DeepSeek V4.1 Flash 1017实测：编码能力升级，排名跃居第三

DeepSeek V4.1 Flash 的 1017 版本发布后，B站 UP 主通过一场“模型战争”游戏进行了实际对抗测试。测试结果显示，该版本在灵土争夺类游戏中的整体排名从第五名上升至第三名，编码能力较前代有所增强，但与宣传中对标 OBOS 5.5 和 6.6 的水平仍存在差距。

版本升级与测试方法

据 UP 主介绍，此前测试长城编码能力的 DeepSeek^广告 V4.1 版本已可升级，但数据集似乎受到一定污染。团队使用自建的 Benchmark 进行跑分，确认能力确实增强，不过距离 6.1SW 和 OBOS 5.5 仍有差距。

在游戏对战中，1017 版本的策略出现明显变化：开局倾向于在家囤兵。这种策略有利有弊——当其他两方交战时，囤兵可以形成“游牧之力”的后发优势；但若对手快速占点，囤兵方可能错失战机。

Benchmark 与数据污染

Benchmark（基准测试）是衡量 AI 模型能力的标准化评测集，通常由一组固定任务和评分规则组成，用于横向比较不同模型。文中提到的“数据集污染”指模型在训练阶段意外接触到了评测集内容，导致跑分虚高、无法反映真实泛化能力。这也是团队改用自建 Benchmark 的原因——自建集可控性更强，能降低被污染的概率，但样本量和代表性有限，结论需谨慎看待。

关键对局分析：DeepSeek 如何战胜 OBOS 5.5

一局 DeepSeek V4.1 Flash 对阵 OBOS 5.5 的比赛中，DeepSeek 最终获胜。UP 主分析认为，胜利的关键在于地图位置：DeepSeek 紧邻的 JRM 5.3SW 实力较弱，而 OBOS 5.5 左右两侧都是较强模型，陷入腹背受敌的困境。

具体过程是：DeepSeek 先囤兵，JRM 5.3SW 占领几个点，OBOS 5.5 一度占据优势。但关键转折点在于一次 2 打 1——DeepSeek 配合黑酷 5.5 干掉了 OBOS 的前锋部队。随后黑酷 5.5 牵制 OBOS 5.5，DeepSeek 趁机击败 JRM 5.3SW，再反过来吃掉黑酷 5.5，最终拿下 OBOS 5.5。

UP 主坦言，DeepSeek 赢 OBOS 5.5 的概率其实较低，这一局有地图和对手配合的偶然因素。从数据看，OBOS 5.5 的兵力曲线前期领先，但 DeepSeek 在中后期实现反超。

“2 打 1”与多智能体博弈

这类“模型战争”游戏本质是多智能体博弈：每个模型独立决策，彼此既有竞争也可能临时结盟。“2 打 1”指两方在局部战场同时针对第三方形成兵力优势，是一种典型的合纵连横策略。由于模型无法预知对手的结盟意图，胜负往往取决于地图初始位置与对手强度分布，这正是 UP 主强调该局存在偶然性的原因——单局结果不能直接等同于模型综合能力排名。

策略差异：囤兵 vs 快速占点

另一局对阵 GPT 6.1SW 和 MIMO V2.6 Pro 的比赛中，DeepSeek 依然开局囤兵。OBOS 5.5 则快速占点，经济直接兑换成兵力。UP 主指出，如果 OBOS 5.5 的邻敌没有一开始就与其交战，其占点速度会带来巨大优势。

总体来看，OBOS 5.5 在策略上更强一些，经济转化兵力的效率更高。但 1017 版本的 DeepSeek 通过囤兵策略在某些局势下能获得后发优势，尽管这种策略并非万能。

经济转化效率与囤兵的取舍

“快速占点、经济直接兑换成兵力”属于资源即时转化策略，优势在于滚雪球效应强，前期占点越多、经济领先越大；劣势是兵力分散、容易被集中打击。“开局囤兵”则是延迟满足策略，牺牲前期地图控制权换取中后期一波爆发的兵力优势。两种策略的强弱高度依赖对手行为：若无外部干扰，快速占点方收益更高；若邻居开局就交战，囤兵方反而能坐收渔利。这解释了为何 OBOS 5.5 策略更优，却仍可能在特定局势下被 DeepSeek 翻盘。

实际体验与使用建议

尽管媒体宣传可能夸大其词，UP 主仍建议使用 1017 版本。实际体验表明编码能力确有提升，作为一个 Flash 后续链版本，其参数并未调整，但能力已经超过 MIMO V2.6 Pro。在许多场景下，用户可以直接选择 V4.1 Flash 1017 版本，UP 主甚至称其为“目前主流模型的唯一选择”。

不过，与 OBOS 5.5 和 6.6 相比，差距依然存在。对于追求极致编码能力的用户，仍需根据具体任务权衡。