DeepSeek发布Flash更新降本两成 763B参数实为统计口径切换

AI技术投降派

新模型跑分大涨与参数扩容传闻实为评测特化与披露口径替换，其真正突破在于精简输出降低两成调用成本，并协同低价搜索接口完成了Agent开发的基础设施闭环。

AI-assisted summary of DeepSeek重大更新，参数更强，追平opus — original source. Check the original for full context.

Source published: 2026-10-18

Key ideas

DeepSeek 发布新检查点 V4.1 Flash 1017，并在 Terminal Bench 4.0 上自报得分从 31.2 提升至 42.3，但较 Claude Opus 5.5 的 64.8 仍存在 22 分差距。 (0:00)
所谓“参数从 552B 扩张至 763B”实为公布口径变化，全模型此前即为 763B 权重（含主干、记忆模块与视觉编码器），底层架构并未重构。 (1:28)
新版模型在实际任务中输出 Token 量精简约 2.5 倍，调用成本节省 20%，单任务耗时从 16.8 秒降至 7.4 秒。 (3:40)
本地部署门槛极高，64GB 顶配 Mac 运行 2-bit 量化仅有数 Token/s 速度，官方云端 API 配合自研搜索接口成为性价比最高的 Agent 开发选型。 (3:40)

Detailed notes

## Background 该视频由B站UP主“AI技术投降派”于2026年10月18日发布在Bilibili平台。视频原简介未提供额外补充说明，主题聚焦于DeepSeek最新发布的模型更新、参数真实情况以及其在行业内的基准对标。

## TL;DR 视频深度解析了DeepSeek新上线的V4.1 Flash 1017模型，其在Terminal Bench等基准测试中大幅跃升，并展示出强大的端到端编程能力。作者澄清了社区关于“参数从552B扩容至763B”的认知偏差，指出这仅是官方将主干网络改为全模型权重的公布口径调整，且提醒观众注意官方自测跑分水分与部分传统基准隐退的现象。最后，作者结合实测指出了新模型在API调用中Token减少2.5倍、成本下降20%的工程优势，以及高硬件门槛下使用官方云端API和配套搜索接口构建Agent生态的现实路径。

## Atmosphere & style 视频整体呈现出一种技术硬核、清醒且略带讽刺幽默的解构风格。UP主叙事节奏紧凑敏锐，既有对技术参数与跑分细节的抽丝剥茧，也有面对宣发狂欢时的冷水审视，金句频出。观众在观看过程中能清晰感受到从“为惊艳跑分振奋”到“识破口径套路后的理性反思”，最终落脚到务实的工程与成本权衡，极具实战说服力。

