策略

0.017 美元的智慧體：DeepSeek 的 1017 快照在不降價的前提下降低任務成本

作者：IdeaBosque Engineering最後更新：2026年10月18日

核心要點

2026 年 10 月 17 日，DeepSeek 將 deepseek-flash 名稱背後的模型升級為 V4.1-Flash-1017,呼叫方法與所有牌價保持不變 — 一次同名快照發布(DeepSeek 更新日誌)。穩定別名之下的模型動了，帳單上的價格表沒有。
Terminal-Bench 4.0 五週內從 31.2 跳到 42.3(+11.1),DeepSWE 達 77.0,Automation-Bench 60.5,Agents' Last Exam 35.4——在 Hugging Face 對比卡上均高於 Claude Opus 5(Hugging Face)。
Opus 5 仍在 Terminal-Bench 4.0(51.8 對 42.3)、HLE 無工具(56.3 對 42.6)、NL2Repo-Bench(75.3 對 68.2)與 ProgramBench(37.0 對 29.1)上領先——誠實的解讀是：這是智慧體執行檔位的領先，不是全面前沿冠軍。
官方端點 91.5% 的快取命中率使實際支付的輸入價格接近每百萬 token 0.017 美元(OpenRouter 加權平均，聚合器編譯)——按 DeepSeek 的費率，一次快取命中的成本是一次未命中的 2%(DeepSeek 定價;Local AI Zone)。
同一發布以每 1,000 次呼叫 0.75 美元的價格開放 Search & Fetch,並揭露其搜尋引擎會過濾「SEO 垃圾、GEO 操縱與低質 AIGC」——這是一條平台政策聲明，發布在產品自己的更新日誌裡(DeepSeek 更新日誌)。

2026 年 10 月 17 日，DeepSeek 更換了 deepseek-flash 名稱背後的模型，卻沒動任何牌價。這一組合——新權重、舊價格——正悄然成為智慧體推理中最強的成本槓桿。在 Hugging Face 基準卡上，DeepSeek-V4.1-Flash-1017 把 Terminal-Bench 4.0 從 31.2 提到 42.3(+11.1),在 DeepSWE 拿到 77.0、Automation-Bench 拿到 60.5——均高於 Claude Opus 5——並以更短輸出、更快速度完成任務。DeepSeek 的更新日誌稱其為「多個 harness 上的新性價比帕累托最優」。真正帶錢的部分不是那張基準表：官方端點報告 91.5% 的快取命中率，在快取密集型工作負載下，這把實際支付的輸入價格壓到接近每百萬 token 0.017 美元。本文梳理這次發布交付了什麼、快取算術對一個常開智慧體帳單意味著什麼，以及你的團隊可以控制哪些槓桿。

本文承接此前兩篇報告。推理經濟學：為什麼常開的生產智慧體現在用得起記錄了每 token 成本的坍縮與 10:1 的整合-模型支出比。DeepSeek V4.1-Flash 與無聲的模型置換記錄了 9 月的自動路由事件——一次約 45 小時內宣布又撤回的強制 V4-Pro→Flash 置換。1017 快照是第三幕，性質不同：沒有降價、沒有強制路由，只是同一個端點名稱悄悄換上了更好、執行更便宜的檢查點。本文聚焦這類發布的機制，以及決定它是否真正降低你帳單的快取經濟學。

同名新模型：快照如何落地

DeepSeek 的10 月 17 日更新日誌是一段兩段式的記錄。「DeepSeek V4.1 Flash 已升級至 DeepSeek-V4.1-Flash-1017……API 呼叫方式與定價保持不變——直接使用 deepseek-flash 即可存取最新模型。」舊別名繼續路由，網站與應用程式就地更新,四位數字後綴記錄了日期。整合層面什麼都沒變;變的是它背後的東西。

這是六週內的第三種發布慣例。9 月 10 日發布了一個帶名字的新檔位，擁有獨立價格，外加一個(宣布後又撤回的)把所有 deepseek-v4-pro 流量自動路由過去的計畫——生產風險在於知情同意。約 45 小時後的回撤完全來自使用者壓力：DeepSeek 自己的更新日誌聲明，V4-Pro 服務在 9 月 14 日之後繼續，「計費方式保持不變」。10 月 17 日則是一次快照：不降價、不改路由，一次預設落在穩定別名之下的升級。

