DeepSeek 是我目前看過最不愛營銷的 AI 公司之一。

V4.1 在 9 月出了一版,10 月 17 日又出了一個 1017 版本。Artificial Analysis(AA)的智力指數從 39 升到 45,每個任務的成本從 $0.48 降到 $0.26,將近砍半。

這種等級的升級,換別家早就開一場發表會,從 V4.1 直接跳到 V5,大談特談了。

它的模型卡只寫一句:這是 V4.1-Flash 的一次小更新(minor update)。

而且這不是 DeepSeek 第一次這樣做。


30 秒定位

項目 內容
發布日 2026 年 10 月 17 日
官方定位 V4.1-Flash 的一次小更新(minor update),API 名稱還是 deepseek-flash
規模 兩份模型卡的 safetensors 都標 763B;拆開是 552B 骨幹加上 196B 的 Engram 記憶表
第三方 AA 智力指數從 39 升到 45,每個任務的成本從 $0.48 降到 $0.26
分數接近的對手 Claude Sonnet 5.5(high)47 分、$0.88;GPT-6 Astra(low)46 分、$0.82
推理框架 10 月 20 日開源的 DeepInfer,README 寫的預設 checkpoint 就是 1017
我的部署 兩台 DGX Spark,2.9 bpw EXL3 + TensorFold,單串流 code 115 tok/s、prose 67 tok/s

一、DeepSeek 不是第一次這樣做

七月那次,V4 Flash 升到 V4 Flash 0731,AA 智力指數也是一口氣多了 10 分(當時版本的 AA 指數,從 40 升到 50)。AA 的原文寫得很清楚:架構和價格都跟 4 月那版一模一樣,284B 總參數、每 token 激活 13B。

那時候它也只是在版本號後面加了一個日期。

對照組是 OpenAI 的 GPT-6 Sol。大版號從 5.6 直接跳到 6,AA 智力指數(max)只從 47 到 48。上線後 Codex 的 GitHub 上還有人開 issue,標題就叫「GPT-6-sol is extremely slow」。

一個把新版號喊得很大聲,一個把大升級寫成小更新。

  版本號變化 AA 智力指數
DeepSeek V4 Flash → 0731 只加日期 +10(40 → 50,當時版本)
DeepSeek V4.1 Flash → 1017 只加日期 +6(39 → 45)
OpenAI GPT-5.6 Sol → GPT-6 Sol 大版號 5.6 → 6 +1(47 → 48)

先講清楚一件事:0731 的 40 到 50,和 1017 的 39 到 45,用的不是同一版 AA 指數。AA 後來改版換了題目,在現行版本裡 0731 只剩 34 分。所以兩次只能各自跟前一代比,不能拿 50 去比 45。


二、版本命名邏輯:也不用神話它

當然也不能神話人家。DeepSeek 不是刻意低調,它只是照自己的規則訂版號。

從過去幾版看下來,DeepSeek(創辦人梁文鋒,社群叫他梁聖)的版本號是這樣用的:

  • 大版號(V4 → V4.1):換架構、換預訓練。從 V4 到 V4.1,參數從 284B 翻到 552B,架構也改了,這才叫升版。
  • 日期(0731、1017):同一副骨架,重做 post-training。

1017 的兩份模型卡都標 763B,AA 兩版都列 552B 總參數、每 token 激活 16B,官方只提到用了 self-feedback 的強化學習。骨架沒動,重新教了一遍。

架構不動,對地端部署是好消息。 tensor 形狀沒變,9 月為 V4.1 寫好的量化工具、TensorFold 的 kernel、vLLM 的 patch,換一份權重就能跑。x00byte 在 NVIDIA 論壇 10 月 17 日就貼出雙機配方,tonyd2wild 兩台版的跑測資料夾日期是 10 月 18 日。

發布隔天,DGX Spark 的配方就出來了。如果它叫 V5、改了架構,這些配方全部得重寫。


三、我自己實測:日常好用又便宜

我自己實測之後,感想就一句話:日常好用又便宜的模型。

我的部署是兩台 DGX Spark(每台 GB10、128 GB 統一記憶體):

