DeepSeek新版本实测：价格不变成本暴降60%

DeepSeek v4.1 Flash 1017 发布后，海外技术博主拆解了这份"minor update"，发现了一个被多数报道忽略的细节：架构没变、价格没变，但完成同一个DeepSWE任务的成本降了约2.5倍。省下来的钱从哪来？答案藏在后训练策略和Token经济学里。

版本命名与产品定位：日期即版本号

1017只是一个日期——10月17日。DeepSeek^广告的迭代节奏相当清晰：先发布新架构，随后几个月用新的后训练持续打磨同一架构。4月发布v4 Flash预览，7月底推出v4 Flash 0731（同架构同尺寸，训练更充分），9月v4.1 Flash带来因果编码器-解码器和NGRAD记忆机制，五周后1017作为同一模型的"更锐利、更高效"版本出现。

DeepSeek称其为"minor update that delivers substantial improvements"。听着像公关话术，但博主认为这是对该版本最准确的描述。权重仍在Hugging Face以MIT许可发布，48个文件共约510GB，与之前一致。API侧如果一直在调用DeepSeek Flash，已经自动切到1017，旧模型名被退休并静默路由到1017。上下文窗口100万Token，最大输出384,000 Token，视觉实验模型已并入，图片和代码走同一个模型。

11项基准全胜，但4个细节需要打折扣

DeepSeek公布了11项基准，1017全部超越前代：Tools从36.8升至42.6，DeepSWE从74.2升至77.0，ProgramBench从20.3跃至29.1，最大单项涨幅是TerminalBench 4.0的31.2到42.3，整整11个点。

不过博主提醒有四个细节值得注意。第一，测试框架不同：1017的TerminalBench在ClaudeCode框架内运行，9月基线却在DeepSeek框架内，而同一模型在不同框架下DeepSWE曾出现65.5与74.2的近9分差距，所以最大涨幅也带着最大的星号。第二，Artificial Analysis自行测试旧版Flash的TerminalBench只得到26.8%，而非31.2%，基线可能更低。第三，竞品对比用的是Opus 5和GPT 5.6 Sol，而非最新型号；Opus 5.5在TerminalBench上得分66.4%，高出新模型24分，GPT 6.1 Sol在DeepSWE上以75.2%略微领先。第四，旧模型NL2 repo分数在9月卡片上是64.0，新表里却是65.4，说明并非所有列都在相同条件下重跑。

DeepSeek在技术报告中承认基准对齐不等于模型在 hardest edge cases 上匹配闭源前沿，博主对此表示respect。

成本暴降的真正来源：输出Token变短了

多数视频说DeepSeek没给输出缩短的具体数字，但博主指出数据就藏在发布帖的一张图里。这张图展示DeepSWE通过率与单任务平均成本的对数关系：新模型在max档得分77%、成本约20美分，比旧模型便宜2.5倍且分数更高。更关键的是low档——得分约72.6%、成本约11美分，直接击败旧模型high档的70.2%和29美分。新模型最便宜的模式以不到一半的价格打赢了旧模型的中档。

输入Token呢？OpenRouter过去30天数据显示，旧版Flash处理了约122万亿Prompt Token，但只有2.2万亿Completion Token，比例约55:1，且大部分Prompt是缓存命中。但一旦给每类Token定价，画面完全变了：缓存命中每百万Token 0.3美分，输出Token每百万60美分，相差200倍。按DeepSeek标价计算10月16日单日流量，输出Token只占总量约2%，却占账单约47%；未缓存输入占约42%；占输入Token 93%的缓存读取只占成本约11%。

所以当缓存读取几乎免费后，账单上最大的杠杆就是模型说多久。还有一个二阶效应：输出越短通常意味着Agent循环轮次越少，而每一轮都要从缓存重读整个上下文，短输出进一步压缩输入循环。

缓存命中与未缓存输入的定价差异是理解Token经济学的关键。大模型API通常对输入Token区分“缓存命中”与“未缓存”：前者指与之前请求重复的前缀（如系统提示、长上下文、工具定义），服务商可复用KV Cache，无需重新计算，因此定价极低；后者需完整前向计算，价格较高。DeepSeek的定价中缓存命中仅为输出Token的1/200，这使得Agent场景下反复重读同一上下文的成本几乎可忽略。但缓存有生命周期（通常几分钟到几小时），且只有严格前缀匹配才命中，因此多轮Agent循环中保持上下文稳定、避免频繁改动系统提示，是压低账单的实用技巧。

可控推理强度：用长度惩罚让模型少说话

架构一个参数没动，模型怎么学会少说话？答案在技术报告的"Controllable Reasoning Effort"一节。强化学习期间，DeepSeek在系统提示中写入1到100的effort等级，奖励中包含长度惩罚——生成的推理Token越多扣分越多，但惩罚随effort等级指数级缩小。低effort下每个额外Token都会被扣分，高effort下则宽容得多。类比一下：短答题超字数扣分，论文则允许长。

更巧妙的是奖励只在同一effort等级内比较，短而低effort的回答永远不会被拿去和思考十倍的max effort回答比。API直接映射这套刻度：low对应50，high对应75，max对应100。针对1017，DeepSeek只说用了带自我反馈的强化学习，没细说奖励改了什么。博主的推测是加大了长度压力，也许奖励模型"检查一次而非五次"，正好针对9月被诟病的过度思考习惯。

