要点速览
- DeepSeek-V4.1-Flash-1017 是对 2026 年 9 月 10 日发布的 DeepSeek-V4.1-Flash 的更新。架构和 API 名称不变，分数更高，回答更短。
- 在 DeepSeek 自己的测试中，提升最大的是智能体编程：Terminal-Bench 4.0 从 31.2 升至 42.3，DeepSWE v1.1 达到 77.0。
- 它是混合专家（MoE）模型，总参数 5,520 亿，每生成一个 token 有 160 亿参数参与计算，上下文最长 100 万 token。权重以 MIT 许可证免费提供。
- 完整权重约 510 GB。在 Mac 上需要 256 至 512 GB 内存的 Mac Studio，或在 128 GB 的机型上从 SSD 流式读取。
1DeepSeek V4.1 Flash 1017 是什么
DeepSeek-V4.1-Flash 是 DeepSeek V4.1 系列中最小的模型，内置图像理解能力。它于 2026 年 9 月 10 日上线 DeepSeek API；10 月 17 日，DeepSeek 用 DeepSeek-V4.1-Flash-1017 替换了它，并称之为一次小更新（DeepSeek API 更新日志）。
这次更新提升了推理、编程、智能体和视觉基准测试的成绩，模型完成任务时输出更短、用时更少。DeepSeek 针对自家的 DeepSeek Harness 以及腾讯 CodeBuddy 和 WorkBuddy 做了调优，并建议使用 DeepSeek Harness 0.2.1-rc.1 或更高版本（Hugging Face）。
这个名字沿用了 DeepSeek 以日期命名更新的习惯：1017 就是月和日，即 10 月 17 日。
2跑分：1017 对比 V4.1 Flash 及其他模型
| 基准测试 | V4.1 Flash 1017 | V4.1 Flash | Opus 5 | GPT-5.6 Sol | Kimi K3 | GLM-5.3 |
|---|---|---|---|---|---|---|
| HLE（不使用工具） | 42.6 | 36.8 | 56.3 | 44.5 | 43.5 | 42.0 |
| Terminal-Bench 4.0 | 42.3 | 31.2 | 51.8 | 39.9 | 12.6 | 37.9 |
| DeepSWE v1.1 | 77.0 | 74.2 | 74.0 | 73.0 | 67.5 | 66.9 |
| ProgramBench | 29.1 | 20.3 | 37.0 | 23.0 | 17.5 | 19.0 |
| NL2Repo-Bench | 68.2 | 65.4 | 75.3 | 56.8 | 58.0 | 58.0 |
| Agents' Last Exam | 35.4 | 31.8 | 28.6 | 26.7 | 27.6 | 28.5 |
| Apex Bench v1.1 | 72.1 | 64.6 | 65.8 | 54.3 | 47.8 | 56.6 |
按这些数字，1017 在 DeepSWE、Agents' Last Exam 和 Apex Bench 上领先表中所有模型；在不使用工具的推理、终端任务和构建完整程序方面则落后于 Opus 5。它在图表和图像测试上也有提升，例如 Chartography（从 78.9 升至 83.0）和 BabyVision（从 89.6 升至 92.5）。
每个任务的成本也降低了。据 The Decoder 报道的 DeepSeek 图表，在最高设置下，一个 DeepSWE 任务的成本略低于 0.20 美元，上一版本约为 0.50 美元。
3参数、上下文与大小
| DeepSeek-V4.1-Flash-1017 | |
|---|---|
| 总参数 | 5,520 亿（混合专家） |
| 每个 token 激活参数 | 读取提示词时 80 亿，生成时 160 亿 |
| 专家 | 384 个路由专家和 1 个共享专家，每个 token 使用 6 个 |
| 上下文 | 最长 1,048,576 个 token |
| 每个上下文 token 占用内存 | 约 890 字节，是 V4 Flash 的四分之一 |
| 权重 | FP8，专家为 FP4；约 510 GB |
| 输入 | 文本和图像 |
| 许可证 | MIT |
下载内容中约 189 GiB 是两张 Engram 表：一块由模型查表读取、而不是计算得出的大型记忆，每个 token 只读几行。DwarfStar 等运行时把它们留在 SSD 上，只读取需要的行，所以模型运行所需的内存远小于下载大小（antirez 在 Hugging Face 上的说明）。