## Bulletin - [00:00](https://www.bilibili.com/video/BV1ZCng6LEkz?t=0s) DeepSeek 发布新检查点 V4.1 Flash 1017，并在 Terminal Bench 4.0 上自报得分从 31.2 提升至 42.3，但较 Claude Opus 5.5 的 64.8 仍存在 22 分差距。 - [01:28](https://www.bilibili.com/video/BV1ZCng6LEkz?t=88s) 所谓“参数从 552B 扩张至 763B”实为公布口径变化，全模型此前即为 763B 权重（含主干、记忆模块与视觉编码器），底层架构并未重构。 - [03:40](https://www.bilibili.com/video/BV1ZCng6LEkz?t=220s) 新版模型在实际任务中输出 Token 量精简约 2.5 倍，调用成本节省 20%，单任务耗时从 16.8 秒降至 7.4 秒。 - [03:40](https://www.bilibili.com/video/BV1ZCng6LEkz?t=220s) 本地部署门槛极高，64GB 顶配 Mac 运行 2-bit 量化仅有数 Token/s 速度，官方云端 API 配合自研搜索接口成为性价比最高的 Agent 开发选型。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1ZCng6LEkz?t=0s) DeepSeek 在同一天内密集上线自研搜索接口与 V4.1 Flash 1017 模型，定位为针对 9 月版本的小幅强化学习更新。 - [00:00](https://www.bilibili.com/video/BV1ZCng6LEkz?t=0s) 新模型在 Terminal Bench 4.0、Program Bench 及 Deep SWE 等编程与智能体评测中全线上涨，展示出端到端完整软件生成的工程化能力。 - [01:28](https://www.bilibili.com/video/BV1ZCng6LEkz?t=88s) 参数从 552B 变成 763B 属于认知偏差，官方仅将对外宣传统计口径从主干网络扩展到了全模型权重，底层仍遵循 MIT 开源协议。 - [01:28](https://www.bilibili.com/video/BV1ZCng6LEkz?t=88s) 榜单高分目前均为官方自测自报，发布时尚无第三方权威机构复现，数据可信度仍需时间检验。 - [01:28](https://www.bilibili.com/video/BV1ZCng6LEkz?t=88s) 部分跑分采用了相对宽松的评测标准，且 9 月曾展示的 Codeforces、GPQA 等 9 项传统强项测试本次集体缺席，通用推理能力是否存在退化尚存疑。 - [03:40](https://www.bilibili.com/video/BV1ZCng6LEkz?t=220s) 新版本显著精简了 Token 生成长度，单任务推理时间由 16.8 秒腰斩至 7.4 秒，综合调用开销降低约 20%。 - [03:40](https://www.bilibili.com/video/BV1ZCng6LEkz?t=220s) 云端 API 保持极具杀伤力的定价，错峰期输入仅 0.15 元/百万 Token、输出 0.60 元/百万 Token，性价比优势突出。 - [03:40](https://www.bilibili.com/video/BV1ZCng6LEkz?t=220s) 端侧量化部署体验欠佳，3-bit 易陷入死循环，高配 Mac 运行 2-bit 速度极慢，普通开发者短期内难以本地跑通。 - [03:40](https://www.bilibili.com/video/BV1ZCng6LEkz?t=220s) 低调用成本的模型叠加千次 5 元的自研搜索接口，标志着面向 Agent 应用的基础设施拼图已基本齐备。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1ZCng6LEkz?t=0s) 性能跃升与“小幅更新”背后的基准测试

