价格没动，账单还能降两成——DeepSeek V4.1-Flash-1017 的帕累托账本，和搜索 API 的真实单价

2026 年 10 月 17 日 16:35，DeepSeek 把 V4.1 Flash 换成了 DeepSeek-V4.1-Flash-1017。

官方通稿只有一句话是重点：「API 调用方式与价格保持不变，仍使用 deepseek-flash 即可访问最新模型。」

也就是说，我什么都不用改，第二天醒来模型已经换了一代。这在 API 生意里是很少见的操作——大多数厂商升级模型时会顺手改个型号名，好让你重新评估一次价格。

但真正的信息量不在「换了」，而在换的方式：官方把这轮更新定性为「性能–费用的帕累托改进」，同时第一次把自家搜索引擎拆出来单卖。

这篇文章算三笔账：性能涨了多少、账单能降多少、搜索 API 会不会比模型本身更贵。

先说结论

#	结论	依据
1	升级是零成本的	接口名不变（`deepseek-flash`）、价格不变、上下文不变，改代码的工作量为零
2	性能提升集中在终端与 agent 任务	Terminal-Bench 4.0 从 31.2 → 42.3（+11.1），正好是官方所说「提升 2.0–11.1 分」的上限
3	「输出更短」对我的账单只省 8.6%	我的用量里输出只占 1.17% 的 token，却占 28.7% 的钱；输出砍三成，月费从 ¥83.58 → ¥76.38
4	「任务更快」才是真省钱，省 14.2%	轮次少 20% 意味着重复发送的上下文少 20%，这部分占我账单 71%
5	搜索 API 5 元/千次，日均超过 557 次就比模型费还贵	按我的用量，模型 ¥83.58/月 ↔ 搜索 557 次/日的成本线
6	错峰仍然比换模型值钱	模型升级最多省 23%，全跑高峰直接翻倍（+100%）

一句话：这次更新的价值不在「更聪明」，在「同样一件事花的 token 更少」。前者你只能感觉到，后者能算出来。

一、这次到底改了什么

1.1 十一项基准，一次给全

DeepSeek 这次罕见地把全部 11 项基准分数直接列在更新日志里：

基准	分数	备注
HLE（w/o tools）	42.6（44.0*）	*仅 HLE 纯文本子集
Terminal-Bench 4.0	42.3	用 Claude Code 框架测试
DeepSWE v1.1	77.0	用 Mini-SWE-V2 框架测试
ProgramBench	29.1
NL2Repo-Bench	68.2
Automation-Bench v1.0.6	60.5
Agents' Last Exam	35.4
Apex Bench v1.1	72.1
Chartography（w/tools）	83.0
BabyVision（w/tools）	92.5
ZeroBench-main（w/tools）	51.0	Pass@5 评测

数据来源：DeepSeek API 更新日志（2026-10-17），经 AIHOT 条目页全文转录。

读这张表要注意三件事：

不是同一套 harness。 Terminal-Bench 4.0 用 Claude Code 跑，DeepSWE 用 Mini-SWE-V2 跑。这意味着两列的分数不能互相比较，只能各自和「上一代用同一 harness 跑出来的分」比。厂商给基准表时经常不写这一行，这次写了，值得记一笔。
带 w/tools 的三项是另一类能力。 Chartography 83.0、BabyVision 92.5、ZeroBench 51.0 都是「给了工具之后的视觉/图表理解」，和纯推理的 HLE 42.6 不是一条线。混在一起看会高估通用能力。
HLE 的 42.6 只在纯文本子集上测。 括号里的 44.0 是另一个口径，官方用星号单独标注了。

1.2 外部横向对照：只找到三个可比数字

官方没给竞品分，第三方给了几个：

模型	DeepSWE v1.1	每任务成本	来源
V4.1-Flash-1017	77.0	< $0.20（低设置 ~$0.10 时 >72%）	The Decoder
V4.1 Flash（前代）	74.2	~$0.50	The Decoder
Claude Opus 5	74.0	—	Thomas Wolf
GPT-5.6 Sol	73.0	—	Thomas Wolf
竞品区间（GPT-6 Astra / Gemini 3.8 Flash / Opus 5）	均未达 77	$2 – $10+	The Decoder

