DeepSeek 叕发布了一个「小」版本：DeepSeek V4.1-Flash-1017，在性能、速度、输出长度三个维度同时改进，同时将内部搜索引擎以 Search & Fetch API 的形式正...

meng shao on X: "DeepSeek 叕发布了一个「小」版本：DeepSeek V4.1-Flash-1017，在性能、速度、输出长度三个维度同时改进，同时将内部搜索引擎以 Search & Fetch API 的形式正式商业化，并深度绑定自家及 WorkBuddy 等第三方 Agent 编程工具生态。 模型发布：一次“小步快跑”式迭代 V4.1-Flash-1017 是对既有 DeepSeek-V4.1-Flash 的增量更新，采用日期后缀命名，属于快速迭代节奏下的版本推进，而非架构换代。 公告强调的三个改进方向「更强的基准表现、更快的任务完成、更短的输出」，第三点尤其值… / X

meng shao

@shao__meng

Show translation

DeepSeek 叕发布了一个「小」版本：DeepSeek V4.1-Flash-1017，在性能、速度、输出长度三个维度同时改进，同时将内部搜索引擎以 Search & Fetch API 的形式正式商业化，并深度绑定自家及 WorkBuddy 等第三方 Agent 编程工具生态。 模型发布：一次“小步快跑”式迭代 V4.1-Flash-1017 是对既有 DeepSeek-V4.1-Flash 的增量更新，采用日期后缀命名，属于快速迭代节奏下的版本推进，而非架构换代。 公告强调的三个改进方向「更强的基准表现、更快的任务完成、更短的输出」，第三点尤其值得注意。模型输出冗长是当前推理模型普遍的成本痛点：同样的任务，输出 token 越少，延迟和费用越低。“性能更高 + 输出更短” 同时成立，才是其所说的“性能与成本的帕累托改进”的真正含义。 训练方法：RL with self-feedback 新模型使用“带自我反馈的强化学习”来提升端到端项目开发能力（从游戏开发到 3D 建模）。这意味着训练目标不再是对话轮次的质量，而是完整任务的最终结果：模型自己生成反馈信号来修正多步骤、长周期的工作流。这与其在 Terminal-Bench 4.0（42.3）、DeepSWE v1.1（77.0）等偏重真实工程环境的基准上的表现定位一致，模型卡的对比对象也集中在 K3、GLM-5.3、GPT-5.6 等同期的 Agent/编程向模型上。 工具生态：抢占 Agent Harness 入口 为 DeepSeek Harness（需升级至 v0.2.1-rc.1 或更高）、腾讯 CodeBuddy、WorkBuddy 等做了适配。DeepSeek API 也直接兼容 Claude Code 和 Codex 的服务端工具调用。 Search & Fetch API：搜索引擎基础设施商业化 商业层面最重要的一条，DeepSeek 把支撑自身产品的内部搜索引擎开放为两个独立 API： · Search API（/v1/tools/search）：返回结构化网页结果，支持 site:、lang:、after: 等检索算子，可附带页面正文。 · Fetch API（/v1/tools/fetch）：抓取单个网页并转为 Markdown，这是 RAG 和 Agent 工具链的标准需求。

DeepSeek

@deepseek_ai

14h

🚀 DeepSeek-V4.1-Flash-1017 is here! Stronger benchmark performance, faster task completion, and shorter outputs than the previous version—a Pareto improvement in performance and cost. Now live on our website, app, and API. 🛠️ Optimized for

@

DeepSeekHarness

, Tencent CodeBuddy,

Show more

12:36 PM · Oct 17, 2026

·

1,447

Views

8

1

10