10月17日，DeepSeek在一天内密集释放了两项核心动作：上午刚刚开放自研搜索接口，下午便直接上线了代号直白的新模型——V4.1 Flash 1017。虽然官方口径表现得极为低调，宣称“这是对九月那版的一次小幅更新”，但各大权威测试榜单上的成绩却十分惊人。在衡量终端环境真实任务处理能力的 Terminal Bench 4.0 中，该模型一口气从 31.2 暴涨至 42.3，单项直接提升了 11.1 分，引得 Hugging Face 联合创始人在社交平台发帖调侃管这叫所谓的“小幅更新”，相关话题在 Hacker News 拿下 700 多分、Reddit 斩获 900 多赞。

```mermaid flowchart TD accTitle: DeepSeek 核心基准成绩提升对比 accDescr: 展示 Terminal Bench 4.0、Program Bench 以及 Deep SWE 三大核心评测项目的版本得分变化。

subgraph TB ["Terminal Bench 4.0 (智能体终端)"] TB_Old["9月版: 31.2"] --> TB_New["1017版: 42.3 (+11.1)"] end

subgraph PB ["Program Bench (从零软件重建)"] PB_Old["9月版: 20.3"] --> PB_New["1017版: 29.1 (+8.8)"] end

subgraph SWE ["Deep SWE (真实仓库工程)"] SWE_Old["9月版: 74.2"] --> SWE_New["1017版: 77.0 (+2.8)"] end ```

根据官方披露的数据，本次公布的 11 项基准测试成绩出现全线上涨，各维度涨幅在 2 分到 11.1 分不等。核心的三大指标呈现出极高维度的特化进阶： - **Terminal Bench 4.0**：评估智能体在命令行与终端环境执行真实任务的能力，成绩由 31.2 分跃升至 42.3 分。 - **Program Bench**：测验从零开始重建整个软件的能力，得分由 20.3 拔高到 29.1。 - **Deep SWE**：针对长任务及真实代码仓库工程的评测，分数从 74.2 提升至 77。

这套能力依赖于引入自我反馈机制的强化学习训练方法。官方在演示中展现了从独立游戏到 3D 建模等端到端完整项目的生成过程，被中文社区形象地冠以“许愿式编程”的称号。需要明确的是，此次所有对比基准均为今年 9 月发布的旧版本，属于同一模型谱系下的自我演进。

---

[01:28](https://www.bilibili.com/video/BV1ZCng6LEkz?t=88s) 参数真假扩容辨析与官方跑分的水分审视

针对社区中“模型参数由 5520 亿大幅扩张至 7630 亿”的热门传言，视频明确指出该解读存在认知偏差。对比 9 月发布时的官方模型卡侧边栏可以发现，当时标注的 Model Size 就已经是 763B Params。这 7630 亿的总权重自始至终由三部分组成：约 5520 亿的主干网络、约 1960 亿的记忆模块，外加视觉编码器。9 月宣传页面所写的 552B 仅指主干网络参数，此次 763B 的说法纯粹是官方将公布口径从主干替换为了全模型权重。其底层架构并未重构，本质上属于同一列车重新微调后产生的新后训练检查点（Checkpoint），开源协议依旧遵循 MIT。

在面对亮眼的分数时，同样需要保持足够的理性审视。视频作者强调：“开源是自由，不等于免费午餐”，并拆解了跑分背后必须注意的三大细节： - **缺乏第三方背书**：所有数据均为官方自测自报，发布尚不足 24 小时，暂无权威独立机构的复现与验证。 - **评测口径的宽松度**：在 Terminal Bench 4.0 上，42.3 的成绩虽然超越了 GPT-5.6SO 和 GLM-5.3，但距离 Claude Opus 5.5 的 64.8 仍有整整 22 分的鸿沟；在 Program Bench 中拿下的 29.1 分使用的是“Almost”标准（只要 9×5 的测试项通过即算及格），若换用业界最严苛的“Fully”全通口径，9 月版模型曾录得仅 0.5% 的极低通过率；Deep SWE 的 77 分，则必须把 Meta 自报 79 分的 Muse Wonder 排除在外才能暂列首位。 - **传统强项测试的离奇隐退**：9 月成绩单上曾经亮眼的 9 个基准项目——包括 Codeforces、Terminal Bench 2.1、GPQA、Cyber Gym 等，在本次战报中集体缺席。智能体方向的针对性特化是否导致了通用与传统推理能力的退化，官方对此未作说明，目前仍需标记为存疑与待观察状态。

---

[03:40](https://www.bilibili.com/video/BV1ZCng6LEkz?t=220s) 落地成本账、端侧门槛与 Agent 生态闭环

相较于基准得分，本次更新最具现实意义的突破在于工程效率与调用成本的优化。官方承诺“缩短任务执行时间与输出长度”。独立实测结果印证了这一改进：在处理相同任务时，新模型的 Token 输出量比旧版精简了 2.5 倍，综合调用成本节省约 20%。完成单个典型任务仅需 7.4 秒，耗费不足 2 美分；而老版本则需要耗时 16.8 秒，耗时翻倍且成本高出半美分。此外，模型的推理力度在调整至一档后，终于达到了实际工业可用的稳定状态。