  • Mia-AiLab 的 EXL3 2.9 bpw 量化 + TensorFold,兩台做張量平行
  • 單串流 code 115 tok/s、prose 67 tok/s(輸出 400 token、thinking 關閉、每類跑 3 次取中位數)
  • 1M context 設定好,長提示實測到 33K,工具呼叫、Vision 都測過

實際拿來寫 code,體感很舒服。

分數上,它落在 Sonnet 5.5(high)跟 GPT-6 Astra(low)那一帶:

模型 AA 智力指數 每任務成本
Claude Sonnet 5.5(high) 47 $0.88
GPT-6 Astra(low) 46 $0.82
DeepSeek V4.1-Flash-1017(max) 45 $0.26

大小任務都有這個等級的程度,分數也接近。唯一的差別是 DeepSeek 便宜很多,每個任務的成本不到它們的三分之一。

763B 為什麼兩台放得下

763B 看起來塞不進 256 GB,但拆開算:

  • 骨幹 552B:量化到 2.9 bpw 是 196 GiB,每台約 98 GiB。
  • Engram 表 196B:Engram 表可以留在 SSD,用到才載入。Mia 的配方不量化這兩張表,約 203 GB,兩台都要放本機 NVMe。

我 10/17 發布當天的判斷是「763B 參數不是多數人跑得動的東西」,現在要修正:763B 裡有 196B 是可以放硬碟的查表,真正要進記憶體的是 552B 骨幹。

會卡住的四個地方

  1. Engram 表不要走 NFS。 Mia 的實測是走 NFS 的隨機讀延遲是本機的十倍左右,prefill 會掉到每秒 690 到 890 token。
  2. head 那台的記憶體很緊。 Mia 配方驗證過的 context 是 524,288;開到 655,360 時 head 那台記憶體不夠,rank 0 被砍掉。
  3. 鎖頻。 兩台都要鎖在 2,200 MHz,一台掉到 1,800 MHz prefill 就少 3% 到 6%。
  4. 不要為了快選 2.5 bpw。 社群回報 2.5 bpw 約 185GB、code 約每秒 107 token,但工具呼叫是掉最多的。

兩台、三台還是四台

社群另外幾套配方的單串流數字:tonyd2wild 的 2.9 bpw 兩台版 73.1 tok/s,4 串流合計 135.8;easthambuilds 的 3.75 bpw 三台版 prose 每秒 68 到 74 token、code 112 到 123 token,跟兩台差不多快。多一台換到的是精度,不是速度。 四台就能直接跑官方權重,不用再量化。

跟我 10/09 測舊版 V4.1 比,那時候兩台 Spark 用 vLLM 最多同時 2 個請求,我說它「上不上下不下」。現在換成 TensorFold,變的主要是引擎,不是模型。這跟我 10/14 的結論一樣:同一個模型,部署方式的影響比換模型大。


四、價格是路邊小店,但是品質可不輸

我們看過太多模型一開始好評如潮,後來就沉下去了。Kimi K3 一度排到 AA 總榜第三,之後在開源權重的排名一路往下掉。

但 1017 發布九天後,網路上對它依舊是好評居多。

Yuchen Jin 說它在 DeepSWE 上是 Opus 5 等級、成本低 83 倍,Databricks 會上架。Yum 在 OpenCode 裡測了兩天,說它在一般 coding 上明顯贏過 GLM 5.3 Flash,體感接近 Sonnet 級。Paweł Huryn 拿兩個 repo、105 個隱藏 bug 去測,1017 找修 34 個,前一版只有 21.7 個;他測完還補了一句:

“Strange that the model wasn’t labeled V4.2.”

