DeepSeek 开源 V4.1-Flash-1017：552B MoE 小版本迭代，Agent 基准大涨

2026 年 10 月 17 日——DeepSeek 开源 DeepSeek-V4.1-Flash-1017，这是 9 月 10 日发布的 V4.1 Flash（552B 参数 MoE）的小版本迭代（minor update），官方称在推理、编码、Agent 任务与视觉基准四个方向「实质性提升」，同时任务执行时间与输出长度双双下降，把性能-成本帕累托前沿往前推。权重 MIT 许可、免 gated（HF 无需登录直接下载），HuggingFace 与魔搭同步上架：HF 卡片发布时间北京时间 10-17 13:46，首日即 1,000+ 点赞；魔搭当日下载量从 1,655 涨至 3,676（本站实测）。

「1017」更新了什么：11 项基准全涨

官方基准表（对照上一版 V4.1-Flash，并排 K3 / GLM-5.3 / GPT-5.6 Sol / Opus 5 四家旗舰）：

基准	1017 新版	上一版	K3	GLM-5.3	GPT-5.6 Sol	Opus 5
Terminal-Bench 4.0（Claude Code harness）	42.3	31.2	12.6	37.9	39.9	51.8
Automation-Bench v1.0.6	60.5	54.8	46.7	48.8	45.8	50.3
Apex Bench v1.1	72.1	64.6	47.8	56.6	54.3	65.8
ProgramBench	29.1	20.3	17.5	19.0	23.0	37.0
NL2Repo-Bench	68.2	65.4	58.0	58.0	56.8	75.3
DeepSWE v1.1（Mini-SWE-V2 harness）	77.0	74.2	67.5	66.9	73.0	74.0
Agents' Last Exam	35.4	31.8	27.6	28.5	26.7	28.6
Apex Bench v1.1	72.1	64.6	47.8	56.6	54.3	65.8
Chartography（w/tools）	83.0	78.9	68.1	—	79.9	84.0
BabyVision（w/tools）	92.5	89.6	85.7	—	88.9	94.1
ZeroBench-main（w/tools）	51.0	49.0	41.0	—	53.0	52.0

† 为 HLE 的纯文本子集口径；Terminal-Bench 4.0 使用 Claude Code harness，DeepSWE v1.1 使用 Mini-SWE-V2 harness（官方注明）。11 项全部上涨，无一项回落。

四个看点：

• Agent 实操类是主战场：Terminal-Bench 一项 +11.1（31.2→42.3），反超 GLM-5.3（37.9）和 GPT-5.6 Sol（39.9），距 Opus 5（51.8）仍有差距；Automation-Bench 60.5 领先四家对比模型 10 分以上；Apex Bench 72.1 涨 7.5。
• DeepSWE v1.1 是唯一全面反超项：77.0 压过 K3（67.5）、GLM-5.3（66.9）、GPT-5.6 Sol（73.0）、Opus 5（74.0）全部四家——多智能体软件工程任务上这个小版本站上了对比榜第一。
• 不只涨分，还更省：官方强调任务执行时间与输出 token 长度双降——同一批 Agent 任务「更快跑完、花更少 token」，对按量计费的自动化流水线是直接的成本下降。
• 视觉项同步在涨：Chartography/BabyVision/ZeroBench 三个带工具视觉基准各涨 2-4 分，小版本同样覆盖多模态侧。

模型底座：552B MoE + 非对称 CED 结构（9-10 官方口径 + config 实锤）

• 552B MoE，全新 Causal-Encoder-Decoder 非对称结构：输入激活仅 8B、输出激活 16B，官方口径成本显著低于同尺寸模型；config.json 结构为 40 层、384 路由专家 + 1 共享专家、每 token 激活 6 专家，词表 129,280；
• 原生多模态（图进文出，config 带 image_token_id），上下文 1M token（config max_position_embeddings = 1,048,576，YaRN 16× 扩展自 64K 基座）；
• KV Cache 深度压缩是本代结构主题（技术报告题名即《Pushing the Limits of KV Cache Compression》）：HBM 需求降到上一代 1/4、SSD 1/8，相对初代累计缩小 437 倍；config 里可见分层压缩（compress_ratios 按层 0/1/2 三档）、稀疏检索（index_topk 512）等配套机制；
• 推荐采样参数：temperature 1.0 / top_p 1.0 / 上下文 1M / max_tokens ≥256K。