强化学习中的长度惩罚是一种奖励塑形手段：在策略梯度或偏好优化目标里，对生成序列的Token数施加负向项，引导模型在保持正确率的前提下压缩推理链。常见形式包括对总长度线性扣分、对超出预算部分截断式惩罚，或如DeepSeek这样让惩罚系数随effort等级指数衰减，从而在低档位强力抑制啰嗦、在高档位保留长思维链空间。难点在于惩罚过强会导致模型跳过必要步骤、正确率骤降，因此通常需要与正确性奖励做多目标平衡，并在同一effort桶内做相对比较（类似分组归一化），避免短答案与长答案直接竞争造成奖励尺度错配。

实测反馈与本地部署启示

早期反馈是混合的。每天首发测试DeepSeek模型的Teotaxes表示1017在任务前90%大幅提速，但临近终点容易钻牛角尖打磨细节，需要人盯着收尾。长度惩罚起了作用，但没完全治愈。

更大的图景是：这个版本针对的其实不是API成本，而是时间问题。Bartz Lodiczka用同一批构建对比旧版Flash和GPT-6 Astra，DeepSeek便宜得多，但耗时4小时14分钟对47项测试。World of AI认为最大问题是过度思考和跑不必要的测试。Token/秒没变，因为架构和投机解码都没变，想更快只能少花Token。

本地部署时Token效率更重要。架构与9月v4.1 Flash完全相同，51B激活、552B骨干参数、40层、384个专家，配置文件一字未改，能跑旧版的硬件就能跑新版。专家已是FP4（每参数4bit），常规4bit量化帮助不大；Engram记忆表可放SSD（每Token只读约12KB），但专家不行——路由器每层从384个专家中选6个，且每个Token选的不同，必须驻留高速内存。DGX Spark单台128GB统一内存、273GB/s带宽装不下专家，社区通常4台组512GB，售价已从3999美元涨到约6950美元，四台约27800美元不含网络。

API上Artificial Analysis测旧版Flash约176 Token/秒，Intelligence Index任务用掉的88,000输出Token约8分钟；家用40 Token/秒则要37分钟。若1017真用一半输出，每任务能省约18分钟——API上只省几分钱，家里一天Agent跑下来省的是几个小时，经济学完全不同。

MoE模型的本地部署瓶颈主要不在算力而在内存带宽与容量。以40层、每层384专家、每Token激活6个的稀疏结构为例，路由是逐Token逐层动态的，不同Token命中的专家集合几乎不重叠，因此无法像稠密模型那样只加载部分层；所有可能被选中的专家权重都必须常驻高速内存（HBM或统一内存），否则每次换出换入都会拖垮吞吐。FP4量化已把每参数压到4bit，进一步4bit量化的边际收益很小，真正的约束是容量。Engram类记忆表可按Token流式从SSD读取，因为访问模式可预测、每Token数据量小；专家则相反，随机性强、单次读取量大，SSD延迟无法掩盖。这就是多台大内存设备组集群成为消费级方案的原因。

模型+框架协同设计的新信号

1017针对DeepSeek Harness 0.1+和腾讯CodeBuddy优化。同一天DeepSeek开放搜索与抓取API，每千次0.75美元，10月31日前通过DeepSeek Harness、Cloud Code和Codex免费。技术报告直言模型与框架将协同演进——能力单元不再只是模型，而是模型加框架。怀疑者会指出只在自家框架里表现好的模型让人不敢依赖，9月模型跨框架已有9分摆动，若新版针对自家脚手架调得更狠，摆动可能更大，这也是TerminalBench换框架值得关注的原因。

Artificial Analysis Intelligence Index上旧版Flash为39.5，GPT 6.1 Sol为51.8，Opus 5.5为57.6，新版暂无独立数据。DeepSeek并未声称追平，而是给出更窄更诚实的承诺：1017用更少Token做同样的活。

还有一个地缘时间点：发布前一天，中国商务部和科技部拟将23项AI技术列入出口限制清单，包括大模型、Agent和计算集群，已开源技术除外且开源可快速获许可，所以1017已经出门，但下一个大版本能否同样顺利是开放问题。

博主最后写道：上个月说仅靠成本效率站不住脚，1017是DeepSeek第一次在不碰架构不碰价格的前提下把Token效率垫到那条腿下面，机制也漂亮。但智能仍是缺失的那条腿。历史经验是更便宜的任务不会让我们少花钱，而是会跑更多任务。真正值得等的是能把这种效率带到一个真正更会思考的V4.1 Pro，以及整个乐于为长思维链收费的行业是否会被迫让模型少说话。

**模型与框架协同设计（co-design）**指模型训练与推理脚手架联合优化：框架决定工具调用格式、上下文组织、重试与校验逻辑，模型则针对这些模式做后训练，从而在自家框架内取得最佳成绩。好处是端到端效率高、Agent任务完成率提升；风险是评测迁移性下降——同一模型换到ClaudeCode、Codex等第三方框架，提示格式与工具schema不匹配，分数可能明显波动。业界因此越来越强调在多个中立框架下报告基准，并区分“模型能力”与“模型+框架系统能力”。对使用者而言，选型时应优先看目标框架内的实测数据，而非厂商单一框架下的榜单。