DeepSeek在2026年10月下旬接连发布两项开源成果,合在一起改写了智能体编程的成本账。10月17日,它以MIT许可证发布了开放权重模型DeepSeek V4.1-Flash-1017,上下文窗口达100万token。三天后的10月20日,它又以Apache 2.0许可证开源了DeepInfer,也就是实际支撑其生产API的推理引擎。对于使用Claude Code的开发者来说,现实影响十分直观:同样是一整天的重度智能体编程,在谷歌Gemini 4 Argon上约需$30.00,而按非高峰价在V4.1-Flash上只需约$2.10,相差约14倍。从长远看,引擎的开源可能更为重要,因为实验室很少公开把权重变成产品的那套服务栈。

开源服务引擎为何罕见

开放权重在AI行业已成常态。公开模型检查点如今是普遍做法,DeepSeek自己也把V4.1-Flash的权重放到了Hugging Face和ModelScope上。实验室几乎从不分享的,是生产环境的服务层:让一个7630亿参数模型以可接受的成本承载生产流量所需的内核、调度和负载均衡代码。大量来之不易的运维经验正沉淀在这一层。

DeepInfer把这一层公开了出来。该代码仓库几天内就收获了超过21,000个GitHub星标,其发布公告也以2,352分成为Hacker News当月热度最高的AI新闻。整个技术栈完全建立在DeepSeek自家的Apache 2.0内核库之上:

在这些内核之上,是专家并行与EPLB(专家并行负载均衡)的组合,它把混合专家模型(一种每个token只激活部分参数的架构)的各层均匀分布到各块GPU上。DeepInfer还包含DSpark投机解码、异步批调度,以及符合JSON Schema、正则表达式或语法规则的结构化输出。在英伟达硬件上,它支持与批次无关的确定性采样:相同提示词和随机种子的重复运行会返回逐字节一致的输出,这让调试不稳定的智能体容易得多。

只是引擎,不是整辆车

有两点限制让大多数个人开发者无法直接用上DeepInfer。第一是硬件。该引擎针对企业级数据中心芯片优化,具体是英伟达SM100 Blackwell级GPU和华为昇腾950 NPU。DeepSeek自己的基准测试配置用了4块GPU做预填充(处理提示词),64块GPU做解码(生成token)。这是面向多GPU集群的软件,不是给笔记本电脑用的。

数据中心过道,左侧四个机柜通过线缆连接到由六十四个机柜组成的墙面,前方放着一台小笔记本电脑

▲ 4块预填充GPU与64块解码GPU

第二是范围。DeepInfer只支持离线批量推理。托管API所依赖的在线生产层并未包含在此次发布中:KV缓存系统(存储注意力状态、让模型无需重复处理先前token的内存)、预填充与解码分离(把这两个阶段放到不同的硬件池上运行),以及跨副本的负载均衡。直白地说,DeepSeek公开了引擎,但没有公开整辆车。社区得到的是一份架构参考,展示顶尖实验室如何构建服务核心,即便不能直接部署,作为蓝图也很有价值。

V4.1-Flash能做什么,不能做什么

DeepSeek公布的基准测试数据显示,新模型相比上一版Flash检查点有明显提升,其中终端智能体编程的进步最大。

基准测试 上一版Flash V4.1-Flash-1017 变化
Terminal-Bench 4.0 31.2% 42.3% +11.1个百分点
ProgramBench 20.3% 29.1% +8.8个百分点
DeepSWE v1.1 74.2% 77.0% +2.8个百分点

DeepSeek的发布说明强调了三项实际改进:分数更高、任务完成更快、输出更短。最后一项直接关系到账单,因为DeepSeek对输出token的收费是输入token的四倍。

需要注意,不要把V4.1-Flash误当成前沿模型。在Terminal-Bench 4.0上,Claude Opus 5.5得分66.4%,Kimi K3.1 Pro得分65.7%,GPT-6.1 Terra得分50.3%,而V4.1-Flash为42.3%。两家领先者领先超过20个百分点。此外还有执行框架的问题:DeepSeek在Claude Code中评测Terminal-Bench 4.0,在Mini-SWE-V2中评测DeepSWE,而分数会随执行框架的不同而大幅变化,因此跨实验室的比较需要谨慎。它的商业卖点不是"最强模型",而是"以零头的价格胜任常见编程任务,并且MIT许可的权重完全归你所有"。根据SafeTensors元数据,该模型总参数量约为7630亿,这一点是已知的,但DeepSeek没有公布激活参数量。

在Claude Code中运行V4.1-Flash

由于很少有团队能在本地托管7630亿参数的模型,最快的测试方式是使用托管API。DeepSeek在api.deepseek.com/anthropic提供了兼容Anthropic的端点,这意味着Claude Code无需改动代码就能与之对话。现有的'deepseek-flash'和旧版'deepseek-v4-flash'端点已自动更新为提供1017检查点。设置只需三个环境变量:

