性能与成本的边界一旦被重新划定，模型竞争的算法也就跟着变了。

出品方是凤凰网科技。

一场大崩溃之后，宕机的真相浮出水面。10月17日，DeepSeek V4.1 Flash-1017正式登场。

光看后缀，容易当成一次小版本更新。但这次的主题和方向很清楚：继续压低AI的使用成本。少见的是，DeepSeek自己画了一张“斩杀线”示意图。这张图的本意大概不是要斩杀谁，只是想说明模型更新后AI用起来有多便宜，以及成本大降之后，成功率还能不能稳住。

DeepSeek公布的DeepSWE v1.1评测图里，新版本最高通过率（Pass@1）为77.0%，上一版DeepSeek V4.1 Flash的最高点约74%。更值得看的是位置：新版本的最高成绩出现在每项任务平均费用约1.3元处，比图中不少性能接近的海外模型低出一截。

这就引出普通用户该关心的问题：模型已经能搞定复杂编程任务，人到底该为多少智能掏钱？

目前DeepSeek V4.1 Flash-1017已更新到官方网页端、APP与API。官方说法是，新版本提高了多项基准测试表现，任务运行时间和输出长度都有缩短，还针对DeepSeek Harness、腾讯CodeBuddy、WorkBuddy等框架做了优化。注意一个细节：腾讯出现在DeepSeek官方推文中第二位显著的合作伙伴位置，排在上一位的华为之后。

另一边，DeepSeek把自研搜索引擎的Search与Fetch API开放出来，搜索和网页抓取能力成了开发者可以直接调用的工具。

一头是更便宜、更高效的任务执行，一头是向外开放更多基础能力。DeepSeek想把模型竞争从单纯比能力，推到任务交付与成本竞争的层面。

让AI再便宜一点

过去两年，大模型行业习惯拿榜单说事。谁的推理更强、谁的编程得分更高、谁在数学、知识问答或代码测试里领先，通常就是模型发布时最抢眼的叙事。参数规模、训练数据、推理能力，也就成了衡量进步的主要尺子。

可模型一旦进入真实的软件开发流程，光看分数就不够了。能回答编程问题的模型，和能理解需求、调用工具、改代码、跑测试、反复修错的编程智能体，其实是两种产品。前者给的是答案，后者要把答案变成能交付的结果。

成本也跟着变。用户买的不再是模型吐出的若干Token，而是一个任务做完所耗的全部资源。模型想得越久、调工具越频繁、失败重试越多，最后的账单就越难用单次调用价格算清楚。

DeepSeek这次晒出的DeepSWE v1.1图表，正好把这层关系摆上了台面。横轴是每项任务的平均费用，用对数刻度；纵轴是Pass@1，也就是给定评测条件下单次尝试通过任务的比例。不同模型的不同推理档位被放进同一个坐标系，性能和价格就此形成一组能直接对比的关系。

DeepSeek V4.1 Flash-1017的最高点达到77.0%，上一版DeepSeek V4.1 Flash最高点约74%，DeepSeek V4 Pro的标注点约63%。不少海外模型要花数十元甚至更高的单任务平均费用，才能拿到和低成本模型相近的通过率。DeepSeek V4.1 Flash-1017把最高通过率推到77%，成本还压在较低区间。

这才是这次升级真正该看的地方。一个模型如果只从70%提到72%，推理成本却翻着倍往上涨，优势未必能变成商业优势。反过来，成功率和运行时间、输出长度一起改善，带来的就不只是性能，还有单位任务经济性的变化。

当然，这张图证明不了DeepSeek在所有价格、所有任务、所有框架下都占优。不同模型的推理档位、运行框架、评测条件都会影响结果，图表呈现的只是特定测试中的性能—成本关系。

但问题已经抛给行业了：如果更高的任务成功率能用更低的成本做到，那些靠更高价格维持竞争力的模型，得拿什么证明自己的溢价？

出新版本，重点不在能不能写代码，而在能不能把项目交出来。

77%的通过率说明模型在某项测试里确实进步了。DeepSeek这次拿出的项目案例，想说的则是这种进步还可能往哪儿走。

官方给出的例子里，DeepSeek V4.1 Flash-1017借DeepSeek Harness做了几件事：故宫3D建模、网页版赛车游戏、用Godot引擎复刻《传送门2》，还有一个用3D场景动态演示历史演进的项目。

几个案例有个共性：用户扔过来的不是边界清楚的编程题，而是一整个要从零搭起来的项目。

拿游戏开发来说，模型得先读懂需求，把场景和交互逻辑组织好，生成代码，再跑起来、调试、一点点改。看着简单的游戏，底下可能牵扯碰撞检测、物理运动、摄像机控制、关卡设计和用户交互。3D建模那边还得应付空间结构、材质、光照和场景组织。

