DeepSeek宕机5小时后发布4.1 flash 1017，实测表现如何？
主要能考察到模型的这几项能力：编码能力、端到端智能体能力、以及基础视觉和视觉推理能力。
前阵子
DeepSeek瘫了将近5个小时，热搜上挂了好一阵。
AI圈不少模型似乎都有个习惯：一更新就先崩。昨天17号DeepSeek果然发了个新模型4.1 flash 1017，我一开始还犯嘀咕，4.1 flash不是早发过了吗？
宕机5个小时，就憋出这么个东西？细看才明白，版本号后面缀着1017，这是款新模型。
本以为连版本号都懒得换新，升级幅度肯定有限，结果我错了。官方公布的测试结果显示，跟上个版本比，这次是全面提升。
核心亮点在于：从0到1构建完整编程任务、以及复杂自动化任务的能力。说白了就是编程和自动化这两块，要是还没概念也不要紧，下面我按模块做案例实操，看起来更直观。
几乎所有能力都压过了GPT-5.6 Sol，部分项目上甚至超过了Opus5。
成本这块只能说低得夸张。官方测试结果是，多个Harness的同任务对比实测中，代号1017的通过率比上个版本更高，花的钱反而更少。看图左上角那块，1017的max费用跟V4.1 Flash的low成本差不多，实在离谱。
能力往上走，费用往下掉。
官方说得漂亮，社区声音也有分歧，究竟如何还得自己上手测。
我挑了几项提升最明显的能力集中测：编程任务、自动化任务，还有视觉效果。测试中主要拿DeepSeek V4.1 Flash 1017跟GPT-6 Sol对比，后者是我常用的模型。
01
做特斯拉飞车的原理解读。1017和GPT-6 Sol都能靠编码生成视频，用编码生成视频是个综合性挺强的工程，能考察模型的多项能力。
主要看这几项：编码能力、端到端智能体能力，以及基础视觉和视觉推理能力。
先看DeepSeek V4.1 Flash 1017做的（用时48分钟，成本是2.9元）。
再看GPT-6 Sol的效果（用时7分钟，成本是7.8元）。
两个都做完，我的整体感受是GPT-6 Sol的效果更简单易懂，画面也更简洁；1017做的相对复杂，小白看起来会有点晦涩难懂。
接着让DeepSeek和GPT-6 Sol分别跑一个关于V4.1 Flash 1017的介绍。这个任务我觉得DeepSeek自己做得更好一些，GPT-6 Sol有不少细节没遵循指令。可能还是DeepSeek更了解自己一些（🐶）。
下面这份是DeepSeek跑出来的，花了28分钟，成本1.9元。
这份则是GPT-6 Sol的成果，3分钟搞定，成本5.6元。
02
接下来是复刻特斯拉飞车，还有建模环节。
1017这一版有个关键升级，就是终端里的端到端智能体能力。有了它，模型能按需调用电脑上的各种工具，用得还比较顺。
于是让两边都去调Blunder做3D效果，输入的是同一段特斯拉飞车原视频。
先看DeepSeek V4.1 Flash 1017的版本，1小时跑完，成本1.97元。
GPT-6 Sol这边用了27分钟，成本21元。
复现效果上，GPT整体还过得去。DeepSeek就有点拉垮，车最后直接在空中飞来飞去，看得人有点懵。
速度与成本摆在一起对比：GPT 27分钟、21元；DeepSeek 1小时、1.97元。价格差得确实有点大。
可任务没执行好，成本再低也白搭。这个问题以后能不能解决，只能再看。
接着换成用three.js做北京天坛的3D网页。
DeepSeek的北京天坛，1小时，2.54元。
GPT-6 Sol的北京天坛，9分钟，6.9元。
指令遵循这块两边都OK。要说个人喜好，我更偏向DeepSeek那版，建模精细度明显更高。
做到这里（另外还跑了些案例，部分没放出来），我的感受是DeepSeek理解视频和图片的能力偏弱。所以一旦喂视频让它复刻，结果就不太理想。
03
再往下是复刻我的世界和植物大战僵尸。
游戏这类任务对能力要求比较综合，编码、视觉都得过硬，所以对比模型能力时基本都会拿游戏来跑。
植物大战僵尸之前已经用不少模型试过，这回轮到1017和GPT-6 Sol上场。
两边的指令要求基本都落地了。视觉效果上我觉得DeepSeek比GPT-6 Sol顺眼一些，离谱的是这波DeepSeek反倒比GPT贵。
先看DeepSeek V4.1 Flash 1017的，19分钟，成本1元。
GPT-6 Sol这边5分钟，0.5元。
我的世界也看一下。两者实现程度都没问题，但纹理和细节上我认为DeepSeek做得更好。
DeepSeek的成绩是38分钟、2.2元。
GPT那边跑完花了12分钟，成本4.2元。
整体对比下来，效果跟GPT-6 Sol放在一起看，还是挺让人意外的。有些任务上毛病很明显，可大多数时候执行得不错。
钱是省下来了。简单任务上，成本差距不算突出；任务一复杂，差别就拉开了。这或许跟缓存命中率有关，我们跑的这几个任务里，DeepSeek的缓存命中率明显高于GPT。
麻烦的地方只有一个：等得久。
所以，不赶时间的活，交给1017去跑没什么问题。视觉理解这一类，眼下先别给DeepSeek；其他场景只要算成本，用DeepSeek是很划算的。
这次更新版本时，DeepSeek还特意提了个“许愿式编程一键成真”，意思是用简单的提示词就能拿到不错的结果。
实际比下来，确实如此。
社区里现在还有不少人在争，说1017是蒸馏了Astra。整个测试过程中，我没太感觉到这一点。
用过的人不妨来说说。
