DeepSeek Flash 1017：名字没变，模型更新了

同样选择 deepseek-v4.1-flash，今天调用的模型，可能已经不是上个月的那一版权重。2026 年 10 月 17 日，DeepSeek 将 V4.1 Flash 更新为 V4.1-Flash-1017，官方网页、App 和 API 同步切换。调用名称保持兼容，版本却发生了更新。

这篇文章分开回答三件事：官方究竟更新了什么、怎样确认自己在用哪个版本，以及用鹈鹕骑车等小实验，能实际观察到什么。

资料核对与测试日期：2026 年 10 月 17 日。下文明确区分官方公布的数据与本站小样本实测。

同名更新的解释 · 怎样核实版本 · 直接看同题效果 · 缓存与并发实测

为什么名字没变，能力却变了？

接口里的 model 可以是一个持续更新的服务名称，权重版本则是某次具体发布。DeepSeek 的更新日志确认了这次升级；模型与价格页把 deepseek-flash 对应的版本列为 DeepSeek-V4.1-Flash-1017。

官方还说明，部分更早的名称，例如 deepseek-v4-flash 与 deepseek-v4-flash-vision-exp，虽然仍然接受请求，原先对应的模型已经下线，实际由新版提供服务。因此，名称相同并不等于权重始终相同，旧名称仍能调用也不等于旧版本还在运行。这项说明针对 DeepSeek 官方 API；第三方服务的名称映射需另行核实。

1017 实际更新了什么？

官方将它描述为 V4.1 Flash 的一次小版本更新。发布说明提到，基于自反馈的强化学习训练提升了从零开发完整项目的能力，包括游戏与 3D 场景；同时改善任务运行时间和输出长度，并重点适配 DeepSeek Harness、CodeBuddy、WorkBuddy 等框架。使用 DeepSeek Harness 时，官方建议升级到 0.2.1-rc.1 或更高版本。

这不意味着每条普通对话都一定更快，也不意味着某个短提示词必定出现明显差异。项目开发效果还受工具、执行环境、思考预算和验收步骤影响。1M 上下文、视觉理解等能力应结合该型号原有说明理解，不能全部当作 1017 新增功能。

下面选取官方模型卡公布的新旧对照。数值是官方评测报告，本站没有复现这些完整基准；“提升”为两个分数相减的百分点。

模型卡注明，Terminal-Bench 使用 Claude Code harness，DeepSWE 使用 Mini-SWE-V2。换工具环境、提示词或预算后，不能直接套用这些成绩。

怎样辨别自己是否用到了这次更新？

1. 先核对服务的版本说明和日期。直连官方，查官方模型表；通过第三方，查该服务是否明确说明同名型号已切换，以及能否固定版本。
2. 需要可重复实验时，记录具体版本来源。自部署可分别使用旧版仓库与1017 仓库，固定 commit、推理代码与模板。托管接口应保留服务方版本承诺、请求编号和测试时间。
3. 同题测试验证效果。固定提示、思考模式、输出预算和工具条件，记录所有成功与失败。它可以帮助选用服务，但不能单独认证权重身份。

我们的同题实验怎样做？

我们按同一调用名测试原线路 A 与新线路 B，保留每次原始输出。A 是否仍停留在更新前权重，尚无固定快照证据。所以接下来的图和分数属于两条线路在该时间窗口的对照，不能冒充已经认证的新旧权重实验。上面的官方表格才是官方公布的新旧版本对比。

两组在同一测试机运行，逐题交替先后顺序，每次只提交一个请求。参数相同：temperature=1、top_p=1、思考开启、reasoning_effort=high、max_tokens=16384。不添加画图技巧，不要求模型根据渲染结果返工，失败样本也保留。服务端的隐藏模板与调度无法在本次测试中控制。

实验一：鹈鹕骑自行车

这道题来自 Simon Willison 在 2024 年 10 月 25 日的实验，原始代码库为 simonw/pelican-bicycle。它要求语言模型直接写 SVG 代码，再由浏览器把代码画出来。

Generate an SVG of a pelican riding a bicycle

看图时，可以依次检查：鸟是否能辨认成鹈鹕，车是否有合理的两轮和车架，鸟的身体、脚与车的接触关系是否自然。SVG 能打开只是第一步。每组生成三次，全部列出，避免只挑最好的一张。