这种活儿，很难一次生成就交差。

用户要的往往也不是一段好看的代码，而是一个跑得起来、点得动、还能接着改的东西。

DeepSeek的说法是，新版本用基于自反馈的强化学习来训练，游戏开发、3D建模这些领域从零构建完整项目的能力被提升了，更多“许愿式”编程需求也能接得住。

图｜DeepSeek示例：Valley of Ages-以 3D 场景动态展现从史前时代到现代的发展历程

所谓“许愿式编程”，不是说用户不用讲需求，更不是说复杂软件能甩开工程约束。它说的是交互方式变了：用户不必先掌握每项技术细节，可以先描述自己想要的结果，中间从需求到实现的一大段交给模型。

以前，用户得会写代码；现在，用户可以先说想做什么。

这两者之间差多远，决定了AI编程工具能覆盖多大一群人。

Harness因此成了竞争里的重要一块，原因也在这里。

模型管推理和生成，Harness管把模型放进一个能持续干活的环境：组织任务、调用工具、管理上下文、执行代码、读取结果，失败了再接着试。模型能力决定它解不解得开问题，运行框架则影响它解得稳不稳、控不控得住。

这道题不只DeepSeek一家在答。编程智能体从代码补全走到项目开发，模型和工具链怎么配合，已经成了产品能力的一部分。

DeepSeek这次专门提了对DeepSeek Harness、腾讯CodeBuddy和WorkBuddy等框架的优化，并建议用户升到DeepSeek Harness 0.2.1-rc.1及以上版本，好让新模型跑得顺。

也就是说，模型的进步不只在参数或训练方法上，也在它跟外部软件环境怎么接上。

从模型定价到工具收费，DeepSeek在补另一块拼图。

这次更新还有个动作容易被编程案例盖过去：DeepSeek把自研搜索API开放了。

官方介绍里说，DeepSeek搜索引擎长期给网页端和API端提供搜索能力，全球各地的大量搜索请求都扛得住。这次开放的Search与Fetch接口，一个用来检索网页，一个用来抓取指定网页内容，开发者在自己的应用和智能体里就能直接调用。

两个接口都按每1000次成功请求5元计价。官方文档还写明，只有请求成功且产生了有效结果才计费。通过Claude Code和Codex等工具调用搜索能力的免费安排，在官方规定的两周窗口之后会转入收费。

乍看是API产品线多了一项；放进整次更新里看，它还有另一层意思。

智能体要办成一件真事，光有一个够聪明的模型常常不够。它还得拿外部信息、读网页、调软件工具，再把这些环节串成连续的工作流。

模型开始接更复杂的任务，搜索、抓取和工具调用就不再是边角功能，而是决定任务成不成的基础设施。

以往模型厂商的生意大多围着Token转：用户输入多少、输出多少，就按调用量结算。可智能体接手的工作流程越来越复杂，成本构成也跟着变多。推理、搜索、网页抓取、代码执行、反复验证，每一项都可能算进同一个任务的账里。

DeepSeek把Search和Fetch开放给开发者，等于让这两项能力从自家产品里走出来，进入外部应用。开发者能把接口接进自己的智能体系统，不必事事依赖第三方搜索服务。

不过，开放接口和建成完整的商业生态是两回事。接口稳不稳定、搜索结果好不好、调用有没有限制、有多少开发者真的在用，再加上这些工具和模型配合得顺不顺，都会决定它能不能长成一门可持续的生意。

DeepSeek这次还特别提到搜索结果的相关性、权威性和时效性，并强调对SEO作弊、GEO操纵以及低质量AI生成内容的识别与过滤。

这么看，DeepSeek同时在解一道题的好几个部分：一头提升模型完成任务的能力，一头压低任务执行的成本，再一头补上智能体所需的外部工具。

模型更聪明，却要大量调用和重试，成本优势可能被吃掉；模型够便宜，却没法稳定完成复杂任务，低价也撑不起真正的竞争力；模型能干活，却缺可靠的信息获取和工具协同，智能体能用到的场景照样有限。

这些环节能不能拧成一个有效的整体，才是竞争最终要回答的问题。

这条路不好走。任务越复杂，用户对可靠性、响应速度和交付质量的要求就越高。低成本能让人更愿意试，但复杂任务里的失败、错误和维护问题，它解决不了。

所以DeepSeek划出的这条“斩杀线”，说得更准确些，是一条新的竞争基准。

它要模型厂商回答的问题变了：不再是“我的模型比你强多少”，而是“同样的预算下，我到底能替用户做完多少事”。

各家的模型本事渐渐拉不开差距，往后任务要花多少钱、跑起来快不快、配套工具够不够多，大概会变成商业化能做多大的关键。对用户来说，更多活儿有望花更少的钱丢给AI去办；对行业来说，从前凭模型强弱之差挣到的那部分溢价，怕是要重新估一估了。

（本文题图为AI生成）