依意思最接近的 30 筆
DeepSeek 發布新模型 DeepSeek-V4.1-Flash-1017，已在官網、App 和 API 上線。官方稱其基準測試表現更強、任務完成更快、輸出更短，在效能與成本上屬於帕累托改進。該模型針對 DeepSeek Harness、騰訊 CodeBuddy、WorkBuddy 等做了最佳化，DeepSeek Harness 需升級到 v0.2.1-rc.1 或更高版本以獲得最佳體驗。
DeepSeek 發布 DeepSeek-V4.1-Flash-1017，是 DeepSeek-V4.1-Flash 的小版本更新，權重以 MIT 許可開放。官方稱其在推理、程式設計、Agent 與視覺基準上均有提升，同時縮短任務執行時間與輸出長度：Terminal-Bench 4.0 從 31.2 升至 42.3，Apex Bench v1.1 從 64.6 升至 72.1，HLE（無工具）從 36.8 升至 42.6。
DeepSeek 發布新模型 DeepSeek-V4.1-Flash-1017，網頁端、App 與 API 已同步切換。相比上一版 V4.1 Flash，程式碼與 Agent 任務等基準測試全面上漲，同時任務執行時間和輸出長度下降，官方稱其為效能—費用的帕累托改進；完整使用需把 DeepSeek Harness 升級至 0.2.1-rc.1 及以上，新使用者首次登入 Harness 可領 6 元贈金，7 天內有效、限量發放。
DeepSeek 上線 DeepSeek-V4.1-Flash-1017，官方稱其基準測試更強、任務完成更快、輸出更短，在效能與成本上實現帕累托改進，已在官網、App 和 API 提供，並在 Hugging Face 與 ModelScope 開源。該模型針對 DeepSeek Harness、騰訊 CodeBuddy、WorkBuddy 等最佳化，需升級到 DeepSeek Harness v0.2.1-rc.1 及以上獲得最佳體驗。
DeepSeek 上線 V4.1 Flash 1017，552B 總引數 / 16B 啟用 MoE，支援 1M token 上下文，MIT 許可，API 價格維持每百萬輸入 0.30 美元、輸出 1.20 美元，閒時半價。Artificial Analysis 智慧指數升至 45（+6），在開源權重模型中與 GLM-5.3 並列第二，僅次於 MiMo-V2.6-Pro；Code Arena WebDev 與 Agent Arena 均為開源第一。
DeepSeek 於 10 月 17 日把 V4.1 Flash 升級為 V4.1-Flash-1017，網頁端、App 與 API 同步切換，API 呼叫方式不變。新模型引數量 763B，高於 V4.1F 的 552B；Terminal-Bench 4.0 從 31.2 升至 42.3，max 檔每任務平均費用從約 3.3 元降至約 1.3 元，API 單價保持不變，權重以 MIT 許可在 Hugging Face 與 ModelScope 開放下載。
DeepSeek 發布 DeepSeek-V4.1-Flash-1017，該模型通過帶自我反饋的強化學習提升端到端專案開發能力，覆蓋從遊戲製作到 3D 建模的完整流程。官方以演示形式展示實際效果，未在帖文中給出引數規模、上下文長度或 API 價格等資訊。
DeepSeek-V4.1-Flash-1017 已在 Ollama 上線，可通過 Ollama Cloud 呼叫，託管位於美國且承諾零資料留存。該模型在 agentic 任務上表現較強，同時單任務成本更低。
DeepSeek 發布開源權重模型 V4.1 Flash 1017 (Max)，採用 MIT 許可，權重已上傳 Hugging Face，支援文字與影像輸入。在 Artificial Analysis 智慧指數上它得分 45，遠高於同類開源模型中位數 19；總引數 552B、每 token 啟用 16B，上下文視窗 1M token，輸出速度約 230 token/秒。