```mermaid flowchart LR accTitle: DeepSeek Flash 性能与使用场景分流 accDescr: 对比 API 端的高性价比与本地部署的高硬件门槛，展示普通用户的最佳实践路径。

subgraph CloudAPI ["云端 API 路线 (推荐选型)"] API_Name["DeepSeek Flash"] API_Cost["错峰价: 输入0.15元 / 输出0.60元每百万Token"] API_Perf["耗时 7.4秒 / 成本省 20%"] API_Name --> API_Cost --> API_Perf end

subgraph LocalDeploy ["本地量化路线 (门槛苛刻)"] Q4["4-bit: 表现稳定"] Q3["3-bit: 陷入死循环"] Q2["2-bit: 64GB Mac顶配仅几Token/s"] Q4 -.-> Q3 -.-> Q2 end ```

在商用定价与本地部署方面，整体呈现出明显的两极分化格局： - **云端 API 极具竞争力**：接口名维持 DeepSeek Flash 不变，价格同样未作调整。错峰期每百万 Token 的输入价格为 0.15 元，输出为 0.60 元，峰值时段价格翻倍，被官方称作“性能与成本的帕累托改进”。 - **端侧部署对普通硬件极不友好**：模型在 4-bit 量化下表现稳定，但在 3-bit 下极易出现死循环；即便是 64GB 顶配规格的 Mac 运行 2-bit 量化，其推理速度也仅有每秒几个 Token。目前本地开源玩家仍在等待 Unsloth 等社区团队提供专用的优化量化包。因此，对绝大多数开发者和企业而言，调用官方 API 依然是当下最理性的选择。

回顾全盘布局，从 9 月的首发到 10 月的模型精调，DeepSeek 保持了相同的编组与亲民的定价策略。视频作者总结道：“这次大脑版本号直接写日期，这个动作本身就在说话，节奏成了武器。”再结合上午公布的 1000 次调用仅需 5 元（11 月 1 日前限时免费）的自研搜索接口，模型端既快又便宜，联网检索的成本门槛也被彻底打下，面向 Agent 开发所需的基础设施“水电煤”已在一天之内被全盘配齐。按照这种版本迭代的宣发节奏，下一次更新并不需要让行业等待太久。

## Notable quotes > [01:28](https://www.bilibili.com/video/BV1ZCng6LEkz?t=88s) 开源是自由，不等于免费午餐 — AI技术投降派

## Mentioned DeepSeek, V4.1 Flash 1017, DeepSeek Flash, Hugging Face, Hacker News, Reddit, Terminal Bench 4.0, Program Bench, Deep SWE, GPT-5.6SO, GLM-5.3, Claude Opus 5.5, Meta, Muse Wonder, Codeforces, Terminal Bench 2.1, GPQA, Cyber Gym, Unsloth, Mac

[Source](https://www.bilibili.com/video/BV1ZCng6LEkz)

中文简报

DeepSeek发布Flash更新降本两成 763B参数实为统计口径切换新模型跑分大涨与参数扩容传闻实为评测特化与披露口径替换，其真正突破在于精简输出降低两成调用成本，并协同低价搜索接口完成了Agent开发的基础设施闭环。视频深度解析了DeepSeek新上线的V4.1 Flash 1017模型，其在Terminal Bench等基准测试中大幅跃升，并展示出强大的端到端编程能力。作者澄清了社区关于“参数从552B扩容至763B”的认知偏差，指出这仅是官方将主干网络改为全模型权重的公布口径调整，且提醒观众注意官方自测跑分水分与部分传统基准隐退的现象。最后，作者结合实测指出了新模型在API调用中Token减少2.5倍、成本下降20%的工程优势，以及高硬件门槛下使用官方云端API和配套搜索接口构建Agent生态的现实路径。 DeepSeek 发布新检查点 V4.1 Flash 1017，并在 Terminal Bench 4.0 上自报得分从 31.2 提升至 42.3，但较 Claude Opus 5.5 的 64.8 仍存在 22 分差距。 (0:00) 所谓“参数从 552B 扩张至 763B”实为公布口径变化，全模型此前即为 763B 权重（含主干、记忆模块与视觉编码器），底层架构并未重构。 (1:28) 新版模型在实际任务中输出 Token 量精简约 2.5 倍，调用成本节省 20%，单任务耗时从 16.8 秒降至 7.4 秒。 (3:40) 本地部署门槛极高，64GB 顶配 Mac 运行 2-bit 量化仅有数 Token/s 速度，官方云端 API 配合自研搜索接口成为性价比最高的 Agent 开发选型。 (3:40)

