梁聖又掀桌了！DeepSeek新模型斬殺GPT-6，許願式編程時代降臨
作者 | 楊京麗 編輯 | 李水青 10月17日報道，剛剛，DeepSeek V4.1 Flash更新至V4.1-Flash-1017版本，官方網頁端、App與API已同步更新至新模型，模型權重也已在HuggingFace和ModelScope開放下載。DeepSeek還向公眾開放自研搜索引擎的Search（搜索）與Fetch（抓取）API，兩個接口均定價為5元/千次。此次更新距離該模型發佈僅過去一個多月。9月10日，DeepSeek正式推出V4.1-Flash，在性能上超越了DeepSeek-V4-Pro。開源地址： HuggingFace: https://huggingface.
co/deepseek-ai/DeepSeek-V4.1-Flash-1017 ModelScope: https://modelscope.cn/models/deepseek-ai/DeepSeek-V4.1-Flash-1017 模型更新主要圍繞性能、任務執行效率和完整項目開發能力展開。DeepSeek稱，相比上一版本，新模型在多項基準測試中取得提升，同時縮短了任務運行時間與輸出長度，讓用戶以更低成本、更快速度完成任務。
在衡量軟件工程能力的DeepSWE、業務自動化能力的Automation-Bench、複雜任務執行能力的Agents’ Last Exam，以及專業知識工作能力的Apex Bench四項測試中，新模型展現出較大優勢，領先Kimi K3、GLM 5.3、GPT 5.6-Sol和Claude Opus 5等模型。在DeepSWE v1.1測試中，新模型max檔位的單次任務通過率達到77.0%，得分超GPT-6 Astra、GPT-6.1 Sol、Gemini 3.8 Flash、Claude Opus 5等模型，較V4.1-Flash上一版本提高2.8個百分點，每項任務平均費用則從約3.
3元降至約1.3元，下降約六成。新模型在多個Harness下達到了新的性能-費用帕累托最優，即以更低成本取得更好的任務表現。就在模型更新前兩天，10月15日，DeepSeek曾發生近5小時的API服務中斷。服務恢復後，DeepSeek致歉並公佈補償方案，將用戶10月8日至14日的消耗金額以贈金形式全額返還，自動到賬。服務中斷時，就有網友猜測是不是要發新模型了。如今，V4.1-Flash-1017正式上線，滿足了大家的心願。評論區中，大家討論DeepSeek在“揹著我們偷偷進步”。還有用戶分享使用感受稱：“模型突然變強了，幾分鐘就完成了自己的大作業。” 一位海外開發者稱，DeepSeek-V4.
1-Flash-1017的運算速度達到了每秒244個Token，這太不可思議了！它甚至比GPT-6.1 Sol的超快模式還要快，同時還擁有與GPT-5.6 Sol相當的智能；並真誠發問：開發出如此高效又便宜的模型有什麼秘訣？有的開發者甚至覺得：“這個模型都可以改名叫DeepSeek-V4.2-Pro。” 本次更新還針對DeepSeek Harness、騰訊CodeBuddy和WorkBuddy等平臺框架進行了優化。DeepSeek Harness同步更新至0.2.1版本以適配新模型，官方建議用戶升級至0.2.1-rc.1及以上版本。
符合活動條件的用戶首次登錄使用DeepSeek Harness，可獲6元贈金，無需充值即可體驗。贈金限量發放，到賬後7天內有效。在編程方面，新模型通過基於自反饋的強化學習（RL）訓練，增強了從零構建完整項目的能力，覆蓋遊戲開發、3D建模等場景。DeepSeek稱，新模型支持用自然語言描述需求的“許願式”編程請求。用戶僅需較少提示詞與參考素材，即可在較少交互輪次下完成項目。▲官方案例1：故宮 3D 建模展示效果（圖源：DeepSeek） ▲官方案例2：網頁版賽車遊戲開發效果（圖源：DeepSeek） 模型更新後，有網友用新模型製作了“鵜鶘騎自行車”作品。
畫面採用復古旅行海報風格，以墨綠、淺綠與暖黃色搭配，將騎車的鵜鶘與海岸公路、燈塔等元素融合，整體構圖完整、配色協調。但局部結構仍有瑕疵：自行車坐墊與鵜鶘身體的邊界不清，似乎融為一體，腳部與腳踏的銜接也不夠自然。此外，搜索服務也是此次更新的另一重點。DeepSeek稱，DeepSeek搜索已索引全球千億級網頁，每天處理數億次搜索請求，支持多語言搜索，並針對SEO作弊、GEO操縱和低質AI生成內容進行過濾。本次新版本發佈DeepSeek API新增對Search（搜索）與Fetch（抓取）接口的支持，相關能力正式向公眾開放。兩個接口價格均為5元/千次。
需要注意的是，目前用戶在DeepSeek Harness、Claude Code和Codex中使用DeepSeek API時，通過服務端工具調用訪問的Search/Fetch接口暫未計費，這部分調用將於北京時間11月1日00:00起按次收費。
Related
相關文章
認識 Voxel51 3.0：為實體 AI 打造的統一多模態資料平臺
Voxel51 已發布 Voxel51 3.0，這是其資料平臺的一次重大更新。Voxel51 3.0 是一個端對端的多模態資料平臺，將搜尋、篩選、標註和評估整合於單一系統中。該平臺鎖定針對機器人、車輛和工廠感測器資料進行模型訓練的團隊。此次發布新增了 Voxel51 Agent、資料溯源層及免費的自助式存取。重點摘要：規模：Voxel51 Agent 內建超過 45 個 MCP 工具、80 多個運算子及 18 個開源技能。執行環境：可於 app.voxel51.com 使用託管網頁應用程式，或於雲端、混合、地端及隔離環境中自行部署。未揭露本機 GPU 需求。效能：未發布產品基準測試。Voxel51 引用其自身調查數據作為依據。最佳亮點：免費方案包含 Voxel51 Agent、每月 30,000 次推論請求及 30 個運算小時。