这张表里真正扎眼的不是 77.0 这个数，是「前代 74.2 花 $0.50，新版 77.0 花 $0.20」——分数涨 3.8%、成本降 60%。这才是「帕累托改进」四个字的实证。

至于 X 上流传的「以 1/83 的成本达到 Opus 5 级编码表现」，那是 Yuchen Jin 的个人表述，不是官方口径，也没说明是否同任务、同 harness 对比。当标题看可以，当结论用不行。

1.3 三个结构性变化，比基准分更重要

① 架构：CED + 非对称激活

据 OpenRouter 的模型卡（经 HN 讨论转述），1017 是 DeepSeek 首个基于 CED（Causal Encoder-Decoder） 架构的模型：552B 总参，输入激活 8B、输出激活 16B。

这个「输入 8B / 输出 16B」的非对称切分是关键设计——输入侧便宜、输出侧贵，恰好和 token 计价的成本结构（输出单价是输入的 4 倍）对齐。模型层面就在为「少花输出钱」做优化。

② 视觉是原生训练进去的

图像理解不是后加的适配层，而是从预训练第一天起，视觉与文本 embedding 就联合训练。这和上一代实验性的 V4 Flash Vision Exp（后挂视觉）是两条路线。

Nathan Lambert 的判断是：凭内置视觉，它可能强于 GLM 5.3。

③ 压缩 KV 缓存，显存降到上一代的约 1/4

这一条对 agent 长任务影响最大。上下文还是 1M，但同样 1M 上下文占的缓存内存只剩四分之一——意味着同等显存能挂更多并发、跑更长的多轮任务。

⚠️ 注意：缓存内存降 4 倍 不等于 缓存价格降 4 倍。官方这次没动价目表，缓存命中仍是空闲 ¥0.02 / 高峰 ¥0.04 每百万 token。省钱体现在「能跑得更久而不炸显存」，不是「单价变便宜」。

1.4 一个容易被忽略的训练方法：RLSF

IT之家和 The Decoder 都提到，这次从零构建完整项目的能力提升来自 RLSF（Reinforcement Learning with Self-Feedback，带自我反馈的强化学习）。

机制不复杂：用模型自己的置信度分数、或自己生成的批评作为奖励信号，不需要人类标注员，也不需要外部奖励模型。

效果是官方说的「许愿式编程」——在提示词和素材极其有限的条件下，直接生成能跑起来的完整项目。官方演示覆盖游戏开发、3D 建模、设计，还有简洁的讲解视频动画（The Decoder 说这一点类似刚发的 Opus 5.5）。

这条对做原型的人意义最大：从「帮我写这个函数」变成「帮我把这个东西做出来」。 当然，能不能真的端到端跑通，得自己试。

二、账单能降多少：拿我自己的用量算

2.1 基线：10 月 15 日实测的用量结构

项目	单日	月（30 天）	占比
输入 + 缓存输入	16,828,709	504,861,270	98.83%
输出	200,000	6,000,000	1.17%
合计	17,028,709	510,861,270	100%

价格（V4.1 Flash 现行价，2026-10-08 核验，本次未调整）：

计费项	空闲时段（¥/MTok）	高峰时段（¥/MTok）
输入（缓存命中）	¥0.02	¥0.04
输入（缓存未命中）	¥1	¥2
输出	¥4	¥8

基线账单（假设 90% 输入走缓存、全部错峰）：¥83.58/月。

拆开看结构，这张比价表比什么都直观：

计费项	月 token	月成本	占账单
缓存命中输入	454.4M	¥9.09	10.9%
未命中输入	50.5M	¥50.49	60.4%
输出	6.0M	¥24.00	28.7%
合计		¥83.58	100%

输出只占 1.17% 的 token，却吃掉 28.7% 的钱。 这是所有 agent 用户的共同结构——也是这次更新能省钱的地方。

2.2 四种情景下的月账单

情景	假设	月成本	相对基线
基线（现在的 V4.1 Flash）	90% 缓存、全错峰	¥83.58	—
只换模型、行为不变	单价不变	¥83.58	0%
+ 输出变短 30%	输出 4.2M/月	¥76.38	−8.6%
+ 任务轮次少 20%	输入同步降 20%	¥71.66	−14.2%
两者叠加	输出 −30%、输入 −20%	¥64.46	−22.9%
全跑高峰（对照组）	单价 ×2	¥167.16	+100%

