DeepSeek 1017实测：11项全涨，成本降91%能直交项目

DeepSeek 在 10 月 17 日推送的 1017 版本，官方给出了 11 项能力全部上涨的成绩单，平均提升 5.2 分，同时在成本端把价格打到原来的十分之一左右。更关键的变化在于项目交付能力——从少量提示直接生成完整可运行项目，这让它从「辅助写代码」向「能直接交活」迈了一步。本文结合官方评测数据与创作者实测，拆解这次升级的真实含金量。

11项全涨，终端与编程是最大赢家

官方横评显示，1017 版本在全部 11 项基准上均有提升，平均涨幅 5.2 分。其中终端任务提升 11.1 分，编程能力提升 8.8 分，是涨幅最明显的两项。

这个分布值得注意：终端任务和编程恰好是智能体（Agent）落地时最吃重的环节——前者考验模型在多步命令执行中的稳定性，后者决定生成代码能否直接跑通。两项同时大涨，说明这次升级不是单点调优，而是围绕「可执行性」做的系统性增强。

对比同表竞品，1017 对 Opus 5 取得四项领先。GPT、Kimi、GLM 也出现在同一张对比表中，官方选择把它们放在一起横评，本身就说明对这次成绩有底气。不过横评由官方主导，具体测试集构成和评分细节未完全公开，读者对「四项第一」的结论宜保持审慎，等第三方复现后再下最终判断。

从提示到完整项目：四个演示项目的意义

官方演示里，1017 从少量提示直接做出了网页赛车、传送门、故宫三维和历史场景四个完整项目。同样的任务在五项测试中全部通过，执行速度快 1.3 到 14 倍。

「少量提示生成完整项目」和「补全一段代码」是两种量级的能力。前者要求模型自己完成需求拆解、文件组织、依赖管理和调试闭环，任何一环掉链子都交不出能跑的东西。网页赛车这类项目涉及物理模拟与交互逻辑，三维场景涉及渲染管线，都属于容错空间小的任务。

速度 1.3 到 14 倍的跨度较大，推测与任务复杂度相关：简单任务提升有限，复杂多步任务因为减少了来回试错，加速比更明显。这对实际开发的意义在于，长链路任务的等待成本被显著压缩。

智能体（Agent）能力是理解这次升级的关键背景。智能体指模型不再只是被动响应单次提示，而是能够自主规划步骤、调用工具、执行多轮操作并检查结果，直至完成目标。终端任务正是智能体的典型试炼场：模型需要理解 shell 命令的语义、根据输出判断下一步动作、在出错时自我纠正。这类任务对长链路稳定性要求极高，任何一步的误判都可能导致后续全盘失败。1017 在终端任务上提升 11.1 分，意味着它在多步命令执行中的容错与自我修复能力有实质增强，这也是「从提示直接生成完整项目」能够成立的技术底座——生成项目本质上就是一场需要拆解、执行、调试闭环的长链路智能体任务。

成本降76%到91%，4.6亿Token约24元

成本侧的变化同样激进。官方数据显示成本降低 76% 到 91%，一位创作者用它连续完成建模、乐高和短片三类任务，累计消耗 4.6 亿 Token，成本约 24 元。

把这两个数字放一起看：4.6 亿 Token 对应 24 元，意味着单位 Token 成本被压到极低水平。过去「让模型反复试错直到跑通」是一种奢侈用法，现在这种迭代式开发在经济上变得可行。成本下降和项目能力提升叠加，实际改变的是工作流——开发者可以更放心地把完整模块交给模型反复打磨，而不是只让它写零散函数。

需要提醒的是，76% 到 91% 的降幅区间较宽，具体到不同任务类型和调用方式，实际节省比例会有差异，不能直接按上限估算预算。

规格没缩水：552B参数、100万上下文、MIT开源

能力上涨的同时，基础规格保持不变：552B 参数、100 万上下文、支持图像输入，并维持 MIT 开源许可。

这几点各有分量。100 万上下文让整个中型项目的代码库可以一次性装进上下文，模型不必依赖碎片化检索就能理解全局结构，这正是「直接交项目」的前提之一。图像输入则让模型能读取设计稿、界面截图甚至报错截图，减少描述成本。MIT 许可对商业团队尤其友好，集成和二次分发的法律障碍最小。

参数规模没有膨胀而能力提升，说明增益主要来自训练方法和数据质量，而非堆算力。这对推理成本的控制也是利好。

上下文窗口指模型单次推理能够同时容纳的 Token 总量，它直接决定了模型「一次能看多少东西」。100 万 Token 的上下文大致相当于数十万汉字或一个中型代码仓库的规模。传统开发流程中，模型只能看到被检索或粘贴进来的代码片段，难以把握模块间的调用关系与全局架构；而百万级上下文允许把整个项目一次性装入，模型可以在完整视野下做依赖分析和一致性修改。不过上下文长度与实际有效利用能力并不完全等同，长上下文中的「中间遗忘」现象仍可能存在，因此这一规格是必要前提，但能否真正吃透全局，还要看模型的长程注意力质量。

MIT 开源许可是一种极为宽松的软件许可证，允许使用者自由使用、修改、合并、发布和再分发代码，包括用于商业闭源产品，主要义务是保留版权声明与许可声明。对商业团队而言，这意味着把模型集成进内部工具或对外产品时，法律审查负担最小，也不必担心 copyleft 式的传染性开源义务。不过「模型权重开源」与「训练数据、训练方法开源」是不同层面的事，MIT 许可覆盖的是代码与权重分发，商用前仍应结合具体发布条款确认使用边界。

上手建议与需要验证的地方

对开发者而言，1017 最值得试的场景是端到端小项目：给一个明确需求，看它能否独立完成从脚手架到可运行的全过程。终端任务 11.1 分的涨幅意味着智能体式的多步操作更可靠，适合拿来跑自动化脚本和构建流程。

同时有几处需要独立验证：官方横评的具体测试集、1.3 到 14 倍加速比的分布、以及 4.6 亿 Token 案例的完整任务复杂度。官方数据通常取有利条件，真实体验会有折扣，但即便打上折扣，这次的提升幅度和成本降幅仍属可观。

从「能写代码」到「能交项目」，中间隔的是长链路稳定性和试错成本。1017 在这两点上同时给出了改善，值得亲手跑一遍再下结论。