Reading summary

10月17日，DeepSeek发布代号为V4.1 Flash 1017的新模型并上线自研搜索接口，在多项终端与编程基准评测中得分显著跃升，并大幅降低了实际调用耗时与成本。视频分析指出，该版本实质为原有7630亿总参数的后训练微调，其官方公布的亮眼成绩仍面临评测标准偏宽、缺乏第三方复现以及部分传统测试缺席的理性审视。智能体与编程基准成绩显著跃升 (0:00) 10月17日发布的DeepSeek V4.1 Flash 1017在官方公布的11项基准测试中实现全线上涨，各维度涨幅介于2分至11.1分不等。其中，评估智能体在命令行与终端执行真实任务能力的Terminal Bench 4.0成绩由9月版的31.2分提升至42.3分；测试从零重建软件能力的Program Bench由20.3分拔高到29.1分；针对长任务及真实代码仓库工程的Deep SWE则从74.2分增至77.0分。该套能力基于引入自我反馈机制的强化学习训练，官方演示了从独立游戏到3D建模的完整端到端项目生成。但需要明确的是，所有测试对比对象均为今年9月发布的旧版本，属于同一模型谱系下的自我演进。参数扩容误读与跑分口径审视 (1:28) 针对社区中“模型参数由5520亿扩张至7630亿”的传言，视频指出该解读源于公布口径的认知偏差。9月官方模型卡侧边栏已明确标注总权重为763B，由约5520亿主干网络、约1960亿记忆模块及视觉编码器构成；此次仅是将宣传口径由主干替换为全模型，底层架构并未改变，依然遵循MIT协议且属于同架构下的后训练检查点微调。视频提醒受众需对官方自测数据保持审视：首先，发布不足24小时的数据缺乏权威独立机构复现；其次，评测口径偏宽，其Terminal Bench成绩距Claude Opus 5.5的64.8分仍相差22分，Program Bench采用的是较为宽松的“Almost”标准（若换用“Fully”全通标准，老版本通过率曾低至0.5%），Deep SWE拔得头筹的前提是排除了Meta自报79分的Muse Wonder；最后，Codeforces、GPQA等9项9月曾公布的传统基准在本次战报中集体缺席，智能体方向的特化调整是否导致通用与传统推理能力退化仍有待观察。落地成本削减与本地部署门槛 (3:40) 相较于基准分数，新模型更具现实意义的突破在于工程效率与成本优化。独立实测显示，在处理相同任务时，新模型的Token输出量比老版本精简了2.5倍，调用成本节省约20%；单项典型任务耗时由16.8秒降至7.4秒，花费不足2美分，模型推理力度调至一档后已达到工业可用状态。但在落地路径上呈现出明显分化：云端API保持亲民策略，错峰期每百万Token输入0.15元、输出0.60元；端侧部署则对硬件要求严苛，模型在4-bit量化下稳定，但3-bit量化极易死循环，顶配64GB Mac运行2-bit量化时速度仅为每秒数个Token。对于大多数开发者而言，直接调用云端API仍是目前最具可行性的方案。搜索接口协同与生态闭环布局 (3:40) 在新模型上线的同日上午，DeepSeek还推出了自研搜索接口，商业定价为1000次调用5元，并在11月1日前提供限时免费服务。视频分析认为，推理模型具备高性价比与快速响应能力，叠加低成本的联网检索接口，使得面向Agent开发的基础设施“水电煤”在一天之内完成闭环配齐。官方直接以发布日期作为版本号的宣发策略，显示出其试图将产品迭代节奏转化为竞争壁垒，预示着后续更新周期将进一步加快。 DeepSeek Flash 1017通过高性价比API与配套搜索接口加快了Agent基础设施的闭环构建，但由于目前所有亮眼跑分均源于官方自测、测试口径相对宽松且通用推理基准缺席，其特化模型是否以牺牲通用推理为代价，仍有待独立第三方评估与社区的实际检验。