两个反直觉的点：

「输出更短」听着最响，实际只省 8.6%。 因为我的输出本来就只占 1.17%。如果你是纯对话/写作型用户（输出占比 30% 以上），这条对你的意义会大得多——同一个改进，对不同 token 结构的人价值差 4 倍以上。
「任务更快」才是大头。 agent 每一轮都要把历史上下文重发一遍，轮次少 20% 就等于输入少 20%，而输入占我账单 71%。这条省的钱是前一条的 1.7 倍。

2.3 但最大的杠杆还是错峰

操作	对月账单的影响	需要改变什么
全跑高峰	+100%	什么都不用做（默认状态）
升级到 1017	−8.6% ~ −22.9%	改框架版本号
挪到空闲时段	−50%	改任务调度时间

结论很硬：与其纠结模型版本，不如先把批量任务挪到晚上。 高峰只有工作日 9–12 / 14–18，周末全天算空闲——这一条不需要任何技术投入，直接五折，比这次模型升级的收益大一倍以上。

复算脚本（改两个数字就能套你自己的用量）：

# DeepSeek V4.1 Flash 月成本估算 / 2026-10 价格
IN_TOK   = 504_861_270      # 月输入 token（含缓存）
OUT_TOK  =   6_000_000      # 月输出 token
CACHE_HIT = 0.90            # 缓存命中率

P = {  # 空闲时段单价（元/百万 token）
    "cache": 0.02,
    "miss":  1.00,
    "out":   4.00,
}

cached = IN_TOK * CACHE_HIT
missed = IN_TOK * (1 - CACHE_HIT)

cost = (cached / 1e6 * P["cache"]
        + missed / 1e6 * P["miss"]
        + OUT_TOK / 1e6 * P["out"])

print(f"缓存命中输入 {cached/1e6:,.1f}M  -> ¥{cached/1e6*P['cache']:,.2f}")
print(f"未命中输入   {missed/1e6:,.1f}M  -> ¥{missed/1e6*P['miss']:,.2f}")
print(f"输出         {OUT_TOK/1e6:,.1f}M  -> ¥{OUT_TOK/1e6*P['out']:,.2f}")
print(f"合计 ¥{cost:,.2f} / 月")

# 高峰时段：把 P 里三个数各乘 2 即可

三、搜索 API：5 元/千次，可能是这轮更新里最贵的东西

3.1 官方给了什么

DeepSeek 把内部搜索引擎拆成 Search 和 Fetch 两个接口对外开放。官方描述：

AI 原生的通用搜索引擎，索引全球千亿级网页，支持多语言
每天稳定处理数亿次搜索请求（也就是这套引擎本来就是自家网页端和 API 在用的那套）
针对 SEO 作弊、GEO 操纵、低质 AIGC 有专门识别机制过滤

定价：每个接口 5 元/千次（The Decoder 给的美元口径是 $0.75 / 1,000 次 / 每接口），当前未计费。

⚠️ 两个日期的口径其实不矛盾，我一开始以为是打架的：
DeepSeek 说「北京时间 2026-11-01 00:00 起按次收费」，The Decoder 说「免费到 2026-10-31 UTC 16:00」。
10-31 16:00 UTC = 11-01 00:00 北京时间，是同一个时刻。
另外，经 DeepSeek Harness、Claude Code、Codex 的服务端工具调用，免费期同样到 10-31。

3.2 换算成「每次多少钱」，问题就出来了

5 元 / 1,000 次 = ¥0.005 / 次，半厘钱。听起来可以忽略。

但 agent 的搜索不是「查一次」，是「一个任务查十几次」。按不同调用量算月账单（单接口）：

搜索调用量	日成本	月成本	对比：模型月费 ¥83.58
100 次/日	¥0.50	¥15	模型的 18%
300 次/日	¥1.50	¥45	54%
557 次/日	¥2.79	¥83.58	打平（成本交叉点）
1,000 次/日	¥5.00	¥150	1.8 倍
2,000 次/日	¥10.00	¥300	3.6 倍
5,000 次/日	¥25.00	¥750	9 倍

