DeepSeek-V4.1-Flash-1017:完整项目开发更强,搜索与抓取 API 开放

DeepSeek-V4.1-Flash-1017 在编程与 Agent 能力上全面提升:Terminal-Bench 4.0 从 31.2 升至 42.3,DeepSWE v1.1 通过率升至 77%,每任务费用降低约六成。

这次一起开放的还有 Search 和 Fetch。开发者可以调用 DeepSeek 自研搜索引擎查找网页,再抓取正文,把资料交给模型处理。写代码、查文档,可以在同一个 Agent 应用里完成。

PART.01编程进步落在完整项目上

>>>从终端操作到完整项目构建

与上一版 DeepSeek-V4.1-Flash 相比,1017 的 Terminal-Bench 4.0 成绩从31.2 升至 42.3,增加 11.1 个百分点;ProgramBench 从20.3 升至 29.1,增加 8.8 个百分点。

软件工程测试 DeepSWE v1.1 从74.2 升至 77.0,NL2Repo-Bench 从65.4 升至 68.2。模型需要面对的任务包括在终端中操作环境,以及根据需求修改或构建代码仓库。

开发一个项目,麻烦常常出在代码写完之后。页面能打开,交互未必正常;改好了一个文件,另一个模块可能又报错。Agent 得接着检查运行结果,找到出错的位置,再把相关修改补齐。

1017 通过基于自反馈的强化学习加强了这类项目开发能力。故宫 3D 展示、网页版赛车游戏,以及基于 Godot 的《传送门 2》复刻,都是对应的演示案例。

在已有仓库里调整接口,调用它的页面和相关配置也要跟着改。漏掉一处,就可能留下新的报错。模型需要读懂文件之间的关系,根据执行反馈继续修改,而不能停在只改完一个文件的状态。

通用 Agent 任务也有提升。Automation-Bench v1.0.6 从54.8 升至 60.5,Apex Bench v1.1 从64.6 升至 72.1。HLE 无工具成绩从36.8 升至 42.6,Chartography、BabyVision 等视觉相关测试同样有所提高。

Arena WebDev 的这份榜单中,1017 的 Max 档位以1670 分排在第 12 位,上一版的对应分数为 1619。

1017 的 DeepSWE 得分达到 77.0,在 Terminal-Bench 4.0 上则仍低于 Opus 5 的 51.8。

PART.02通过率升至 77% 每任务费用更低

>>>更高通过率与更低开销

在 DeepSWE v1.1 测试中,1017 的 Max 档通过率从上一版的74.2% 升至 77.0%。按图中的近似值,每任务平均费用从约3.3 元降至约 1.3 元,降幅约六成。同样采用 mini_swe_v2 评测框架,新版完成了更多任务,平均开销也更低。

低推理档位也有进步。新版 Low 档的通过率约为73%,已经接近上一版 Max 档的 74.2%,每任务费用还更低。过去需要最高档位才能接近的成绩,新版在较低档位就能达到;需要继续提高通过率时,还可以选择 High 或 Max。

1017 还缩短了任务运行时间与输出长度,并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等框架做了优化。这些改动覆盖了代码 Agent 读取文件、修改代码、调用工具和检查结果的执行过程。

在网页开发评测中,1017 也进入了 Arena 图示的价格表现前沿。图中的 Claude Opus 5.5 得分更高,混合 token 价格也更高;MiMo-V2.6-Flash 的价格更低,得分则低于 1017。以图中列出的模型和价格比较,1017 在 1670 分这一水平上提供了更低的调用价格。

PART.03百万上下文怎样减少输入负担

>>>架构基础与 KV 缓存优化

1017 沿用 V4.1 Flash 的架构基础,是一款支持图文输入、文本输出的原生多模态 MoE 模型,上下文最长为100 万 token。

Agent 执行任务时,代码、日志和工具结果会不断积累。处理这些长输入需要计算资源,保存供后续生成使用的 KV 缓存也会占用显存。V4.1 Flash 从这两处减少开销。

CED 将 40 层 Transformer 分为 20 层因果编码器和 20 层解码器。编码器先处理输入,并用最终的隐藏状态生成解码器所需的全局 KV 缓存。这样,大部分输入 token 可以绕过完整的解码器计算,同时保留局部滑动窗口注意力所需的处理,减少长提示词的计算量。

MoE 通过路由选择参与计算的专家,处理输入时每个 token 激活约8B 参数,生成时约激活16B。CSA2 则在不同层之间复用缓存和注意力索引:部分层重新生成缓存,部分层沿用缓存、重新选择关注的位置,还有一些层连选择结果也一起复用,省去重复计算与存储。

结合 FP4 缓存压缩等设计,全局 KV 缓存占用降至每 token 890 字节,约为 V4 Flash 的四分之一;通过重建局部窗口状态,持久化 KV 缓存占用降至 V4 Flash 的约八分之一。

PART.04搜索与抓取也开放了

>>>Search 与 Fetch 的 API 能力

开发中遇到陌生的库,通常得先找文档,再翻到相关接口。整理模型对比,也需要打开几份说明,逐项核对参数。Search 和 Fetch 把这些查找、阅读网页的步骤开放成了 API,适合接入 Agent 和 RAG 应用。

两者可以接着用。例如给 Agent 一个模型选型任务,先用 Search 找到相关项目,再用 Fetch 读取几篇重点说明,最后让模型整理参数和功能差异。写代码时,也可以先找到依赖库的文档,再读取需要的页面,把资料和仓库代码一起交给模型。

这两个接口沿用 DeepSeek API 的鉴权方式,可以使用同一把 API Key 接入。在 DeepSeek Harness、Claude Code 和 Codex 中使用 DeepSeek API 时,也已能通过服务端工具调用访问 Search / Fetch。模型权重本身不包含这项在线服务。

Search 和 Fetch 的标准价格都是5 元/千次,按成功且有结果的请求收费。一条搜索请求返回多条结果,仍只按一次请求收费;搜索无结果、抓取未得到正文,以及请求失败或超时,都不收费。

比如搜索一次,再抓取三篇网页正文,按四次有效请求算,接口费用合计0.02 元。模型阅读这些材料和生成回答的 token 费用单独计算。

OpenCSG vs 魔搭:如何选择?

使用模型部署在魔搭、OpenCSG 等模型社区中均可实现,但 OpenCSG/CSGHub 的核心在于,它不只是让模型"跑起来",而是进一步支持企业把模型、数据集、代码和应用等 AI 资产放到本地、内网或离线环境中统一管理。它解决的不只是"模型怎么部署、怎么调用"的问题,更是"模型进入企业后如何被安全管理、版本沉淀、权限控制和持续运营"的问题。对于企业来说,CSGHub 可以帮助构建自己的私有模型资产中心,降低对外部平台的依赖;对于个人开发者来说,也可以用更系统的方式管理模型、实验项目和 AI 应用流程。相比更偏向模型发现、体验和使用入口的魔搭,CSGHub 更适合那些希望把 AI 能力真正沉淀下来,并长期维护、持续迭代的用户。

关于 OpenCSG

OpenCSG是全球领先的开源大模型社区平台,致力于打造开放、协同、可持续生态,AgenticOps是人工智能领域的一种 AI 原生方法论,由 OpenCSG(开放传神)提出。AgenticOps是 Agentic AI 的最佳落地实践也是方法论。核心产品 CSGHub 提供模型、数据集、代码与 AI 应用的一站式托管、协作与共享服务,具备业界领先的模型资产管理能力,支持多角色协同和高效复用。

posted @ 2026-10-30 14:27  OpenCSG  阅读(108)  评论(0)    收藏  举报