刚刚，DeepSeek双王炸！许愿式编程暴击GPT-6 Astra

新智元报道 DeepSeek周末突袭！ 就在刚刚，DeepSeek官宣V4.1 Flash大升级，DeepSeek-V4.1-Flash-1017全面上线。 这次更新的核心， 直接瞄准「许愿式编程」！ 目前，DeepSeek网页、App、API同步更新，模型价格不变，权重也已开放下载。 基准测试中，对标上一版，V4.1-Flash-1017的性能，全方位起飞。 在编程DeepSWE v1.1上，V4.1 Flash拿下了77%最高分，暴击GPT-5.6 Sol、Claude Opus 5。 更恐怖的是，它的得分碾压GPT-6 Astra（74%），平均任务成本却只有约0.2美元。 用官方的话来说，这次升级实现了性能与成本的「帕累托改进」。 而且，V4.1-Flash-1017不仅跑分更猛、干活更快，回答比上一代更精炼。 DeepSeek公布的故宫3D建模演示中，镜头掠过红墙金瓦，从高处俯瞰院落，再转到城门前。 建筑、广场、河道和天空，组成了可以从不同角度观看的立体场景。 许愿式编程，一键成真！ 全新DeepSeek V4.1，代码跑起来了 故宫之后，DeepSeek又给出了一款网页版赛车游戏。 开场能选车，青蓝色跑车和紫红色跑车轮番登场。倒计时结束，赛车冲上霓虹灯照亮的城市道路，右侧速度表跟着变化。 视角还能从车尾切进驾驶舱。方向盘、后视镜、仪表盘都出现在眼前，跑完一场比赛，最后还有结算界面。 选车、开赛、驾驶、结算连成一段流程，演示展示了一场比赛从开始到结束的过程。 接着登场的是基于Godot引擎开发的《传送门2》复刻。 白色测试舱里，角色以第一人称移动，拿起方块，经过亮蓝色通道，再走到下一扇门前。熟悉的实验室标识、传送门装置和机械结构，也都出现在画面里。 第四个项目Valley of Ages，展示了从史前到现代的城市变化。 一条河贯穿画面，河边的聚落不断换模样。青铜时代出现阶梯式建筑，古典时代有了圆形竞技场，中世纪长出城墙与城堡；再往后，工厂、桥梁、高楼接连出现。 同一块场景，从史前走向现代。它把历史变化做成了一段立体的动态展示。 DeepSeek把这次从零开发能力的提升，归因于 基于自反馈的 强化学习 训练 。 强化学习利用反馈来调整模型行为，这次官方强调的是「自反馈」，希望模型在游戏开发、3D建模等任务上更好地构建完整项目。 「许愿式编程」要好用，模型就得把场景、操作和反馈都做出来。个人开发者拿到能运行的原型后，才能接着改玩法、调画面，决定这个点子要不要继续做。 编程暴击GPT、Claude，升级不加价 官方公布的新旧版本对比中，Terminal-Bench 4.0从31.2升到42.3，ProgramBench从20.3升到29.1，DeepSWE v1.1从74.2升到77.0。 在这张官方对比表里，新版的DeepSWE、Automation-Bench、Agents’ Last Exam和Apex Bench四项成绩，均高于表中列出的其他对比模型。 开发者选模型时，还会关心 完成同一个任务要花多少钱。 DeepSeek同时公布了DeepSWE v1.1的性能与成本图。横轴是每任务平均费用，纵轴是Pass@1通过率，测试框架为mini_swe_v2。 从图上看，新版max档通过率为77%，平均每任务费用在1元到2元之间；旧版max档通过率为74.2%，平均费用在3元到4元之间。 也就是说，在这项评测中，新版通过了更多任务，平均每任务费用还更低。 DeepSeek把它称为「性能—费用的帕累托改进」，并表示新版在多个Harness下都改善了性能与费用的组合。 官方称，新模型还缩短了任务运行时间和输出长度，让用户以更低成本、更快速度完成任务。 模型API的调用方式和单价都没变，继续用deepseek-flash就能调用新版。输出更短、任务结束得更快，省下的就是token费用和等待时间。 编程Agent的实际开销，还取决于输出多少、要尝试多少次。 同一项任务能不能做成、最终花了多少钱，得一起算。 权重开源，千亿网页搜索也开放了 DeepSeek公布了Hugging Face与ModelScope两处权重地址。Hugging Face官方仓库已经上线1017版本，并注明代码仓库与模型权重均采用MIT许可证。 一起开放的还有 自研搜索API 。按官方介绍，这套引擎索引了全球千亿级网页，每天处理数亿次搜索请求，支持多语言，并针对SEO作弊、GEO操纵和低质AIGC进行识别过滤。 开放的Search和Fetch两个接口，分别负责找网页和抓取网页正文。开发者可以让Agent先检索，再读原文。 两个接口分别收费，价格都是 5元/1000次 。成功且有结果的搜索、成功取得正文的抓取才计费；失败、超时或空结果不收费。 还有一个时间点需要