原线路 A · 鹈鹕第1次

新线路 B · 鹈鹕第1次

原线路 A · 鹈鹕第2次

新线路 B · 鹈鹕第2次

原线路 A · 鹈鹕第3次

新线路 B · 鹈鹕第3次

作者后来也讨论了针对这道热门题训练的问题。一张图适合直观看空间表达，不能代替广泛能力评估。

实验二：旋转六边形里的弹球

这个 GitHub 挑战要求模型实现一个受重力与摩擦影响、在旋转六边形内反弹的小球。为了便于查看，我们把原挑战的 Python 程序改成无外部依赖的单文件 HTML，并统一加入暂停与重置按钮；这属于本站改编题。

它比“页面能出现一个球”更难：六边形要旋转，球不能经常穿墙，运动要随时间推进，控件要实际有效。每组各两次，下面保留运行画面与独立检查结果；截图好看不等于物理模拟准确。

原线路 A · 弹球第1次

新线路 B · 弹球第1次

原线路 A · 弹球第2次

新线路 B · 弹球第2次

有些回答夹带说明文字；展示时只提取其中完整的HTML代码，没有修正程序，格式问题单独记为未通过。边界观察来自短时运行中的绘图坐标，不能证明长期稳定或所有碰撞的物理准确性。

实验三：只改指定部位，其他地方别动

这个实验借鉴 SVGEditBench 的局部编辑思路，使用本站自制图形：一个红色圆、一个蓝色方块和一行文字。两道独立题分别要求只把圆改绿，以及只把方块左移 20 个单位。

除看图之外，程序还逐项检查 XML：目标属性是否正确，其他元素、属性和文字是否保留。这样可以识别“重新画了一张很像的图，但顺手改了别处”的情况。本次不是 SVGEditBench 完整数据集成绩。

原线路 A · 只改颜色

新线路 B · 只改颜色

原线路 A · 只改位置

新线路 B · 只改位置

A: 2/2 精确修改与保留检查通过。 B: 2/2 精确修改与保留检查通过。

实验四：物品交换十二局

最后借鉴 BIG-bench 的物品追踪任务：七个人起初各拿一件物品，依次交换 24 次，最后请模型给出所有人的物品。我们用固定随机种子生成十二局新题，并用程序模拟交换得到标准答案。

一局必须七个人全部答对才算通过，同时检查返回内容能否直接按 JSON 解析。这个小实验观察连续状态更新与格式遵循，不能当成 BIG-bench 官方成绩。

A: 原始回答

B: 原始回答

下载所有提示、参数与本地计算的交换题答案

实际使用还要看缓存、首字与长上下文

画图之外，我们还完成了接口验收。以下是本次新线路在指定合成工作负载上的观测，不是长期容量承诺，也不是上面趣味题的耗时：

缓存适合把稳定资料放在前面，把每次变化的问题放在后面。实际命中与否以返回用量为准；缓存是尽力复用，不能保证每次立即命中或一定降低延迟。具体机制可参阅官方缓存说明。

这些结果能帮助你做什么决定？

官方资料能够确认1017是一次模型权重更新，而同名API可以随服务升级。我们的三轮鹈鹕中，两条线路都生成了可辨认的鹈鹕和自行车；原线路完成耗时24.07–40.53秒，新线路70.34–91.75秒，这组样本并不支持“新线路一定更快”。

两组均通过2/2局部编辑检查和2/2弹球运行检查；四份弹球回答都没有遵守只返回HTML的格式要求。十二局交换题，两组都在16K预算内未给出最终答案。由于对照线路的旧版快照没有认证，两组也可能已经使用相同版本。这篇文章不把线路差异归因为1017升级，也不宣布某一组全面胜出。

接入时继续使用现有的 deepseek-v4.1-flash。需要长资料处理，可以先用自己的典型文档做小规模验证；需要完整项目开发，除模型之外，还要给它可用的文件、执行环境和明确验收条件。

这次官方同时开放了 Search/Fetch API，它们是独立接口。不能因为型号更新，就默认第三方 Chat 接口自动具备联网搜索能力。官方能力、服务实际接入能力与某次实验结果，应分别核实。