AI 新聞 2026年10月18日

今日 · 事件日 10 月 17 日

DeepSeek 公開 Flash 新版權重。基準皆自報

DeepSeek 以 MIT 授權公開 V4.1-Flash-1017 權重，自報 11 條基準 9 條高於 GPT-5.6 Sol

為什麼重要： DeepSeek 這次距上一版只隔約一個月，自報的 Terminal-Bench 4.0 漲了 11.1 分，目前只有這一個區間。

DeepSeek 10 月 17 日在 Hugging Face 以 MIT 授權公開 V4.1-Flash-1017 的權重，模型卡自稱「minor update」（DeepSeek 模型卡，2026-10-17）。模型卡的 11 條基準表，對手欄有 Kimi K3、GLM-5.3、GPT-5.6 Sol 與 Opus 5。本報逐欄數：9 條高於 GPT-5.6 Sol，4 條高於 Opus 5、7 條低於 Opus 5。和一個月前的 V4.1-Flash 比，漲最多的是 Terminal-Bench 4.0 從 31.2 到 42.3，ProgramBench 從 20.3 到 29.1。Terminal-Bench 4.0 是讓模型在終端機裡完成任務的評測；ProgramBench 要模型從編譯檔與文件重建程式。全表是 DeepSeek 自報，對手分數是自跑還是引用公布值，模型卡沒寫。對照組少一代：模型卡比的是 Opus 5 與 GPT-5.6 Sol，Paweł Huryn 等人同週整理的評測表已在比 Opus 5.5 與 GPT-6 Astra。DeepSeek 官方稱這是「a Pareto improvement in performance and cost」（DeepSeek，2026-10-17）。研究者 Susan Zhang 指出 DeepSeek 約一個月就再推一次，V4 到 V4.1 用了約五個月（Susan Zhang，2026-10-17）。表外有旁證：漏洞評測方 BugBunny 自建的 100 個含漏洞 PR 題組，1017 找到 54 個、花 7.53 美元，前一版 44 個、12.79 美元（BugBunny，2026-10-17）；這是另測，不是複測。本報的看法是，DeepSeek 把成本效能的競爭放在最便宜的 Flash 檔位，用帶日期的小刷新推進，不是等下一個旗艦。另一種解釋沒有排除：旗艦 V4.1-Pro 還沒推出，Flash 的小刷新可能只是補位。

還不能當真： 11 條基準全為自報，無第三方複測 怎麼查的 →

判斷更新： 評估中國模型對 API 價格與 agent 工作負載的壓力，本報推測該看低價檔位多久刷一次、每次推多遠，不是旗艦名次。只有 9 月 10 日到 10 月 17 日一個區間，樣本不足。可檢驗的刻度是下一個帶日期刷新是否在六週內出現，以及 Terminal-Bench 4.0 是否逼近 Opus 5 的 51.8。