交叉点在 557 次/日。 也就是说：只要你的 agent 每天搜超过 557 次，搜索费就比模型费还贵。

而 557 次/日是什么概念？按一个任务平均查 15 次算，大约 37 个任务/天。对任何一个真在跑 agent 的人来说，这个量级一点都不高。

再叠加两件事，成本会更快失控：

Search 和 Fetch 是分开计费的。 搜到结果再抓正文，一次「搜索 + 抓取」就是 2 次调用。上表所有数字要乘 2，交叉点降到 278 次/日。
重试和翻页也算次。 agent 常见的「换关键词再搜一遍」，每一次都是钱。

3.3 那到底该不该用

我的判断是分三种情况：

场景	建议	理由
个人每天几十次检索	用，成本可忽略	每月几块钱，省掉自己维护爬虫和对搜索引擎对接的活
agent 生产负载（日均千次以上）	先算再上，别默认开	搜索费可能超过模型费 2–4 倍，要单独做预算科目
高频 RAG 检索	自建索引更划算	固定语料反复查，本地向量库的边际成本接近零

还有一个务实的做法：免费期到 10-31，先用两周把真实调用量测出来。 现在计费未开，日志里能看到准确次数——这比任何估算都可靠。等 11-01 开始计费时，你已经知道自己一个月要花多少钱了。

四、权重与许可：MIT，但有一处口径打架

IT之家：权重已在 HuggingFace 和 ModelScope 开放下载，延续 V4.1 Flash 的 MIT 许可，并给出了两个仓库地址。
The Decoder：同样确认「在 Hugging Face 和 ModelScope 上以开源形式发布权重」，并提到「延续 DeepSeek 的 MIT 传统」。
⚠️ MarkTechPost：称 1017 的权重与硬件要求未披露。

三家说法里两家给了具体仓库位置、一家说没披露。我倾向前者成立（两家独立信源 + 具体 URL 比一句否定更有信息量），但我没有逐个打开仓库页面核对文件列表，所以这里只作为「大概率已开放」记录。

IT之家给出的地址（未逐个验证）：
huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
modelscope.cn/models/deepseek-ai/DeepSeek-V4.1-Flash-1017

但 MIT 开源不等于你能自己跑。 552B 总参，即便激活只有 8B/16B，权重体积和加载开销也不是消费级硬件的事。对个人来说，MIT 的真实价值在于微调、蒸馏、量化剪枝，以及「不怕厂商跑路」的确定性——不是「我能本地部署」。

五、谁该升级，谁可以等

你的情况	建议	原因
用 DeepSeek 官方 API	直接升，零成本	接口名 `deepseek-flash` 不变、价格不变，不用改一行代码
用 DeepSeek Harness	先升框架到 0.2.1-rc.1+	官方明确说新版针对 Harness 做了适配优化，旧框架拿不到完整收益
用 WorkBuddy	国际版已支持，10-31 前免费	官方同步公告：Intl 版限免至 10 月 31 日，国内版无限免
用腾讯 CodeBuddy	等其他公告	官方点名做了优化，但没给具体版本要求
跑 agent 长任务	优先升	KV 缓存降到 1/4 + 输出更短 + 轮次更少，三项收益叠加
只做短问答 / 翻译	可以等	Token 结构里输出占比高但总量小，省的钱是零头
需要结果可复现	自己 pin 版本	⚠️ `deepseek-flash` 永远指向最新，行为会随时间漂移

最后一条值得单独说。 官方这次的做法是「同名替换」——好处是零迁移成本，代价是你的线上行为会在某个下午悄悄变化。做评测、做回归、做对结果一致性有要求的场景，必须在应用层自己记录当时的模型快照名（DeepSeek-V4.1-Flash-1017），否则三个月后你无法解释某次效果波动是 prompt 改的还是模型换的。