DeepSeek 以開源方式發布 V4.1-Flash-1017，模型權重已同步上線 Hugging Face 與 ModelScope。官方給出的獲取渠道只有這兩個平台，公告中未提及引數量、上下文長度與許可條款等細節。
DeepSeek 以 Apache 2.0 協議開源了支撐其大規模生產服務的推理框架 DeepInfer，目前僅支援 DeepSeek-V4.1-Flash 一個模型。該框架包含 FlashMLA、DeepGEMM、DeepEP 等最佳化核心，Attention DP 與 MoE EP+EPLB 並行，DSpark 投機解碼（草稿長度預設 5），以及預設開啟的非同步排程、批不變推理、確定性取樣，並支援正則、JSON schema、EBNF 結構化輸出。
DeepSeek-V4.1-Flash-1017 已在 LM Studio Bionic 上線，支援 100 萬 token 上下文與影像輸入，官方稱其價效比很高。該模型由美國境內託管，並提供完整的零資料保留（ZDR）。LM Studio 建議將它用於 coding 任務。
DeepSeek 開源了生產推理棧 DeepInfer，它基於 vLLM 定製、採用 Apache 2.0 許可，支援最長 72 小時 prompt 快取、投機解碼與結構化輸出，相容 NVIDIA 與華為昇騰。官方稱單叢集日處理 155 萬億 token、輸入快取命中率 96%、首 token 延遲 400ms、生成速度 230 token/s，按非高峰電價折算單卡每小時收入 38 美元，毛利率超過 80%、回本週期 81 天。不過 KV 快取管理與負載均衡仍未開源；
DeepSeek 上線 V4.1 Flash 的 10 月 17 日快照版 V4.1 Flash 1017，這是首個基於自研 Causal Encoder-Decoder（CED）架構的稀疏 MoE 模型：552B 總引數，輸入啟用 8B、輸出啟用 16B，影像理解原生內建。
北京時間 10 月 15 日上午 8 點 11 分起，DeepSeek 網頁對話、V4 Pro API 與 V4.1 Flash API 出現部分中斷，官方狀態頁顯示原因已定位並進入修復，故障持續約一小時，第三方監測平台 StatusGator 24 小時內收到 86 條報障。同一時間，名為 DeepSeekHarness 的帳號在 B 站開通主頁，尚未發布內容，官方未說明其與本次故障有關。
DeepSeek 已將自研推理框架 DeepInfer 完整開源。該框架在其生產環境中支撐 DeepSeek-V4.1-Flash 的大規模推理服務，主打高吞吐與低延遲。官方表示，公開這套生產環境所用的推理元件是為了幫社群降低算力成本、減少能耗，讓 AI 更可負擔。推文未給出具體效能數字，硬體支援與部署方式需檢視開源倉庫。
llama.cpp 建置 b11870 加入 DeepSeek-V4.1-Flash（deepseek41）模型支援，同時移除 MXFP8、把 Engram 錶轉為 BF16。同批改動把壓縮 KV 的讀取層改為在快取中只算一次，Engram 行改為圖內 gather（與 qwen4exp 一致）、去掉主機側 gather，top-k 行在稀疏 gather 前先排序，並刪除 LLAMA_DSV41_KV_MIRROR 開關；
位元組 Seed 團隊發現，DeepSeek-V4 系列在 128K 長上下文檢索中的準確率會隨目標資訊的位置以 4 個 Token 為週期起伏，同一條資訊換個位置最多相差 40.2 個百分點，V4-Pro-Base 也有 34.8 個百分點。原因指向其為省記憶體採用的分塊 KV Cache 壓縮：資訊在壓縮視窗內所處相位不同，檢索能力就出現系統性差異，團隊稱之為相位敏感性，並用基於 Qwen3-0.6B 自訓的多種分塊壓縮模型復現了同樣的週期。
Ollama 表示正在把更新後的模型推送給使用 deepseek-v4.1-flash 的使用者，推送範圍由此擴大到該型號。公告未說明新版本號、具體改進內容與完成時間，也未提及是否影響其他模型。