這裡的問題不是知情同意——快照是價格不動條件下的無歧義改進，而且 Hugging Face 當天就發布了 MIT 授權的權重，提供 1M token 上下文與2,500 並發請求。但行為漂移終歸是漂移：名稱之下的檢查點變了。應對正如模型置換一文所開的處方，只是少了警報——在每次回應上記錄實際服務的模型，並在快照升級進入生產前用你自己的評測集做回歸測試。你請求過並驗證過的升級是升級;在你沒留意時頂著穩定名稱到達的升級，即便它是一次帕累托改進，也是一次變更事件。

誠實解讀基準卡

Hugging Face 卡將 1017 建置版本與 9 月發布版本、Kimi K3、GLM-5.3、GPT-5.6 Sol 及 Claude Opus 5 放在一起比較。官方行中的模式乾淨地一分為二：

基準	V4.1-Flash(9 月 10 日)	1017	變化	Opus 5	1017 vs Opus 5
DeepSWE v1.1	74.2	77.0	+2.8	74.0	高於
Automation-Bench v1.0.6	54.8	60.5	+5.7	50.3	高於
Agents' Last Exam	31.8	35.4	+3.6	28.6	高於
Apex Bench v1.1	64.6	72.1	+7.5	65.8	高於
Terminal-Bench 4.0	31.2	42.3	+11.1	51.8	低於
HLE 無工具	36.8	42.6	+5.8	56.3	低於
NL2Repo-Bench	65.4	68.2	+2.8	75.3	低於
ProgramBench	20.3	29.1	+8.8	37.0	低於

1017 模型在智慧體執行類基準上登頂：DeepSWE 以 77.0 對 Opus 5 的 74.0(GPT-5.6 Sol 73.0、K3 67.5、GLM-5.3 66.9),Automation-Bench、Agents' Last Exam 與 Apex Bench。它在 Terminal-Bench 4.0、HLE 無工具、NL2Repo-Bench 與 ProgramBench 上仍落後於 Opus 5——所以全面前沿的故事沒有移動。讀卡，不要讀貼文標題：社群貼文把這次發布框成「現在領先所有開放權重模型」,把一個分檔結果壓平成了一個平面結論。卡上的腳註同樣重要——Terminal-Bench 4.0 跑在 Claude Code 框架上，DeepSWE 跑在 Mini-SWE-V2 上，所以 harness 的選擇也是本頁每個數字的一部分。

對成本最重要的變化不是一項基準分數。DeepSeek 的更新日誌說明，輸出長度與任務執行時間隨改進一併縮短——「使使用者以更低的成本和更高的速度完成任務」。每任務更少的輸出 token 與更少的重試直接削帳單，而價格未動。發布文中的 DeepSWE 每任務成本圖以視覺方式表達了同一點：pass@1 分數對每任務成本作圖，而不是對每 token 價格作圖。

91.5% 的快取命中率才是真正的價目表

DeepSeek 的 Flash 檔費率卡沒有變化：未命中輸入非高峰 $0.15/百萬 token、高峰 $0.30;快取命中輸入非高峰 $0.003、高峰 $0.006;輸出 $0.60/$1.20。一個被快取的輸入 token 的成本是一個未快取 token 的 2%——在兩個時段都低於未命中價 89.7%。非高峰到處都是高峰價的一半，而且每個週末小時、每個中國法定假日都算非高峰——一個大多數團隊從未拉動的排程槓桿。

變化的是命中頻率。一份對官方端點 OpenRouter 資料的彙編報告了 91.5% 的快取命中率,使實際支付的加權輸入價格接近每百萬 token 0.017 美元(Local AI Zone,聚合器彙編——把這一數字當作一個端點的觀察值，而非保證)。算術與費率卡核對一致：按 91.5%,實際輸入落在非高峰 $0.0155、高峰 $0.031(0.915 × 命中 + 0.085 × 未命中),聚合器的全時段加權值落在這個區間內。按此有效費率，一個每月輸送十億輸入 token 的生產智慧體——長上下文每輪都要重讀，這正是智慧體迴圈的常態——在非高峰時段支付約 $15.49,而純未命中價格將為 $150.00:一個 10 倍的降幅，卻從未以「降價」的名目出現。

三個誠實的限定條件約束這一結論。91.5% 的命中率專屬於官方端點及其流量構成——快取命中率隨供應商以及工作負載複用上下文的方式而變。它與工作負載相關：每一步都重寫 prompt 前綴的工作流程贏得不了多少命中，無論該端點的均值是多少。而且它是一種觀察，不是 SLA——DeepSeek 記錄的是價格，不是命中率。結論在經過這三重限定後依然成立：對快取密集的智慧體流量，有效輸入價格是你如何組織上下文的函數，而不只是你選擇哪個模型的函數。