本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態
導航SecureDoc // EncryptionActive本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態。
下一概念建模把文本生成提速最高31倍
斯坦福等聯合提出全新文本生成範式 NCM，生成速度狂飆 31 倍AIbase基地發佈於AI新聞資訊 · 1 分鐘閱讀 · Oct 16, 202633人工智能領域的文本生成技術迎來顛覆性創新。斯坦福大學與 Together AI 的研究人員近日聯手推出了一種截然不同於傳統自迴歸和擴散模型的全新文本生成範式——Next-Concept Modeling（簡稱 NCM，即“下一概念建模”）。該方法巧妙借鑑了圖像生成領域中“下一尺度預測”的思路，有望為未來的文本生成技術開闢全新的發展路線。在技術實現路徑上，NCM 模擬了人類“先構思宏觀大綱、再動筆填充細節”的寫作邏輯。整個系統通過兩階段訓練來完成:首先訓練多尺度殘差 VQ-VAE，從而得到能夠逐層補充信息的多層離散文本編碼;隨後凍結該系統，訓練 Transformer 模塊去預測下一層的編碼。在生成文本時，模型會先並行生成概念層面的宏觀大綱，接著逐層並行填充具體細節，最終組合成完整的文本內容。在實際測試表現中，NCM 交出了令人矚目的成績單。實驗數據顯示，在保持相近甚至更優生成質量的前提下，NCM 相對傳統的擴散語言模型實現了10到31倍的生成速度飛躍，並且在訓練過程中所需消耗的 token 數量也大幅減少。此外，在數獨等複雜推理任務上，它的表現也明顯優於傳統的自迴歸和擴散基線模型，同時還支持通過多生成候選挑選機制來進一步優化最終輸出效果。儘管目前該研究所使用的模型參數規模依然相對有限，其在擴大模型規模後的表現、精確文本以及長篇內容的生成能力仍有待後續驗證，但這一創新思路無疑打破了長期以來的技術慣性，為人工智能高效生成文本提供了充滿想象力的全新解法。本文來自AIbase日報掃碼查看歡迎來到【AI日報】欄目!這裡是你每天探索人工智能世界的指南，每天我們為你呈現AI領域的熱點內容，聚焦開發者，助你洞悉技術趨勢、瞭解創新AI產品應用。
Claude自主優化八類量子電路設計
ScienceDesigning more efficient quantum circuits with ClaudeOct 16, 2026Quantum computers will need carefully designed circuits to run useful algorithms on limited hardware.
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？ 本文作者： 倪萍 2026-10-17 22:42 導語：10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族 10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族式標識。 新車採用寧德時代電池以及廣汽自研的彈匣電池2.0技術，能夠在充分釋放續航能力的同時，監控電池健康狀態。提供45.58kWh和62.98kWh兩種規格，續航可達702公里，整車風阻係數 Cd 低至 0.22。Ray7搭載華為DriveONE多合一電驅，以及華為DriveONE芯片級驅制融合架構，百公里制動僅為32.8米。底盤方面，Ray7搭載高性能前後穩定杆和後五連桿懸架，過彎極限更高，濾振更乾淨。智能化上， Ray7搭載27顆車規級全視角傳感器，採用文遠知行L4級Robotaxi同源大模型。這幫助新車能夠複用 L4 積累的海量場景經驗，在城區掉頭、繞行等複雜場景中可順利通行。自2025年廣汽推進“番禺行動”以來，昊鉑埃安BU的研發、生產、銷售等環節效率不斷提升，產品迭代和新車投放節奏明顯加快。作為埃安全新Ray車系的首款新車，Ray7是埃安開啟年輕化序列的關鍵落子，也是廣汽切入20萬級市場的重要佈局。這一細分市場競爭並不輕鬆：小鵬P7、極氪007等車型已經提前卡位。Ray7想在年輕人心中佔位，不能只堆參數，更要把智能座艙與輔助駕駛、三電安全、補能效率、用車成本和價格權益上的差異，變成用戶可感、可信、可持續的體驗，這才是埃安年輕化的分水嶺。（雷峰網(公眾號：雷峰網)） 雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
StepFun 發布 Step 5 Preview 開放權重：600B MoE、27B 活躍參數、100 萬上下文
StepFun 已發布 Step 5 Preview 開放權重版本。FP8 與 BF16 檢查點現已在 Hugging Face 和 ModelScope 上線。Step 5 Preview 是 StepFun 專為長期智慧體任務打造的稀疏混合專家模型，總參數量達 600B，每個 token 啟動 27B 參數，支援最高 100 萬 token 的上下文。對開發者而言，這為程式設計智慧體、文件分析與金融工作流程提供了新的自行託管選項。摘要：規模為 600B 總參數、每 token 啟動 27B、最高 100 萬 token 上下文。僅支援資料中心級 GPU 運行：FP8 需 4 張 B300 或 8 張 H200；BF16 需 8 張 B300 或 16 張 H200。效能方面，在程式設計任務上接近開放權重同級產品 GLM-5.3 與 Kimi K3，但落後 GPT-6 Astra 與 Claude Opus 5。最佳表現：在 AA-LCR 長上下文推理測試中獲得 88.3%；最差表現：在 Terminal-Bench 4.0 僅獲 33.3%，低於對手的 41.9%。