4API 名称与价格
在 DeepSeek 的 API 中，该模型名为 deepseek-flash，现已指向 1017；旧名称 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 目前也会路由到它。DeepSeek 表示，1017 的调用方式和价格均保持不变（DeepSeek）。
| 提供商 | 输入，每百万 token | 输出，每百万 token |
|---|---|---|
| DeepSeek | $0.15 | $0.60 |
| Cloudflare | $0.10 | $0.60 |
| DeepInfra | $0.098 | $0.294 |
| Together、Fireworks、Baseten | $0.30 | $1.20 |
DeepSeek 建议 temperature 设为 1.0、top_p 设为 1.0，并为长回答留足空间（max_tokens 至少 256K）。权重未附带 Jinja 聊天模板：提示词需用模型仓库中的编码代码构建。
5能在自己的 Mac 上运行吗？
能，但只限最大的 Mac。512 GB 内存的 Mac Studio（M3 Ultra 或 M5 Ultra）能完整装下 4-bit 版本；256 GB 足以运行 2-bit 版本，Engram 表留在 SSD 上；128 GB 的 Mac 可以从 SSD 流式读取，但很慢。首个公开的运行结果来自一台 512 GB 的 M3 Ultra，每秒生成约 6.5 个 token。
该下载哪个版本、具体命令和速度，见我们的分步指南：在 Mac 上运行 DeepSeek V4.1 Flash。
其他 Mac 用 API 即可，每百万 token 只需几美分；较小的开源模型也能在本地流畅运行：见本地跑大模型的最佳 Mac。
6让大内存 Mac 的闲置时间派上用场
为运行这类模型买来的 Mac Studio，一天中大部分时间都在等待。MLX Node 把这些空闲时间借给 MLX Network，这个网络用 Apple 的 MLX 框架在 Mac 上运行 AI 任务，并为通过验证的工作支付 MLX 代币：免费席位每天最多 1 MLX，运行在 Ultra Mac 上的 Ultra 专属席位最多 320 MLX。挖得的 MLX 锁定 30 天，有专属席位则更短；请阅读风险提示。
7常见问题
- DeepSeek V4.1 Flash 1017 是什么？
- 它是 DeepSeek-V4.1-Flash 在 2026 年 10 月 17 日推出的更新版，DeepSeek-V4.1-Flash 是 DeepSeek 的开放权重混合专家模型。1017 保留了架构和 API 名称，在推理、编程、智能体和图像基准测试上得分更高。
- V4.1 Flash 和 1017 有什么区别？
- 模型大小和 API 相同，训练更新。在 DeepSeek 的测试中，1017 在 Terminal-Bench 4.0 上得分 42.3（原为 31.2），在 DeepSWE v1.1 上得分 77.0（原为 74.2）；它的回答更短，所以任务成本更低。
- DeepSeek V4.1 Flash 有多少参数？
- 总共 5,520 亿。读取提示词时每个 token 激活 80 亿参数，生成时激活 160 亿，另有两张可以留在磁盘上的大型 Engram 查找表。
- DeepSeek V4.1 Flash 1017 免费吗？
- 权重可依据 MIT 许可证免费下载和使用。通过 DeepSeek 的 API 使用则要付费：按 OpenRouter 上的列价，每百万输入 token 0.15 美元，每百万输出 token 0.60 美元。
- 可以本地部署 DeepSeek V4.1 Flash 1017 吗？
- 可以，但需要大量内存。在 Mac 上，512 GB 的 Mac Studio 能运行 4-bit 版本，256 GB 能运行 2-bit 版本（Engram 表放在 SSD 上）。内存更小的 Mac 更适合用 API 或较小的模型。
来源
- DeepSeek API 更新日志api-docs.deepseek.com
- Hugging Facehuggingface.co
- The Decoderthe-decoder.com
- V4.1 Flashhuggingface.co
- antirez 在 Hugging Face 上的说明huggingface.co
- OpenRouteropenrouter.ai