中國AI企業DeepSeek（深度求索）於2026年10月17日推出輕量模型「V4.1 Flash」的更新版「DeepSeek-V4.1-Flash-1017」。名稱中的「1017」代表推出的日期。從同一天起，DeepSeek的網站、App與API都已切換為新版本。同時，DeepSeek首次對外開放「Search & Fetch API」，讓外部開發者能使用其自行開發的搜尋引擎。
V4.1-Flash-1017有哪些改變
DeepSeek將這次更新的特色概括為「評估成績提升、更快完成工作、輸出更精簡」。公司表示，這次採用「強化學習」的方法進行追加訓練，也就是讓模型以自己產出的結果為線索，透過反覆試錯持續進步。
在API中，模型名稱沿用原本的「deepseek-flash」，並切換為新版本。DeepSeek表示，API的呼叫方式與價格都沒有改變。若要發揮最佳效能，DeepSeek建議使用其代理軟體「DeepSeek Harness」的0.2.1-rc.1以上版本。
模型權重（訓練完成的模型資料）也已在Hugging Face與ModelScope上公開，採用可自由商用的MIT授權。根據Hugging Face上的模型卡，這個模型總參數為7630億（763B），一次能讀取的內容量（上下文）為100萬token。
效能評估
DeepSeek公布的主要結果如下。這些結果都是DeepSeek自行測量，比較對象為OpenAI的GPT-5.6 Sol、Anthropic的Claude Opus 5、月之暗面Moonshot的Kimi K3，以及Z.ai的GLM-5.3。
- DeepSWE v1.1（軟體開發）：77.0。前一版為74.2，在比較的模型中最高（Claude Opus 5為74.0，GPT-5.6 Sol為73.0）
- Terminal-Bench 4.0（命令列操作）：42.3。前一版為31.2，不及Claude Opus 5的51.8
- HLE（專家級難題，不使用工具）：42.6。前一版為36.8。Claude Opus 5為56.3，GPT-5.6 Sol為44.5
- Apex Bench v1.1：72.1。前一版為64.6，在比較的模型中最高
DeepSeek表示，Terminal-Bench 4.0是在Claude Code的框架下測量，DeepSWE v1.1則是在名為Mini-SWE-V2的框架下測量。雖然在DeepSWE等部分程式設計評估中，它在比較的模型裡得分最高，但在同一張表中的ProgramBench（29.1，Claude Opus 5為37.0）、NL2Repo-Bench（68.2，Claude Opus 5為75.3）等其他程式設計評估，以及難題與命令列操作方面，仍落後Claude Opus 5。
可使用自家搜尋的「Search & Fetch API」
同時開放的Search & Fetch API，讓開發者能從自己的應用程式或AI代理中呼叫DeepSeek自行開發的搜尋引擎。它分為用於網頁搜尋的「Search」，以及用於擷取指定網頁內容的「Fetch」兩部分。
- 價格：每1,000次成功請求0.75美元
- 限制：Search與Fetch皆為每秒最多5次（Fetch另有針對各網站的上限）
- 免費期間：透過DeepSeek Harness、Claude Code或Codex，作為DeepSeek伺服器端工具使用時，在北京時間2026年11月1日0時（日本時間同日1時）開始計費前免費。直接呼叫API則從一開始就會收費
關於從日本使用以及日文搜尋的品質，目前沒有特別說明。
CoAI編輯部觀點
DeepSeek這次延續了在不調整價格的情況下提升效能，並以MIT授權公開權重的方針。DeepSeek表示它在DeepSWE等部分程式設計評估中超越其他公司的頂級模型，對於想控制成本、把程式設計工作交給AI的開發者而言，是很有力的選擇。開放自家搜尋API，可以說是讓開發者能在單一公司的服務上，一次打造內建搜尋功能的AI代理的一步。
另一方面，這些評估數字是DeepSeek自行測量的。在其他程式設計評估、難題與命令列操作方面仍有差距，若要用於業務，最好先在自己的工作上試用後再做判斷。使用DeepSeek的API時，也需要確認使用條款，例如傳送的資料會在哪裡處理等。
資料來源
- DeepSeek-V4.1-Flash-1017: Wish-Driven Programming Made Real（DeepSeek API Docs）
- Change Log（DeepSeek API Docs）
- Search & Fetch（DeepSeek API Docs）
- deepseek-ai/DeepSeek-V4.1-Flash-1017（Hugging Face）
- Deepseek V4.1 Flash 1017 beats larger rivals in agentic tasks while once again massively cutting per-task costs（The Decoder）
