依意思最接近的 30 筆
DeepSeek V4.1 Flash 1017 以 MIT 許可發布，552B 總引數、16B 啟用的 MoE，支援 100 萬 token 上下文，API 價格維持每百萬輸入/輸出 token 0.30/1.20 美元，快取命中 0.006 美元。Artificial Analysis 智慧指數提升 6 分至 45，與 GLM-5.3 並列開源第二，Code Arena WebDev 與 Agent Arena 均為開源第一，非幻覺率從 4% 升至 33%。
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 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 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 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 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。
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 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。
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。
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。
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。
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。
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。
DeepSeek 的 Search 與 Fetch API 現已向所有人開放，由自研搜尋引擎驅動，全球日均處理數億次請求，每個端點定價為每 1000 次呼叫 0.75 美元。通過 DeepSeek Harness、Claude Code 和 Codex 中的服務端工具發起的 Search 與 Fetch 呼叫，目前對 DeepSeek API 使用者免費，計費自 2026 年 10 月 31 日 16:00 UTC 開始。
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 網頁與 API 今日上午大面積中斷近 5 小時，官方隨後按過去 7 天 API 使用量向使用者發放贈送餘額補償。中斷從早上 8 點左右開始，對話服務、V4 Pro API、V4.1 Flash API 均受影響，9 時左右定位原因，12 點 50 分左右完成修復。社交網路上曬出的補償金額從幾元到 300 多元不等，幾乎人人有份。
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 官方推出 DeepSeekHarness 的打包桌面版本，覆蓋 macOS 與 Windows 兩個平台。Linux 使用者可通過 npm 上的 @deepseek-ai/dsh 包獲取。官方在社交帳號上公布了這一訊息，並給出下載地址 deepseek.com/harness。
DeepSeek 彈性計算團隊大量招聘，尤其需要資深工程師，併發布技術報告《DeepSeek 彈性計算（DSec）：面向大規模 Agent 訓練的沙盒基礎設施》。DSec 支撐 DeepSeek-V4 全部訓練、評測和資料預處理，單個分片約 160 臺伺服器、3 萬 CPU 核心、250TB 記憶體，每天服務約 300 萬個沙盒，高峰線上超 38 萬個，每秒建立 5000 多個。團隊接下來要把 Agent 執行環境的數量和種類擴充成百上千倍。
Kling 4.0 於 10 月 15 日晚正式上線，原生影片生成時長提升至 30 秒。新增的全能參考支援圖片、影片與角色主體組合輸入，一次任務最多 15 項參考素材（圖片 10 張、影片 5 段且總時長不超過 30 秒，最多 7 個主體），也能針對特定元素區域性改片。同時推出主打速度與成本的 Kling 4.0 Flash，單次生成 3—20 秒；
開發者 FeiZ 發布基於 DeepSeek Harness 的民間外掛 ds-bot，可把多個 Bot 組成團隊，每個 Bot 擁有獨立名稱、職責、指令、形象與可切換的模型，並具備持久化長期記憶。它支援設定 Main Bot 主管，訊息預設由主管回覆並排程其他 Bot，以降低群聊的 token 消耗；記憶以 Markdown 檔案儲存，每輪對話後自動審查增刪改，資料儲存在本機 DSH 目錄的 bot/ 與 sessions/ 中。
Gemini 3.7 Flash 已棄用，由 gemini-3.8-flash 取代，API 請求會自動路由到新模型，Google AI Studio 中也不再可選；同樣棄用的 gemini-3.5-flash 則被路由至 gemini-3.6-flash，開發者需更新模型字串。
MiniMax M3.1 Flash 已在 Ollama 上線，可通過 Ollama Cloud 用 ollama run minimax-m3.1-flash:cloud 直接呼叫。官方稱該模型在美國託管、零資料保留，主打快速編碼與 agentic 工作流，支援影像理解和 100 萬 token 上下文視窗。它也能以 ollama launch claude 或 ollama launch codex 指定該模型，接入 Claude Code 與 Codex 使用。
阿里通義千問官方帳號轉發並祝賀 LightSeek 的 TokenSpeed 推理成績：Qwen3.8-Flash-Next 在輝達 GPU 上實現單使用者 685 output tokens/s。官方稱該結果令人印象深刻，並表示期待社群繼續釋放 Qwen 的推理潛力。這一數字指向 Qwen3.8-Flash-Next 在推理側的吞吐表現。
Mistral AI 稱 Mistral Large 4 在 AutomationBench 上完成 657 個業務工作流，成績領先 Kimi K3、MiMo-V2.6-Pro 與 DeepSeek V4 Pro。該基準的任務跑在模擬辦公應用中，涵蓋 Gmail、Google Sheets、Slack 與 Salesforce 四個工具。帖文未披露具體分數、評測日期與配置細節。