正因如此，這次發布應讀作一次快取經濟學事件，而不是一次降價。Claude Haiku 5.5 的子智慧體檔以 $0.10 定價(10 月 7 日),直接坍縮了每 token 成本;Sonnet 5.5 的發布則表明，當 token 計數膨脹 7 倍時，便宜的單一 token 仍可能意味著昂貴的單一任務(效率陷阱)。DeepSeek 的 1017 快照攻的是另一半：同樣的 token 價格、更短的輸出、更快的完成——以及一個把智慧體流量天然存在的上下文複用轉化為一整個數量級輸入折扣的服務層。只逛價目表的團隊會錯過第二個機制。

下面的一分鐘說明把這次發布放到了一頁上：

Search and Fetch:同一次發布為智慧體的網路存取定價

快照的另一半是基礎設施。DeepSeek 的更新日誌把其自研 Search and Fetch API 以每個端點 0.75 美元/1,000 次成功呼叫的價格向所有人開放——搜尋結果附帶權威性與新鮮度評分,fetch 回傳 Markdown 格式的頁面內容。在 DeepSeek Harness、Claude Code 與 Codex 中經伺服器端工具發起的呼叫免費，計費自 2026 年 10 月 31 日 16:00 UTC(北京時間 11 月 1 日 00:00)開始。在公開的「每天數以億計的搜尋請求」與「數千億網頁索引」規模下，這是商品價格身後的真正引擎。

更新日誌的這段話裡，有一份對每個為 AI 引用面做最佳化的人都值得歸檔的揭露：DeepSeek 聲明其搜尋引擎以嚴格的偵測機制「過濾 SEO 垃圾、GEO 操縱與低質 AIGC,確保為使用者與 LLM 提供權威可信的資訊」(更新日誌，10 月 17 日)。把它讀作買方政策，而非廠商的客套：一個同時服務自家與第三方智慧體的主要實驗室，現在把生成式引擎最佳化(GEO)操縱公開標註為一類被過濾的缺陷。當餵給模型答案的那一層把 GEO 技巧當垃圾過濾，持久的引用策略就仍是這個站一直以來的那條——一手來源、可驗證的數字、生成器可以直接引用的文字——而不是瞄準檢索層的小聰明。

你的團隊能控制的四個槓桿

模型側的這次發布對每個團隊都可用;但只有工作負載配合，經濟性才會動：

以 token 前綴穩定性為目標設計 prompt。 快取命中靠逐位元組相同的上下文複用贏得：穩定的指令、schema 與檢索到的文件放在易變內容之前，每一步都不重寫前綴。91.5% 的命中率是快取友好的流量構成所能達到的水準;逐步改寫前綴的智慧體夠不著。
在每次回應上記錄實際服務的模型。 deepseek-flash 別名如今提供的檢查點與上週不同。記錄真實的模型版本——而不是請求的名稱——讓稽核線索在快照漂移中倖存，並讓後備路由層保持待命(模型置換一文)。
用你自己的評測集對快照做回歸測試。 Hugging Face 上的 MIT 權重讓每個快照都可重現：固定你驗證過的檢查點，把你的工具呼叫與輸出格式測試跑在新檢查點上，並按你的日曆——而不是廠商的——晉升。
按每任務成本路由，而不是牌價。 測量每完成任務的輸出 token 以及快取折後輸入價。低牌價但命中率低的模型會輸給牌價更高、服務層快取你上下文的模型(每任務成本算術)。

一個代表性建置

一家中型分銷商營運著一個 7×24 的報價準備智慧體，每週 200 份 RFQ。其工作流程在每個 RFQ 上重讀供應商目錄與報價規則上下文——正是快取為這種存取模式而建。該建置使用一個 MCP 模組承擔 ERP 與目錄層，A2A 委託給供應商報價智慧體，再用一個路由層固定 deepseek-flash、在每個呼叫上記錄實際服務的檢查點，並在每次快照晉升前跑報價格式回歸套件。結構化上下文與穩定前綴把快取命中率推向官方端點觀察值的區間——這讓 ~$0.017/1M 的實際輸入成為現實而非宣傳數字——1017 快照更短的輸出與更少的重試再在其上壓低每份完成報價的成本。

申請一次範圍明確的建置。 一週調研：系統清單、工作流程圖與固定範圍——無論你是否與我們共建。