DeepSeek 用十分之一成本拿了开源第一

一个开源模型同时站在两个 Arena 榜的前十附近，价格还是对手的十分之一。这两个数字放在一起，才是这次值得看的地方。

一、发生了什么

2026 年 10 月 17 日，DeepSeek 把 V4.1 Flash 升级为 DeepSeek-V4.1-Flash-1017，网页端、App 和 API 同步替换，调用方式与价格不变，仍用 deepseek-flash 访问。API 定价为每百万输入 token 0.3 美元、输出 1.2 美元。

10 月 18 日，Arena 公布 Code Arena: WebDev 结果：得分 1670，开源第一，总榜第 12，排在 Claude Opus 5（High）之前，距离 GPT-6 Sol（Max）约 10 分以内。Arena 同时给出对比：它的使用成本比此前占据开源首位的 Kimi K3（Max）低约 10 倍。

10 月 19 日至 20 日，Agent Arena 结果公布：同一模型开源第一、总榜第 11。这个榜统计真实使用会话——7,498 次，综合净改善 5.13%，单任务成本中位数约 0.18 至 0.19 美元。分项里任务成功确认 11.54%（总榜第 8）；工具幻觉 0.48%，这一项越低越好，排第 7。

对照 9 月 10 日那版：Agent Arena 总榜第 20，净改善 2.56%，单任务成本中位数 0.14 美元。名次上来了，成本也涨了。

规格据 Crypto Briefing 报道：MoE，主干 5520 亿参数，另加 1960 亿 Engram；预填激活 80 亿，解码激活 160 亿；上下文 100 万 token；权重以 MIT 许可发在 Hugging Face。DeepSeek 官方称相比 9 月版，DeepSWE v1.1 从 74.2 升到 77.0，Terminal-Bench 4.0 从 31.2 升到 42.3，Automation-Bench 从 54.8 升到 60.5——这些是官方自测。

二、跟你有什么关系

要选编码模型的团队。 这是目前性价比最靠前的一档。但两个榜测的都是网页与代码任务，你们的私有框架它没测过。

预算敏感的独立开发者。 0.3/1.2 的定价改变了跑量实验的成本结构；先按真实任务的 token 消耗重算一遍。

做 Agent 产品的团队。 Agent Arena 的分数来自真实会话，比题库更接近生产；但 5.13% 是相对平均模型的净改善，不是成功率。

三、怎么判断

1. 先分清两个榜：Code Arena 测前端与编码，Agent Arena 测带工具的会话。场景更接近哪个就看哪个。
2. 按单任务成本算，不只按 token 价算。Agent Arena 给的中位数含重试与工具调用。
3. 自己也跑一遍。挑 20 个改过的真实工单，记录一次通过率、平均轮数和 token 消耗。
4. 看工具幻觉。0.48% 意味着约每两百次工具调用会出现一次「编造不存在的工具」，上线前要加校验。

四、三个别信的说法

「开源第一等于总榜第一」。 开源第一是分类第一，总榜上它排第 11 和第 12，前面还有 GPT-6 Sol、Claude Opus 5 这类模型。

「成本只有十分之一」。 这个十倍是 Arena 拿它和 Kimi K3（Max）比出来的使用成本，不是所有场景的通用比例，也不是单 token 价格之比。换任务、换工具链，比例会变。

「Agent Arena 第一说明能全自动干活」。 5.13% 是相对平均模型的净改善，不等于任务成功率。它排到前面的是「确认成功」和工具可靠性，不是端到端交付。

五、一句话结论

这一版真正改变的是选型时的价格锚：开源模型第一次在编码和 Agent 两个榜上同时站到前十附近，而且便宜一个量级。

信息来源

• DeepSeek V4.1 Flash-1017登顶Agent Arena开源榜，总榜第11 - 凤凰网科技，2026 年 10 月 20 日
• DeepSeek-V4.1-Flash登顶开源榜首 - 网易，2026 年 10 月

功能与价格以官方公告为准。本文写于 2026 年 10 月 22 日。