TRAE 中国版把内置模型 DeepSeek-V4.1-Flash 升级到 1017 版本,向全量用户开放,已有用户无需改任何配置即可切换。官方同时说明资源紧张,使用量大的时段会出现排队等候。
1017 是模型快照日期,对应 10 月 17 日。DeepSeek 当天发布该版本,网页端、APP 与 API 同步切换,官方在技术报告里把它定义为一次小幅更新;同日 DeepSeek Harness 升到 0.2.1 做适配。上一版 V4.1 Flash 发布于 9 月 10 日。
提升集中在编程与 Agent 任务。基于自反馈的强化学习让「许愿式编程」更强:只给少量提示词、参考素材和交互轮次,就能从零搭出完整项目,第一版写完后模型还会自己检查、发现问题再回头改。Terminal-Bench 4.0 从 31.2 升到 42.3(GPT-5.6-Sol 为 39.9),DeepSWE v1.1 从 74.2 升到 77.0(Claude Opus 5 为 74.0);HLE、ZeroBench-main 这类知识与视觉推理,与主流闭源模型仍有差距。max 档 77.0% 的 Pass@1 配上较低单任务费用,构成新的性能—费用帕累托前沿。
新版本还针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等平台框架做过优化,任务运行时间与输出长度都下降;API 同期开放 Search 与 Fetch 两个接口,分别用于搜索网页与读取正文,按成功请求次数计费,失败、无结果或超时不收费。上线当天的社区反馈两极化:一边认可模型强度,一边抱怨排队与消耗——有用户直接贴出「token 消耗量是别的工具十倍以上」。这类体感差异很少只由模型决定,工具链怎么裁上下文、怎么排工具调用占了大头。