DeepSeek 在 10 月 17 日发布 V4.1-Flash-1017，价格不变，权重按 MIT 协议公开，网页、App 与 API 同步切到新版，API 仍沿用 deepseek-flash 这个名字。开发者 Ibragim Badertdinov 从自己约三个月的智能体使用记录里挑出 10 项需求明确、平时一小时内能做完的任务，覆盖数据处理、后端、前端与部署，语言是 Python 和 TypeScript，每项都配了自动检查，然后在同一套编程工具 Pi 里让不同模型各跑三遍。

结果是没有输家，只有代价不同。三款模型 10 项全部通过：DeepSeek 平均每项 0.045 美元，Claude Opus 5.5 为 0.1168 美元，GPT-6 Astra 约 0.26 美元；耗时反过来，Opus 与 GPT 分别 37 秒和 55 秒，DeepSeek 要 2 分 38 秒。过程差异更明显：DeepSeek 平均 15.3 步，Opus 3.7 步，GPT-6 Astra 6.5 步；token 用量约 54.7 万，Opus 约 3.1 万。账单没有随用量一起涨，原因是缓存——记录里缓存命中率达到 97.9%，绝大部分是重复送入的上下文，便宜的缓存输入把每项成本压在 5 美分以内。

换工具会换结果。同一低推理档位在 DeepSeek 自家 Harness 里成功率升到 29/30，因为 Harness 内置更强的文件操作 API 与更长的系统提示，绕过了 Pi 环境里一个容易漏掉的边界情况。官方也建议 Harness 用户升到 v0.2.1-rc.1 或更高。同一模型在不同工具链里可能表现成两个水平，可比单位因此变成「模型 × 工具 × 工作流」。

更便宜的选择也出现了。同一套题里，GPT-6 Luna 的 xhigh 档与 Haiku 5.5 的 high 档同样 30 次全过，每项只花 0.0145 与 0.0208 美元，平均耗时 2 分 46 秒和 2 分 08 秒，比 DeepSeek 还低。官方基准的长程项上，新版仍落后于 Claude Opus 5：HLE 无工具 42.6 对 56.3、Terminal-Bench 4.0 的 42.3 对 51.8、ProgramBench 的 29.1 对 37.0，领先的是 Automation-Bench 60.5 对 50.3 这类偏自动化流程的项目。结论落在一句话上：小型确定性任务是它的性价比区间，跨多文件重构与架构修改仍需要另一个模型交叉审查、或由人签字。