Source quotes

[1:28] AI技术投降派: 开源是自由，不等于免费午餐

Original transcript

[0:00] 10月17日,DeepSeek干了两件大事,上午开放自研搜索接口,下午发了个新模型,版本号很直白,就叫V4.1 Flash 1017,型号后缀直接是日期,官方口径谦虚得很,这是对九月那版的一次小幅更新,但分数不谦虚,Terminal Bench 4.0一口气从31.2涨到42.3,涨了11分。连huggingface的联合创始人都发帖调侃管这叫小福更新黑客新闻700多分Reddit900多赞今天就把这班车拆开看先看成绩单官方公布了11项基准全部上涨涨幅2到11点1分三个大头Terminal Bench 4.0,测的是终端里干真实任务的智能体。从31.2到42.3Program Bench,Meta True的从零重建整个软件基准,从20.3到29.1,Deep SWE,常任务真实仓库工程。从74.2到77训练方法是带自我反馈的强化学习,官方演示放了从游戏到3D建模的完整项目。中文媒体给它起了个名字,叫许愿式编程。顺带一提,就分都是9月版的,这次是同模型名下自己跟自己比。接下来是本期最重要的辩析。单看数字,很多人第一反应是参数从5520亿扩到了7630亿。这个理解不对打开两版模型卡对比9月版的页面侧栏写得清清楚楚Model Size 763B Params9月的总权重就是7630亿它由三部分编组5520亿的主干加约1960亿的记忆模块再加视觉编码器九月版的宣传页写的是552B Backbone Parameters说的是主干,所以763B不是扩容,是这次把口径从主干换成了全部权重。架构没变这是同一列车重新调效一个新的后训练检查点权众照就MIT开源冷面也要摆第一三个分数全是deep sick自爆发布才一天还没有第三方验证第二,口径要看清,TB4.0的42.3超过了GPT5.6SO和GLM5.3。但据Cloud Opus 5.5的64.8还差22分Program Bench的29.1用的是Almost口径9乘5测试通过就算过这个基准发布时所有模型零分而第三方用最严的Fully口径测九月版只有0.5%Deep SWE-77要把Meta自爆79的Muse Wonder排除掉才算第一。第三,最有意思的,九月成绩单上的九个项目,这次集体消失了,Code Forces,TB2.1,GPQA,Cyber Gym,全是旧强项。智能体特化的代价是不是传统基准回退?官方没说,我们标记为带观察。这次更新最实的是成本账官方原话缩短任务执行时间与输出长度独立实测同样任务Token输出比旧版少2.5倍整体省20%跑一个任务7.4秒花不到两美分旧版要16.8秒快了一倍多贵半分钱推理力度调到一档也终于可用了API名字不变,还是Deep Seek Flash,价格不变,错峰每百万Token输入一毛五,输出六毛,峰值翻倍,官方管制叫性能与成本的帕类托改进,开源是自由,不等于免费午餐。4比特稳3比特会死循环64GB的Mac顶配袍2比特也就每秒几个Token本地玩家现在在等Uncelot的量化包对绝大多数人这班车的正确做法还是API最后收个尾九月的首发班十月的调校班同一个名字同一套编组价格不变每月会 [5:00] 这次大脑版本号直接写日期这个动作本身就在说话节奏成了武器再把今天上午那块拼图放进来5块钱1000次的搜索接口11月1号前免费模型又快又便宜联网也便宜,Agent的水电煤一次配齐。下一班什么时候来?看时刻表的意思,不用等太久。