DeepSeek 以 Apache 2.0 開源內部推理框架 DeepInfer 及配套編解碼元件 deepseek-recipe，當前支援 DeepSeek-V4.1-Flash。官方披露單叢集每天吞吐 155 萬億 token，按 API 谷價摺合每卡每小時 38 美元收入，有人以每張 B300 每小時 7 美元租金估算毛利率約 82%。
LM Studio 在 Bionic 中為 DeepSeek-V4.1-Flash-1017 增加了新的美國本土算力，官方稱速率限制問題會明顯緩解。團隊表示仍在繼續擴容，之後會加入更多容量。
llama.cpp 發布 b11890 建置，集中修復 DeepSeek V4.1（DSV4）的支援。該版本中，KV-cache 的 DSV4 K mirror 改用 ggml_backend_tensor_copy 填充，Engram pad id 與 token map 分別移入 llama_hparams 和 llama_model，saver 不再需要 deepseek41 模型類；
有文章提出疑問：DeepSeek 4.1 Flash 為何沒有讓業界感到震動。該文在 Hacker News 上獲得 158 分、127 條評論，討論熱度並不低。原文未披露該模型的引數、定價、基準測試等具體資訊。
DeepSeek 計劃領投具身智慧初創公司 Winverse AI 的數千萬美元種子輪融資，投後估值約 4 億美元（約 28 億元人民幣），美團旗下龍珠資本也作出投資承諾。Winverse AI 今年剛成立，創始人胡瀚是 Swin Transformer 論文共同作者、原騰訊混元傑出科學家，曾負責視覺語言與具身智慧基礎模型團隊。這是 DeepSeek 兩個月內第二次投向機器人領域，此前 8 月以約 1.41 億元入股宇樹科技，並簽署具身智慧與大模型聯合研發的戰略合作備忘錄。
DeepSeek 介紹 DeepInfer 推理引擎，包含高效能核心與最佳化推理引擎、分散式推理與投機解碼、SWA Bounded Replay 和結構化輸出。官方稱未來 DeepSeek 模型的推理程式碼及後續最佳化也將在此發布。帖文未給出效能資料、支援模型或上線時間。
DeepSeek 將其生產環境使用的 token 編碼與解碼元件 deepseek-recipe 開源。該元件的處理邏輯與官方 DeepSeek API 對齊，目的是讓社群自行部署的服務復現相同的 API 行為。這條訊息是該發布執行緒中的第 3 條，官方只給出倉庫連結，未說明許可證與適用範圍。
DeepSeek 強調開放模型、核心與推理，並邀請社群檢視程式碼、參與貢獻和共同建置。推文稱，從私有部署到公有云，團隊都會繼續與社群合作，讓大規模推理更高效。該條為系列第 4/4 條，未給出具體模型、程式碼庫、許可證或時間表。
彭博社報導，DeepSeek 完成約 150 億美元（約 1000 億元人民幣）融資，為中國規模最大的融資輪之一，距美國要求聯邦民事機構移除其技術僅兩天。潛在投資方包括寧德時代和騰訊。該公司 6 月才以 500 億美元估值融資逾 70 億美元，7 月據報又以約 710 億美元估值尋求 15 億美元，並計劃最早明年在中國 IPO；本輪資金將投向 AI 基礎設施與開源模型。
DeepSeek 上線 Search 與 Fetch 兩個工具 API，按每 1000 次成功請求 0.75 美元計費。Search 由其自研搜尋引擎驅動，返回標題、連結、長摘要與網頁正文，支援 site:、lang:、after: 等查詢運算子，單次最多 50 條結果，每條帶 0–3 的重排分與 0–4 的權威度分級；Fetch 把指定 URL 的網頁抓取為 Markdown。
DeepSeek Harness 發布 v0.2.1-alpha.1，新增實驗性 Claude Code Mods 相容層，讓按 Claude Code Mods 介面編寫的擴充套件有機會接入 DSH 外掛系統執行。官方稱該相容層主要用於驗證 Mods API 能力，大致屬於 DSH 外掛能力的子集，暫不提供完整實用相容性；diff、agents-md、sec-default 和 telemetry 仍標註為不可執行。