DeepSeek“小更新”实测：许愿式编程能力大涨

DeepSeek将DeepSeek-V4.1-Flash更新为DeepSeek-V4.1-Flash-1017，看似只是加后缀的小迭代，实际能力提升明显。官方评测中，1017版本在终端操作和软件逆向上改进显著：Terminal-Bench 4.0从31.2分升至42.3分，ProgramBench从20.3分升至29.1分。与GPT-5.6 Sol相比，1017在9项测试中领先，终端操作和软件逆向实现反超；与Claude Opus 5相比，在DeepSWE、Automation-Bench、Agents’ Last Exam和Apex Bench四项测试中领先。同时成本下降，单个DeepSWE评测任务平均开销从约0.49美元降至约0.20美元，降幅约六成。

此次更新重点在从零开发完整项目。官方展示了故宫3D建模、网页赛车、用Godot复刻的《传送门2》和文明演化场景Valley of Ages，称仅用少量提示词与参考素材、交互轮次很短。实测中，3D网页任务可将剪纸变成海边小镇，保留纸张厚度、折线与投影，滚动时建筑依次立起，黄昏时天空、海面和窗灯联动变化；科普视频任务可一键生成有声3D网页，《地球：从炽热岩球到蓝色星球》约两分半、分13个章节，画面与解说配合，《一粒盐的诞生》约两分钟，呈现海南洋浦盐田制盐过程，两次尺度切换较合适；莫比乌斯巴士项目把莫比乌斯环空间特征做进驾驶体验，绕一圈上下颠倒、再绕一圈恢复，已有小型太空驾驶游戏雏形。画面仍有简化模型感，但稍加打磨可替代短视频。

版本号未升至V4.2，因1017沿用初版架构，主干参数仍为552B，输入激活8B、输出激活16B不变。改进来自后训练和任务执行效率：官方将游戏开发、3D建模等完整项目开发能力提升归因于基于自反馈的强化学习，具体方法未公布；另一改动是缩短任务运行时间和输出长度，API单价不变但完成一次任务开销降低，对Agent尤其有用。此外，DeepSeek将自研搜索引擎拆成Search和Fetch两个公共接口，分别按每千次成功请求5元人民币计费，失败、无结果或超时不计费。整体思路是底座不动，重点放在后训练和任务执行效率上。