很奇怪,這個模型怎麼沒叫 V4.2。

負面的也有:想太久才動手、細的指令讀不懂、gosrum 在本地跑 Terminal-Bench 4.0 測到 1017 輸給舊版。中文圈的邦法(@bangbuilds)把兩邊合成一句:

「能让人一边骂一边用的,才是真的好用。」

我覺得它能一直維持好評,是因為 DeepSeek 永遠堅持幾個點:

  • 一開始就不瞄準 SOTA,省下很多力氣。
  • 就是跟你拼性價比。
  • 堅持開源。 權重 MIT,現在連推理框架 DeepInfer 都開出來了。
  • 不拼營銷。 V4 0731 跟 V4.1 1017 都是最好的例子。

DeepInfer:連推理框架都開了

10 月 20 日 DeepSeek 以 Apache-2.0 開源 DeepInfer,我那天寫過一篇拆它的部署文件:單一集群每天 155 兆 token、離峰價每卡每小時營收 38 美元,但 KV cache 系統、Prefill/Decode 分離、跨副本負載平衡三樣不在 repo 裡。

README 寫的預設 checkpoint 就是 1017。1017 負責「輸出更短」,DeepInfer 負責「每個 token 更便宜」,兩邊乘起來才是那 38 美元。

之後 vLLM 在 10 月 24 日說,在 DeepSeek 的 decode 配置、batch 8 到 256 之間追平了 DeepInfer。有人指出兩邊用的卡不一樣,比較不算乾淨,但方向很清楚:DeepSeek 開出來的 kernel,被通用框架吃進去了。另外 DeepInfer 的硬體只列 NVIDIA SM100 和華為昇騰 950,沒有 GB10,所以 Spark 上跑 1017 走的是 TensorFold 和 vLLM。

必比登推介

如果用餐飲來講,Opus 5.5 是米其林的法式料理,DeepSeek 不是那種店。

它比較像路邊小吃店,但是拿了必比登推介:價錢親民,水準一點都不馬虎。而且它還把食譜公開,讓你在家自己煮。

你還能挑啥?


附記:OpenCode 的免費方案

真的想先試,OpenCode 有一定額度的免費方案,不用付費就可以嚐鮮。

但要上 prod,建議啦,還是自己部署。我不確定 OpenCode 背後是哪個站台在 serve,而社群也有人提醒,有些第三方服務給的是 Q4 甚至 Q2 的量化版,這會把 agent 工作流打壞。


反方:兩台 Spark 上,升級可能被量化吃掉

這段要攻擊第三段的前提。

easthambuilds 在兩台 Spark 上比了三個 2.9 bpw 的量化,發現舊 V4.1 的量化,品質追平或勝過兩個 1017 的 2.9 bpw 量化。加上 gosrum 在 Terminal-Bench 4.0 上測到 1017 輸給舊版。

如果這兩件事都成立,那「兩台 Spark 跑得動 1017」和「兩台 Spark 拿到 1017 的升級」是兩件事。官方表上 Terminal-Bench 4.0 從 31.2 到 42.3 的跳幅,是全精度、DeepSeek 指定 harness 的數字。

我的回應是部分接受。tonyd2wild 的 69 個情境工具評測,兩台 2.9 bpw 跟四台 3.5 bpw 都是 97.1,在工具呼叫這一層沒有明顯掉。我自己的體感也是好用。但 69 個情境是他自己的題庫,我的體感也不是 benchmark。兩台 Spark 版的 1017,品質要用你自己的工作流重新量。


坦白說

  • 「性價比之王」要加條件。 只看 AA 的每任務成本,MiMo-V2.6-Pro 46 分、$0.13,GPT-6.1 Sol(medium)48 分、$0.21,都比 1017 的 45 分、$0.26 更高分又更便宜。1017 真正的優勢是幾件事加在一起:MIT 開源權重、能在兩台 Spark 上自己跑、推理框架也開源。
  • GPT-6 Sol 也不是沒進步。 它的智力分數只多 1 分,但每任務成本從 $1.99 降到 $1.04,也砍了將近一半。我拿它當對照,比的是版本號和智力分數,不是整體進步幅度。
  • 我的實測是體感加一組速度數字。 速度是每類跑 3 次的中位數,1M context 只設定好,滿 1M 沒有跑過。社群配方的數字都是作者自報。
  • 「架構不變」是推論。 依據是兩份模型卡都標 763B、AA 兩版都列 552B 和 16B 激活、配方換權重就能跑。1017 官方沒有一句話直接說架構不變,0731 那次 AA 有寫。