权重与发行形态

• 许可 MIT，商用友好；HF 仓库 gated: false，无需登录接受条款即可下载（对比同期 Meta Muse Spark Open 816B 的 gated 发布，获取门槛低一截）；
• 体量：48 个 safetensors 分片、单片约 6.9GB，总重约 330GB 级（按分片估算）——官方发行形态为主权重 FP8 动态量化 + MoE 专家 FP4（expert_dtype: fp4），这也是 552B 能压进 330GB 的原因；
• 热度：HF 首日 1,048 赞；魔搭镜像免登录可取，当日下载翻倍。

本地部署视角

• 全量部署门槛：330GB 级权重 + 运行开销，起步就是 4 卡 H200/B200 级服务器——消费级设备与单机工作站无望全量。若社区框架后续吃下 FP4 专家权重做转换，330GB 的量级让 512GB 统一内存设备存在理论空间（参考 816B 双机 Mac Studio 方案的先例）——此为推断，待验证；
• 推理指引：官方 inference 文件夹提供 convert.py 权重转换与本地推理说明；但注意本代引入了专用稀疏 KV 机制，第三方框架适配门槛高于以往 DeepSeek 模型，llama.cpp / Ollama 的 GGUF 量化短期难见；
• 模板坑（接自家服务必读）：本版不带 Jinja chat template——多轮对话、工具调用、思考模式、数值推理努力（reasoning effort）、会话中途系统消息、图像交错内容，全部走 encoding 文件夹的自包含 Python 参考实现 encoding.py（自带测试用例）；
• 生产工具链：官方同期发布 deepseek-recipe——Rust 库 + Python 绑定，把 Messages / Chat Completions / Responses API 请求转成 Conversation 格式，编码为 DeepSeek V4/V4.1 prompt 或 token ID，并把模型输出（含思考、工具调用、图像、流式）解析回结构化响应；推理本体、工具执行、HTTP 传输留给调用方。要自建推理服务的开发者，这基本是官方指定的接入层；
• KV Cache 压缩（HBM 1/4）对长上下文 Agent 场景的显存压力是实打实的减负——若第三方适配跟进，这是自部署侧最值得等的部分。

API 侧

API 用户无感升级：模型名仍是 deepseek-flash（官方更新日志口径，网页端与 APP 已同步）；定价维持峰谷制，闲时半价。

观察点

「1017」日期式版本号 + 11 项全涨的小版本，说明 V4.1 Flash 进入快速迭代期。自部署用户值得盯的不是这一版本身，而是社区推理适配（GGUF/MLX 量化、稀疏 KV 机制复刻）何时跟进——FP4 专家权重是新变量，谁先跑通谁就把这个 330GB 的模型拉进高端工作站射程；API 用户则可直接吃到 Agent 能力提升与 token 成本下降，做自动化流水线的建议尽快切换实测。

参考链接

• DeepSeek-V4.1-Flash-1017 · HuggingFace 官方仓库（基准表 / README / encoding·inference 指引均在仓内）
• config.json（1M 上下文、专家结构、FP8+FP4 量化）
• DeepSeek 官方公告：V4.1 Flash 发布（2026-09-10，底座规格与定价）
• DeepSeek V4.1 技术报告 PDF（Pushing the Limits of KV Cache Compression）
• DeepSeek API 更新日志
• deepseek-recipe（官方生产工具链，GitHub）
• 魔搭 DeepSeek-V4.1-Flash-1017 镜像