DeepSeek V4.1-Flash-1017 多榜登顶开源第一，跑分口径引争议

DeepSeek 于 10 月 17 日发布 V4.1-Flash-1017，官方定位为「小更新」，价格不变、权重按 MIT 协议公开，但多方实测显示变化不小：模型在多个第三方与 Arena 类榜单登顶开源模型第一，同时成为 DeepSeek 旗下幻觉最低的版本；不过其跑分口径与部分能力取舍也引发争议。

已确认

• Prompt Engineering 实测发现该版本思考 token 减少最高 45%，官方基准表全线上涨，并登上 Arena WebDev 排行榜开源模型第一。
• 智东西报道，DeepSeek-V4.1-Flash-1017（Max）在 CodeArena:WebDev 榜单以 1670 分登顶开源模型第一，超过 Kimi K3（Max），也超过 Claude Opus 5、Grok 4.7 等闭源模型，成本约为 Kimi K3 的 1/10。
• 评测机构 Vals AI 的 Vals Index 显示，该模型（10/17 版）以 56.58% 准确率登顶开源权重模型榜首，单任务成本仅 $0.64，延迟 36 分 33 秒。
• elliotarledge 实测其在 KernelBench-CUDA 上表现：模型手写的 4 个 CUDA 内核全部在 RTX Pro 6000 上编译通过，并在解码榜登顶。
• teortaxesTex 评估确认其为 DeepSeek 2026 年幻觉最少的版本；此前其预测该模型在 Artificial Analysis 智能指数上排 45-46 名，实际结果有意外之处。
• 开发者 Ibragim Badertdinov 用 10 项真实工作任务对比测试（各模型在 Pi 工具中各跑三遍），该模型通过全部 10 项编程任务，单任务成本约为 Claude Opus 的四成。
• 据 DigiDecode 转述的用户对比，Terminal-Bench 4.0 成绩存在明显分歧：模型卡报告 42.3%，Artificial Analysis 报告约 34%，Vals Index 报告仅 31.82%，相差超过 10 分。

尚未确认

• 针对 Terminal-Bench 分差，teortaxesTex 表示确信 42.3 分是真实成绩、高于 GLM-5.3，但指出该成绩依赖 DeepSeek 自家 harness，并呼吁 Artificial Analysis 核查测试方式；各家口径差异尚无定论。
• teortaxesTex 对该模型在 Artificial Analysis 榜单上的成本核算方式提出质疑，认为其宣称的成本优势存在口径问题。
• teortaxesTex 指出该版本知识与长文能力出现倒退，被 Sol 帕累托压制，属于能力取舍而非全面进步。
• 针对 Artificial Analysis CritPt 物理推理榜，DeepSeek 1017（max）以 24% 位列第七，是排名最靠前的 DeepSeek 模型，超过 Kimi k3、GLM-5 Preview 等，但 teortaxesTex 转述评论称该成绩平平且成本优势存疑。

为什么重要

该版本以极低单价在编程、Agent 任务、CUDA 内核编写等多个维度同时登顶开源榜，并大幅降低思考 token 消耗，对开源模型性价比格局形成冲击。但同一模型在 Terminal-Bench 4.0 上出现模型卡 42.3% 与第三方 31.82%-34% 的显著分差，凸显 harness 与评测口径对榜单结论的影响；叠加知识、长文与物理推理等能力的取舍，提示「榜单登顶」与「综合能力」并不等同。

2026-10-19 ~ 2026-10-20 · 12 条相关

事件全程(共 4 集)→

• 第 1 集:vLLM 三周优化让 DeepSeek-V4.1-Flash 吞吐最高提升 5.3 倍(2026-10-08,3 条)
• 第 2 集:vLLM 三周将 DeepSeek-V4.1-Flash 吞吐提升 5.3 倍(2026-10-17,2 条)
• 第 3 集:实测 DeepSeek V4.1 Flash 当 Agent：开局高能后陷入死磕(2026-10-18,2 条)
• 第 4 集:DeepSeek V4.1-Flash-1017 多榜登顶开源第一，跑分口径引争议(2026-10-19,12 条)

• DeepSeek V4.1-Flash-1017 成旗下幻觉最低模型，但知识与长文能力倒退 — teortaxesTex · 2026-10-19
• DeepSeek V4.1-Flash-1017 成 2026 幻觉最少版本，却被 Sol 帕累托压制 — teortaxesTex · 2026-10-19
• DeepSeek 1017 物理推理居开源前列,评论称成绩平平且成本优势存疑 — teortaxesTex · 2026-10-19
• 【源头】第三方测试揭底：DeepSeek-V4.1-Flash 跑分比官方低逾 10 分 — DigiDecode_ · 2026-10-19
• DeepSeek V4.1 Flash 登顶 Vals Index 开源模型榜,单任务仅 $0.64 — scaling01 · 2026-10-19
• DeepSeek V4.1 Flash 1017 被曝 Terminal-Bench 4.0 得 42.3 分,超 GLM-5.3 但依赖自家 harness — teortaxesTex · 2026-10-19
• 【源头】DeepSeek-V4.1-Flash 登顶 CodeArena 开源榜，成本约为 Kimi K3 的 1/10 — 智东西 · 2026-10-19
• DeepSeek V4.1-Flash 实测:10项编程任务全过,单任务成本仅为Opus四成 — 创业邦 · 2026-10-19
• 【源头】DeepSeek V4.1 Flash 1017 实测:思考 token 减少最高 45%,登顶 Arena WebDev — Prompt Engineering · 2026-10-19
• DeepSeek V4.1 Flash 携手写 CUDA 内核登顶 KernelBench 解码榜 — scaling01 · 2026-10-19
• DeepSeek V4.1 Flash 1017 发布：智能指数升至 45,并列开源第二 — ArtificialAnlys · 2026-10-20
• DeepSeek V4.1 Flash 1017 评测：智能指数 45 列第 2，225 tokens/秒 — ArtificialAnlys · 2026-10-20