- 发布日期
新版DeepSeek，离顶级AI还差多远？
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
新版DeepSeek：省钱却更慢，离顶级AI还差多远？
10月17日，DeepSeek发布V4.1-Flash-1017，价格保持不变，并上线网页、App和API。官方称新版通过带有自我反馈的强化学习，改善了从头完成项目的能力，模型权重按MIT协议公开。开发者Ibragim Badertdinov随后用10项真实编程任务进行测试，任务涉及数据处理、后端、前端和部署，使用Python和TypeScript，并配有自动检查程序。
在这套测试中，DeepSeek高推理档位、Claude Opus 5.5和GPT-6 Astra低档位各跑三遍，三款模型全部通过检查。差距体现在账单和耗时上：DeepSeek平均每项只花0.045美元，Opus为0.1168美元，GPT-6 Astra约0.26美元；但Opus和GPT分别只需37秒和55秒，DeepSeek要花2分38秒。这10项任务规模都不大，比较的是通过API完成任务的费用。
DeepSeek的步骤和token用量也更高。同样在Pi编程工具中，它平均每项用15.3步，Opus为3.7步，GPT-6 Astra为6.5步；DeepSeek总token约54.7万，Opus约3.1万。Ibragim解释，DeepSeek几乎所有输入都命中缓存，缓存命中率达97.9%，因此费用仍压在5美分以内。新版较9月版也有进步：9月版最高推理档位30次通过28次，平均每项4分30秒；新版30次全部通过，耗时降至2分38秒。
在项目级演示中，DeepSeek展示了故宫3D场景、网页赛车游戏和Godot版《传送门2》复刻。开发者Fabiano Firmo让它用Three.js制作宝马M5的3D模型，只给一次提示，花费0.38美元，耗时1小时10分钟。不过，开发者Alex Carter称，让DeepSeek Harness制作普通落地页运行了41分钟，随后两项网页任务又分别花了43分钟和40分钟。
速度问题也出现在长推理输出中。API平台OmniaKey测试新版Flash编写按Python运算规则计算表达式的程序，模型用约88秒通过全部30个检查用例，输出约2.07万token，其中约1.97万属于思考内容。但在另一项从混合德语和英语发票邮件提取10个字段的测试中，它5.2秒全部答对；查询两座城市天气和时间的工具调用，2.6秒完成。
调低推理档位后，速度提升但稳定性下降。Ibragim测试显示，新版DeepSeek低档位平均每项从2分38秒缩短到1分31秒，费用从0.045美元降至0.0257美元，但30次运行有3次未通过。换到DeepSeek Harness后，30次运行通过29次，token用量增加约75%，平均耗时1分53秒；两套工具中，都只有9项任务能连续三次通过。
竞争并不只来自旗舰模型。在同一套测试中，GPT-6 Luna的xhigh档位和Haiku 5.5的high档位同样30次全部通过，平均每项分别只花0.0145美元和0.0208美元，耗时2分46秒和2分08秒。X用户Yum仍担心幻觉，尤其跨多个文件的重构和架构修改，会让另一个模型检查改动。Ibragim表示，下一步将挑出难得多的任务，再比较不同工具和模型。