  1. 将ANTHROPIC_BASE_URL设为DeepSeek兼容Anthropic的端点,即通过https访问的api.deepseek.com/anthropic
  2. 将ANTHROPIC_API_KEY设为你的DeepSeek密钥
  3. 将ANTHROPIC_MODEL设为deepseek-flash

两个示例任务展示了该模型作为智能体的表现。第一个任务要求Claude Code添加一个返回JSON状态对象的HTTP GET /health端点,并附带测试。第一次PyTest运行因路由未挂载而返回404失败;智能体诊断出问题,挂载了路由器,最终在8轮对话、9次工具调用后以2个测试通过、耗时0.41秒收尾。第二个任务是跨六个文件的多文件配置重构:智能体找到了所有load_config导入,把加载逻辑合并到单一的config/loader.py模块,在第二次尝试时修复了环境变量覆盖优先级的bug,并在0.62秒内通过全部测试。两次会话共消耗120万输入token和6万输出token,按非高峰价花费约$0.22。

DeepSeek还开放了其Search和Fetch网页API,正常定价为每1,000次调用$0.75。到2026年10月31日16:00 UTC之前,通过Claude Code、Codex和DeepSeek Harness中的服务端工具调用这些API免费,这是一个低成本试用联网智能体的窗口期。

成本算术

以开发者一天重度智能体编程为例:1000万输入token和100万输出token,不使用缓存。

模型 每百万输入 每百万输出 单日成本
DeepSeek V4.1-Flash(非高峰) $0.15 $0.60 $2.10
GPT-6.1 Terra $1.00 $5.00 $15.00
Gemini 4 Argon $2.00 $10.00 $30.00

Gemini 4 Argon的价格是11月30日截止的首发促销价,此后计划翻倍。DeepSeek的数字还能借助提示词缓存进一步下降:缓存命中时每百万输入token仅$0.003,未命中为$0.15,对于同一上下文的重复读取便宜50倍以上,而智能体编程会话往往正是这种模式。

书桌上的天平,旁边是矮、中、高三摞硬币,还有键盘和一张任务流程图

▲ 三档模型的单日编程成本

对国际用户来说有一个时段陷阱。工作日里,DeepSeek在UTC 01:00至04:00和06:00至10:00的高峰时段将token价格翻倍。大型批处理作业和自动化运行在这些时段之外更便宜。

两周内的价格战

V4.1-Flash发布之际,正值廉价开源模型的更大浪潮。Meta在10月15日发布了Muse Spark Open,MiniMax在10月19日以M3.1 Flash跟进了$0.15的输入价格,Kimi则计划于11月4日开放K3.1 Pro的权重。OpenAI的GPT-6.1 Terra于10月26日问世。对这一系列动作的一种合理解读是:模型的原始智能正在变成大宗商品,竞争优势正转移到围绕模型构建的执行框架、工具集成、上下文管理和智能体工作流上。这只是一种解读,但定价趋势支持这一判断。

切换前要核查的四件事

基准成绩是自报的,且对执行框架敏感。 在迁移任何工作流之前,先在自己的私有代码仓库上运行并测量。

托管API的数据存放在DeepSeek的服务器上。 有数据驻留或合规约束的团队可以利用MIT许可证,把权重托管到其他服务商或自己的基础设施上。

自托管存在KV缓存风险。 10月26日,Cloudflare发布了一份事故复盘,描述了SGLang在分离式服务中的一个bug:在长度超过681,280个token的提示词上,泄露了155条包含其他客户数据的响应。Cloudflare已修复该问题,并建议运行SGLang 0.5.22或更高版本。对防御方而言,原则是多租户部署中的KV缓存和请求路由层必须在请求之间严格隔离状态,而这一层恰恰是DeepInfer没有包含的,因此任何自托管者都必须谨慎地自建或引入。

Flash仍然是轻量级模型。 在复杂的多文件架构重构上,Claude Opus 5.5和同级别前沿模型依然更强。

现在该做什么

DeepSeek V4.1-Flash看起来是一匹强劲而极为廉价的生产和智能体流水线主力,而不是前沿模型的替代品。务实的策略是分层路由:把大批量的样板代码、常规修复和标准功能开发交给Flash,把昂贵的前沿模型留给最棘手的架构问题。开发者可以先在Claude Code中设置那三个环境变量,把重度任务安排在DeepSeek工作日高峰时段之外,并在10月31日前试用免费的Search和Fetch API。考虑自托管的团队应把DeepInfer当作引擎核心的设计参考,单独规划KV缓存和路由层,并把任何SGLang部署保持在0.5.22或更高版本。引擎的开源很可能会被视为更重大的事件:它让整个推理生态得以公开一窥顶尖实验室如何大规模服务一个7630亿参数的模型。