但它做對了一件事:用日期後綴而不是新版號,等於承諾「你手上的部署可以繼續用」。發布隔天就有人在兩台桌上機器跑起來,這個承諾是兌現了的。


關鍵洞察

  1. 看 DeepSeek 的版本號,先分大版號和日期。 日期後綴代表同一副骨架、重做 post-training,部署配方可以直接換權重沿用;大版號才需要重新評估硬體。
  2. 算成本看每任務花多少,不是看每百萬 token 多少。 1017 的價目表沒動,每任務成本卻從 $0.48 降到 $0.26。
  3. 兩台 Spark 跑 1017,2.9 bpw、Engram 放本機 NVMe、鎖頻 2,200 MHz 是三個不能省的條件。
  4. 要上 prod 就自己部署,不要依賴不知道量化等級的免費中轉。

常見問題 Q&A

Q: DeepSeek V4.1-Flash-1017 為什麼叫小更新,分數卻跳這麼多?

因為 DeepSeek 的版本號語意是:大版號(V4、V4.1)代表架構和預訓練改變,日期後綴(0731、1017)代表同一副架構、重做後訓練(Post-training)。2026 年 7 月的 V4 Flash 0731 也是同樣模式,架構維持 284B 總參數、每 token 激活 13B,當時版本的 Artificial Analysis 智力指數從 40 升到 50。10 月 17 日的 1017 同樣只加日期,AA 智力指數從 39 升到 45,每任務成本從 $0.48 降到 $0.26。

Q: DeepSeek V4.1-Flash-1017 跟 Claude Sonnet 5.5 差多少?

依 Artificial Analysis 智力指數,1017(max)是 45 分、每任務 $0.26;Claude Sonnet 5.5 開 high 是 47 分、每任務 $0.88;GPT-6 Astra 開 low 是 46 分、$0.82。分數只差 1 到 2 分,成本不到三分之一。但 Sonnet 5.5 開到 max 是 56 分,跟 1017 差距明顯,所以比較時要說清楚用的是哪個推理強度(Reasoning Effort)。

Q: 763B 參數的模型,兩台 DGX Spark 怎麼放得下?

763B 由 552B 的 MoE 骨幹和 196B 的 Engram 條件記憶表(Engram Conditional Memory)組成。Engram 表是查表結構,可以留在 SSD 按需讀取,不必進 GPU 記憶體。骨幹用 EXL3 量化(Quantization)到 2.9 bpw 約 196 GiB,分到兩台 DGX Spark(每台 GB10、128 GB 統一記憶體)各約 98 GiB,用 TensorFold 做張量平行(Tensor Parallelism)。Engram 表約 203 GB,兩台都要放本機 NVMe,走 NFS 會讓 prefill 掉到每秒 690 到 890 token。

Q: 兩台 DGX Spark 跑 1017 實際有多快?

作者自己的兩台 DGX Spark 用 Mia-AiLab 的 EXL3 2.9 bpw 量化加 TensorFold,單串流 code 每秒 115 token、prose 每秒 67 token(輸出 400 token、thinking 關閉、每類 3 次中位數)。社群的 tonyd2wild 配方單串流 73.1 tok/s、4 串流合計 135.8 tok/s。三台改用 3.75 bpw,速度跟兩台差不多,換到的是精度。

Q: DGX Spark 能用 DeepSeek 開源的 DeepInfer 嗎?

目前不行。DeepInfer 是 DeepSeek 在 2026 年 10 月 20 日以 Apache-2.0 開源的推理框架(Inference Framework),README 預設 checkpoint 是 V4.1-Flash-1017,但支援硬體只列 NVIDIA SM100 和華為昇騰 950,沒有 DGX Spark 的 GB10。Spark 上跑 1017 用的是 TensorFold 或 vLLM。vLLM 在 10 月 24 日宣稱,已在 DeepSeek 的 decode 配置上追平 DeepInfer 的效能。


延伸閱讀