六、四个 ⚠️ 防追问要点

写这篇之前我把矛盾点都过了一遍，以下四条如果被追问，答案在这里：

基准全是自家评测。 The Decoder 明确写了「独立基准测试尚未出炉」，Thomas Wolf 也说「好奇这些数字在自家评测环境之外能不能站住」。任何人拿这张表当客观排名都是过度解读。
不同 harness 的分不能互比。 Terminal-Bench 4.0 用 Claude Code、DeepSWE 用 Mini-SWE-V2。同一模型换 harness，分数可能差十几个点。
「1/83 成本」不是官方数字。 是 Yuchen Jin 的个人表述，对比对象是 Opus 5，未说明是否同任务同 harness。官方只说「帕累托改进」，没给倍数。
上下文标注不一致。 AIHOT 综述写 OpenRouter 标 1.05M，OpenRouter 自己的模型卡写 1.0M，DeepSeek 官方 API 一直是 1M。以 1M 为准，1.05M 大概率是路由层统计口径差异。

还有一个外部变量值得记一笔：The Decoder 在同一篇报道里提到，中国正计划收紧开放权重模型的发布规则，判定标准之一是「是否跻身能力最强的前十」。如果落地，这类 MIT 开源发布未来可能不再是默认选项。这一轮拿到的权重，可能比看上去更值钱。

数据来源

来源	用途	时间
DeepSeek API 更新日志（经 AIHOT 条目页全文转录）	11 项基准分数、帕累托改进表述、Harness 0.2.1-rc.1 要求	2026-10-17
DeepSeek 官方公告《开放自研搜索 API》	索引规模、过滤机制、Search/Fetch 说明	2026-10-17
IT之家	RLSF 训练方法、许愿式编程、MIT 权重与仓库地址	2026-10-17
The Decoder：AI News	竞品对照、每任务成本、$0.75/千次、免费期 UTC 16:00、独立基准未出	2026-10-17 ~ 10-18
OpenRouter 模型卡（经 HN 讨论转述）	CED 架构、552B/8B/16B、原生视觉、KV 缓存 1/4、1.0M 上下文、150 tok/s	2026-10-17
Thomas Wolf（Hugging Face）	Terminal-Bench 31.2→42.3、DeepSWE 竞品分（Opus 5 74.0 / GPT-5.6 Sol 73.0）	2026-10-17
Yuchen Jin（Databricks）	「1/83 成本达 Opus 5 级」个人表述	2026-10-18
Nathan Lambert	内置视觉或强于 GLM 5.3 的判断	2026-10-17
WorkBuddy 官方（Tencent WorkBuddy）	国际版限免至 10-31、国内版无限免	2026-10-17
本人实测用量记录	单日 17,028,709 token 的 token 结构基线	2026-10-15
DeepSeek 官方定价页	空闲/高峰三档单价（本次未调整）	2026-10-08 核验

免责声明

所有基准分数均为厂商自评，独立第三方评测尚未发布。厂商自评与真实使用体验常有差距，尤其代码质量这类无法用基准衡量的维度。
本文的成本测算基于单一用量样本（单日 17,028,709 token，输出占比 1.17%，缓存命中率假设 90%，全部错峰）。你的实际账单会因 token 结构、峰谷分布、缓存命中率出现数倍差异。先量自己的结构，再套结论。
「省 8.6% / 14.2% / 22.9%」三个数字是情景假设，不是官方承诺。 官方只说「缩短任务运行时间与输出长度」，没有量化比例。这三个数是我按 30% 输出降幅、20% 轮次降幅推的，用来展示敏感度，不是预测。
搜索 API 的 5 元/千次为官方刊例价，2026-11-01 00:00 起生效。 计费粒度（是否按接口分别计、失败调用是否计费、翻页是否算一次）官方文档未在 AIHOT 收录内容中说明，上线前请以官方文档为准。
权重是否已开放存在信源冲突（IT之家 / The Decoder 说已开 MIT，MarkTechPost 说未披露）。本文倾向前者，但未亲自核验仓库文件列表。
上下文长度标注有 1M 与 1.05M 两种口径，本文以官方 API 的 1M 为准。
deepseek-flash 是滚动指针，不是固定版本。 需要可复现结果的场景请自行记录快照名，本文不构成稳定性保证。
本人立场：坚持国产替代与数据自主可控，DeepSeek 官方通道为日常主力；本文不构成采购或迁移建议。

生成时间：2026-10-18
数据时间窗：2026-10-16 ~ 2026-10-18 的公开报道与官方更新日志

posted on 2026-10-18 21:15 fox_charon 阅读(30) 评论(0) 收藏举报

刷新页面返回顶部