**DeepSeek V4.1-Flash-1017: Model Ringan Menantang Flagship, Fokus Sebenarnya Ada pada Ekosistem** DeepSeek hari ini melancarkan V4.1-Flash-1017, dengan pihak rasmi menyatakan prestasi yang lebih baik, tugas selesai lebih pantas, dan output lebih ringkas, serta menyebutnya sebagai "Peningkatan Pareto" dalam efisiensi dan kos—maksudnya, tiada aspek yang memburuk, semua aspek meningkat. Model ini secara serentak dilancarkan di laman web, aplikasi, dan API, serta dibuka sumber di Hugging Face dan ModelScope. **Nombor: Unggul dalam Tugas Agent, Masih Ketinggalan dalam Penalaran Mendalam** Berdasarkan jadual perbandingan rasmi (semua data dilaporkan sendiri): - **Mengungguli Claude Opus 5:** DeepSWE 77.0 berbanding 74.0, Automation-Bench 60.5 berbanding 50.3, Agents' Last Exam 35.4 berbanding 28.6, Apex Bench 72.1 berbanding 65.8. - **Masih tertinggal:** HLE 42.6 berbanding 56.3, Terminal-Bench 4.0: 42.3 berbanding 51.8, ProgramBench 29.1 berbanding 37.0, NL2Repo 68.2 berbanding 75.3. - **Kemajuan:** Berbanding versi Flash sebelumnya, Terminal-Bench meningkat dari 31.2 ke 42.3—peningkatan paling ketara. Sebuah model ringan setaraf Flash yang mampu menyamai bahkan mengungguli model flagship dalam pelbagai ujian agent dan kejuruteraan adalah perkara paling menarik. Namun, dalam ujian penalaran mendalam seperti HLE, jurangnya masih jelas. Pernyataan yang lebih adil ialah: ia "cukup baik dan murah" untuk tugas kejuruteraan dan agent, bukan secara menyeluruh mengejar ketertinggalan. **Fokus pada Harness dan Ekosistem** Pihak rasmi secara khusus menekankan penyesuaian untuk DeepSeek Harness, Tencent CodeBuddy, dan WorkBuddy, serta mencadangkan penghijrahan ke Harness v0.2.1-rc.1 untuk hasil terbaik. Dengan kata lain, DeepSeek bukan lagi menjual hanya model—tetapi seluruh kerangka pelaksanaan bersama-sama. API Search & Fetch yang dilancarkan pada hari yang sama menggunakan enjin carian sendiri, dengan pihak rasmi menyatakan ia menangani ratusan juta permintaan setiap hari, melengkapi bahagian "cari dan ambil" yang hilang. Setiap endpoint dikenakan bayaran $0.75, tetapi posting ini tidak menunjukkan unit harga secara penuh—perlu merujuk dokumen untuk pengesahan. Dari segi latihan, pihak rasmi menggunakan pembelajaran penguatan dengan umpan balik sendiri untuk meningkatkan pembangunan projek end-to-end, dengan contoh dari pembuatan permainan hingga pemodelan 3D. Animasi yang dipaparkan sangat menarik, tetapi visual yang cantik tidak bermakna stabil atau boleh digunakan—masih perlu menunggu ujian sebenar. **Beberapa Pertimbangan** 1. Semua prestasi dilaporkan oleh pihak rasmi; sebahagian nombor ditandai dengan tanda bintang dan perlu direplikasi secara bebas oleh pihak ketiga. 2. Sebahagian soalan mungkin hanya hasil dalam kondisi harness tertentu atau satu-satu keadaan—mungkin tidak boleh direplikasi dalam persekitaran berbeza. 3. Dilaporkan bahawa DeepSeek sedang menjalani pendanaan dan bersiap untuk IPO; jadual pelancaran dan naratif mungkin dipengaruhi tekanan komersial. **Kesimpulan** Makna V4.1-Flash bukanlah "mengalahkan Opus", tetapi membuat "keupayaan agent yang cukup baik" menjadi lebih murah dan lebih pantas, serta menggabungkannya dengan rantai alat dan API carian untuk secara langsung menekan struktur kos pengembang. Yang perlu dipantau seterusnya: hasil penilaian pihak ketiga, dan sama ada pengembang benar-benar akan beralih platform demi Harness.