事情大家都知道了。
周五还在给宕机用户补偿的 DeepSeek，转眼就把 V4.1 Flash 模型更新到了 1017 版本。
在官方发布的Benchmarks对比中，这个悄然发布的 V4.1 Flash，在 11 项 Benchmark 中拿下 4 项第一，Coding 和 Agent 能力尤其提升明显。
官方称，它已经能达到“许愿式编程”的效果。
比如，在 DeepSWE v1.1 软件工程测试中，它拿到 77 分，超过 Claude Opus 5 的 74 分和 GPT-5.6-Sol 的 73 分。
API 定价维持不变，相当于免费升级。
所以...斩杀线也更新了。
根据 DeepSeek 新晒出的 mini-swe-v2 框架性能与成本测试图，V4.1 Flash-1017 的一次任务成功率达最高达到 77%，单个任务的平均费用不到2块钱。
相近成本区间内，GPT-6 Luna 和 GLM 5.3 Flash 的任务通过率在 60%左右。
复现官方案例谁更强？
DeepSeek 在官方推文里放出的几个案例，给围观的朋友们又添了一把火。
*官方3D和游戏开发案例
甚至有开发者说，从这几个案例里看出了 Opus 5.5 的感觉。
既然大家预期这么高，我就先拿这几个 DeepSeek 官方 3D 和游戏开发案例做复现。诚心许愿：让我复刻成功吧❗️
重现故宫：DeepSeek审美在线，3D穿帮
3D 故宫是这次传播度最广的 case。
官方效果是这样的👇
看完官方Benchmark和网络评论，我对第一轮测评很期待，直接选了 DeepSeek V4.1 Flash-1017、GPT-6.1 Sol 和 Claude Opus 5.5 一起高手过招，摸一把 DeepSeek 的上限。
为保证效果，所有模型都只用自己的 Harness，选取默认档位。
先看主角 DeepSeek V4.1 Flash-1017。
为保证效果，所有模型都只用自己的 Harness，选取默认档位。
它在这些模型中耗时最久，花了37分钟。我看到有其他博主复刻这个案例也用了半小时左右，看来这算正常速度。
虽然效果比不上官方原版，但它审美还不错：宫阙设计、字幕、色彩搭配得挺好。
但问题也不少。
首先是架构，它没有复刻出参考图中宫殿群的壮观感觉，整体只有一幢宫殿。
*独栋宫殿
漫游模式也在穿帮。
像这个宫门，只有前面能看到，绕到后面就直接消失了。
城墙上还醒目地摆着一排“空心宫楼”。
接下来是 GPT-6.1 Sol 和 Claude Opus 5.5。
它俩的交付速度分别是7分钟和23分钟，也都设计出了宫殿群。
但 GPT-6.1 Sol 的设计细节确实有点好笑。
不仅所有宫殿都长得差不多，还在宫墙外摆上了一群小宫殿。好像一堆麻将牌啊...
3D 细节也有穿帮。这个主殿直接飘起来了👇
Opus 5.5 的效果依然最稳。
虽然画风细节不算精致，但宫殿的路线和架构很详细，宫殿群的感觉也做了出来。
它还把角楼、御花园，和其他宫殿一起设计了出来，配上四种天气。
*雪天的角楼
*雪天的午门
oneshot 稳不稳，还得看 Opus 5.5 啊。
接下来，我又让表现平平的 DeepSeek V4.1 Flash-1017 和 GPT-6.1 Sol 各自做了一轮微调。
这次它俩都有了些进步。
DeepSeek 这一版本的光线更漂亮了，但 3D 穿帮的问题依然没修好。
GPT 的进步更明显。3D 设计和整体结构都做了不少优化。
重现赛车：搞不对的左右转向
第二轮复现，我选了官方的赛车游戏开发案例。
*官方放出的效果
这一轮我降低了预期，只让 DeepSeek V4.1 Flash-1017 和 GPT- 5.6 Sol、GPT-6 Luna 同场 PK。
DeepSeek 的速度依然不快，用42分钟给出了结果。
这个页面设计不错，车辆和背景有霓虹的风格，还原度最高。
但真正上手，它却暴露出一个很大的 Bug：车辆转向是反的。
开起来，只能撞车...
这似乎不是偶发问题。我刷到其他开发者复刻这个案例时，也有同样的情况。
至于 GPT- 5.6 Sol，问题和 DeepSeek V4.1 Flash-1017 刚好相反。
它速度很快，只花了8分钟左右，游戏玩起来没问题，但页面设计很糙。
这赛车形象，是在逗我吗...
GPT-6 Luna 的速度更是会飞，只花了1分23秒。
效果上，它和 GPT- 5.6 Sol 差不多，都属于设计拉胯但能玩儿系列。
只能说，这一局大家都很普，各有各的 Bug。
如果真要我选，我会在DeepSeek和Luna之间挑一个：不管是设计还是速度，起码先占一头再优化。
开发者还没形成共识
尝试复刻完官方案例（虽然没有一个复刻成功的），我对 DeepSeek V4.1 Flash-1017 的特点有了初步判断：
审美在线。尤其 3D 设计有很大提升。
价格便宜。刚刚那两个复刻的任务，总共花了我 5 块多。
效果初步体感接近 GPT-5.6 Sol，但并没有像 benchmark 一样明显超越。
任务交付速度比预期慢不少。有时让人怀疑这到底是不是 Flash。
为了弄清速度问题，我分析了这几个任务的轨迹数据。结果发现 DeepSeek V4.1-Flash-1017 默认的 High 模式，会花费较多时间在调用工具、检查、迭代等步骤上，从异常情况中恢复的能力也比较一般。
感觉 Agent 能力不太行啊，导致任务交付变慢。
*分析三个任务的轨迹数据，推断DeepSeek V4.1-Flash-1017交付慢的原因
我又翻了翻开发者们对这个模型的看法，发现大家对它的定位还没形成共识。
有人认为它的效果可与 Opus 5.5 一战，还有人说它只能类比 GPT-6 Luna。
这些评价，差距真不小...
开发者们对 DeepSeek V4.1-Flash-1017 的好评，更多集中在它相比自己上一个版本的进步，以及确实便宜的价格上。
看几个开发者做的对比 case，就能感受到这种进步👇
*上：V4.1 Flash；下：V4.1-Flash-1017；@Teortaxes
*上：V4.1 Flash；下：V4.1-Flash-1017；@YxzRainy
说到价格，和主打性价比的 GPT Luna 系列相比，DeepSeek V4.1 Flash 依然能打。
GPT-6 Luna 未命中缓存时，比 V4.1 Flash 平均便宜 17% 左右。缓存命中时，它比 V4.1 Flash 的闲时价格大概贵 3 倍，高峰时贵 1.67 倍。
所以这次 V4.1 Flash-1017 最值得肯定的，还是 DeepSeek 依旧在用很低的价格，把模型的审美和编码能力持续往上推。
至于“许愿式编程”是不是真来了？至少这次，我许的故宫和赛车，都暂时没能实现。
