DeepSeek V4.1 Flash 1017 breakdown: 77% DeepSWE at ~$0.20/task

解意 JIE YI @jieyi_aiOriginally posted 2026.10.18

Open original on X

刚刚，全球AI霸权的平衡彻底崩坏了。这真的太危险了。 下周一的AI相关股票可能不只是暴跌那么简单…。 到底什么这么震撼，我来认真解説。 看来一切都彻底变了…。 ■发生了什么 DeepSeek v4.1-Flash 1017 这个模型公开了。它会摧毁全球AI格局。超危险的模型。 简单解释一下这个模型是什么， 就是中国实验室突然推出一个在某些方面超越前沿模型（SOTA级）的模型。 问题在于它的性能、价格和尺寸以及机制 这些都真的具有颠覆性，所以一个个来聊。 ■性能 不是说它在所有领域都超过Opus5.5了。 但DeepSeek v4.1-Flash 1017 完全是SOTA级 DeepSWE 这个基准测试最震撼吧。 - 这次的Flash：成功率77%，约0.20美元／任务 - GPT-6.1 Sol 最高分的设置：约75%，约0.65美元／任务 也就是说，在这个比较中，用大约三分之一的费用，成功率还略高。对于需要大量实施和修改的应用场景，差距巨大。 话说，成功率超过Sol 的事实本身就很危险啊。 ■价格 粗暴点说，几乎免费。<夸张了点 INPUT$0.15 Output$0.3 比如输入10万＋输出1万 token 的例子 比Sol 便宜约86〜93%，比Opus 便宜约93〜97% 如果用DeepSeek的harnes，我自己的使用中，输入的缓存命中率有时能达到99%。 实际上更便宜。 过去我确实说过想用Astra、Opus、Fable像流水一样随便用，但也没想到能做到这个程度。 真的，怎么说呢，超级便宜。 实际感觉大概便宜200倍吧。 ■尺寸 这么危险的模型的开源权重同时免费公开了。 它的尺寸是763B。权重だけで约510.3GB 比如美国的顶级模型据说有10T那么大，虽然不是公开信息所以不确定。Kimi K3 之类的有2.8T 总之，尺寸小得离谱。 参数数量越多，计算就越需要计算资源和电力，所以成本越高。 美国的AI模型就是傻乎乎地囤积计算资源，用蛮力解决问题。 这么轻的话，已经是能在家普通电脑上跑的水平了。 实际上，用DGXSpark × 4台或者MacStudio 512GB 应该能跑。 就算没有那种夸张的数据中心，前沿模型也能跑起来了。 ■机制 这里是相当令人惊讶的点。 DeepSeek-V4.1-Flash 本身原本就存在。 嗯，还算有点受欢迎。因为真的便宜，性能也还行，所以挺受欢迎的程度，差不多那样。 官方说，他们用带自我反馈的RL强化了原本的模型。 嗯，详细解释就省略了。总之，就是对已存在的模型后期调整，结果性能提升到离谱的程度。 令人震惊的是，通过对现有模型的后训练，一边提高开发任务的成功率，一边还减少了处理时间和输出量。性能提升了，还降低了使用者的费用。这种性能提升方式太夸张了…完全搞不懂… 必须承认，DeepSeek的实验室现在是世界上最顶尖的AI实验室。

This post quotes another post: x.com/deepseek_ai/status/2111375640717033777