程任务上同时运行两者：DeepSeek V4.1 Flash 1017 与 Claude Haiku 5.5：哪款廉价模型更适合终端编程智能体？
• 还在为 V4 Pro 付费？本文将检验 Flash 是否已经让它变得多余：DeepSeek V4.1 Flash 1017 与 V4 Pro：现在 Flash 是否已经够用？

资料来源

• DeepSeek-V4.1-Flash-1017 发布说明（DeepSeek）
• DeepSeek-V4.1-Flash-1017 模型卡（Hugging Face）
• AIHubMix 上的 DeepSeek V4.1 Flash 1017（AIHubMix）
• Deepseek V4.1 Flash 1017 在智能体任务中击败更大的竞争对手（The Decoder）
• DeepSeek V4.1 Flash 1017 实测：规格、基准测试与价格（Kingy.ai）