DeepSeek-V4.1-Flash-1017 发布要点：Terminal-Bench 4.0 从 31.2 升至 4
逐条整理小版本更新：HLE 42.6、DeepSWE 77.0、Automation-Bench 60.5、1M 上下文，MIT 权重上 Hugging Face，并提醒无 Jinja 模板。
1/6 一次小更新，Terminal-Bench 4.0 分数从 31.2 涨到 42.3。 🔥 今日 AI 新项目：DeepSeek-V4.1-Flash-1017 DeepSeek 刚发布的开源模型小版本更新：能看图、能写代码、能当智能体。 👇 一条条讲清楚 2/6 ✅ 核心功能 1️⃣【推理】HLE 测试 42.6 分，旧版 36.8 2️⃣【写代码】DeepSWE 77.0，ProgramBench 29.1 3️⃣【智能体】Automation-Bench 60.5，旧版 54.8 4️⃣【看图】BabyVision（带工具）92.5 3/6 怎么做到的？ ▸【小版本】在 V4.1-Flash 上做的小更新，不是全新模型 ▸【更省】完成任务更快、输出更短，所以更省钱 ▸【记性大】上下文窗口（一次能读的内容）达 1M tokens ▸ 技术报告标题提到【KV Cache 压缩】 4/6 怎么上手 ▸ 协议：MIT 开源 ▸ 权重在 Hugging Face，inference 文件夹有本地运行说明 1️⃣ 下载权重，按说明转换格式 2️⃣ 用官方 http://encoding.py 或 deepseek-recipe 拼好提示词 3️⃣ 推荐参数：temperature 1.0，top_p 1.0 5/6 💡 亮点 ▸ Automation-Bench 等测试，分数超过表里的 Opus 5 ▸ 任务完成更快、输出更短 ⚠️ 注意 ▸ 没带 Jinja 聊天模板，要用官方工具拼提示词 ▸ 跑分是官方自测；硬件要求 README 没写 6/6 📌 一句话总结：DeepSeek V4.1-Flash 的小升级，写代码、当智能体都更强，还是 MIT 开源。 适合：想本地跑开源模型的开发者、做 AI 智能体的人 🔗 https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017 #AI #开源