42.3 对 31.2——把这两个数并排放着，2026 年 10 月 17 日那次 DeepSeek 更新的分量就有了底。前一个数是新模型 DeepSeek-V4.1-Flash-1017 在 Terminal-Bench 4.0 上的得分，后一个数属于上一版 V4.1 Flash，两数同出自官方更新日志 2026-10-17 的条目。这一天，官方网页端、App 与 API 的模型同步切换，API 的调用方式与价格保持不变，模型名仍写 deepseek-flash（IT之家 2026-10-17 报道与之互为印证）。跑分涨了三分之一还多，但这未必是这批动作里最值钱的部分——同一批放出来的，还有一份新的价目：网页搜索与抓取按每千次成功请求 5 元计费，经由官方 Agent 工具内置调用的部分，从北京时间 2026 年 11 月 1 日 0 时起开始计费。
Token 省下来了，能信几成？
先把官方印在更新日志里的表述抄全。相比上一版，新模型在各基准测试中取得显著提升，「同时缩短了模型的任务运行时间与输出长度，让用户能够以更低成本、更快速度完成任务」，在多个 Harness 框架下达到新的性能-费用帕累托最优；DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 三个框架得到专项优化，官方建议把 Harness 升级到 0.2.1-rc.1 及以上版本。红星新闻 2026-10-18 的转述与此逐句一致。
基准分是成体系地涨：ProgramBench 从 20.3 到 29.1，Automation-Bench 从 54.8 到 60.5，Agents’ Last Exam 从 31.8 到 35.4，DeepSWE v1.1 从 74.2 到 77.0，HLE（不带工具）从 36.8 到 42.6。横向看，网易号「阿鑫讲ai」2026-10-17 的对照整理给出：Terminal-Bench 4.0 上，1017 版的 42.3 高于 GLM 5.3 的 37.9 与 Kimi K3 的 12.6，作者同时提醒，K3 那个反常低分可能与 Claude Code 框架的适配有关；DeepSWE 上 77.0 越过 GPT 5.6-Sol 的 73.0 与 Claude Opus 5 的 74.0，而 Terminal-Bench 上 Claude Opus 5 的 51.8 仍在前面。榜单不同、框架不同，名次就会换一组，读分数要连框架一起读。
DeepSeek-V4.1-Flash-1017 与上一版 V4.1 Flash 在七项官方基准上的得分对比
来源：自产；数据来源：DeepSeek 官方更新日志 2026-10-17 条目
「Token消耗降超五成」这句流传的概括，官方文件的表述比它保守。官方印着的量化数字，是成体系的基准分数与一整张价目表；输出长度与任务运行时间的缩短，官方以定性表述给出。五成这个量级，出自第三方对官方 DeepSWE 性能-费用曲线图的换算；钱江晚报 2026-10-17 引同一张图时，写的也是同方向的定性表述。两处材料的差别，引用五成时要一并交代。
第三方实测补了一个可对照的点。腾讯新闻「AI寒武纪」2026-10-18 的实测里，模型用 HTML 和 three.js 做火星登陆模拟，单次任务约两个半小时，花费约 2 元，消耗约 3900 万 token，生成速度全程约 250 tokens/s；作者的判断是表现接近 Kimi K3 max（后者用时约一个半小时）。需要区分的是，省 token 与省时间是两件事：这个例子省下了输出费用，思考时间却拉长，总耗时反而更多。官方演示的「许愿式编程」落在故宫 3D 建模、网页版赛车游戏、Godot 复刻《传送门2》这类从零搭完整项目的场景上，恰好是把上下文吃得最深的那一类。
长任务一侧，公开记录里已经出现两个坑。网易号「阿鑫讲ai」翻出 GitHub 上状态仍为 open 的 issue #1669：在 Codex Desktop 的长时编码任务中，上下文压缩明明已经成功，模型却多次自行声称「上下文余量不足」提前停工，停工时记录的输入量只占窗口的 44% 到 47%——余量过半，停工理由出自模型自己的推断，而非系统下发的余量数据。同一篇整理引社区测试数据：上下文超过 100K 之后，生成速度降到不足 100 tokens/s，接近 200K 时约 50 tokens/s。这两个坑不动摇「输出变短」的定性结论，却决定省下来的钱够不够抵上等出来的时间。
每千次5元，怎么个算法？
2026 年 10 月 17 日，DeepSeek 把自研搜索引擎的 Search 与 Fetch 两个接口开放成 API。官方的定位写得很足：AI 原生的通用搜索引擎，索引全球千亿级网页，支持多语言，对 SEO 作弊、GEO 操纵和低质 AIGC 设有识别过滤机制。分工上，Search 负责按关键词找资料，支持限定网站、语言和发布时间；Fetch 负责把选中的网页抓成 Markdown 文本，交给模型接着分析（以上见官方更新日志与钱江晚报 2026-10-17 报道）。
价格一行读完：Search 与 Fetch 各按每 1,000 次成功请求 5 元计费，单次半分钱；请求失败、搜索无结果或超时，不收费。折算下来，一次长任务若让 Agent 翻两千个页面，这块新增支出在十元量级，与 token 侧动辄百万计的用量相比不算重。官方价格页同时写明：当前在 DeepSeek Harness、Claude Code 或 Codex 中经 Server 端工具调用访问 Search/Fetch 的部分暂不计费，「将于北京时间 2026 年 11 月 1 日 00:00 起按次收取调用费用」（官方价格页，2026-10-19 查证）。
这一行的分量不在单价，在计费方式的分岔。模型调用按 token 计量，Agent 少想、少说就省钱；抓取按成功次数计量，Agent 多翻一页就多记一笔，两条曲线各自独立：直接调 Search/Fetch API 的按表计费，经 Harness、Claude Code 或 Codex 内置调用的，从 2026 年 11 月 1 日 0 时起并入账单。回看这一年的价格动作，方向是连贯的：2026 年 8 月 17 日 0 时起，DeepSeek 把模型调用改成峰谷定价，闲时半价；2026 年 9 月 10 日 V4.1-Flash 发布时 API 价格同步下调。到 1017 版，token 侧的成本曲线整体向下，数据获取侧则从隐性走向显性——推理越来越便宜，外部信息开始按份计价。
2026 年 8 月至 11 月 DeepSeek 的五个定价节点：峰谷定价宣布与生效、V4.1-Flash 发布、1017 版更新、按次计费起点
来源：自产；数据来源：DeepSeek 官方更新日志
deepseek-flash 当前的档位也值得一并记下：上下文 1M，输出最大 384K，支持思考与非思考两种模式；输入按缓存命中与否分档，缓存命中时空闲时段每百万 token 0.02 元、高峰 0.04 元，未命中为 1 元与 2 元，输出为 4 元与 8 元；高峰时段是北京时间周一至周五的 9:00-12:00 与 14:00-18:00（法定节假日除外），并发限制 2500（以上均出自官方价格页，2026-10-19 查证）。
deepseek-flash 计费速览：缓存命中与未命中的输入价格、输出价格，以及 Search/Fetch 按次计费
来源：自产；数据来源：DeepSeek 官方价格页（2026-10-19 查证）
别把基准分当成承诺
官方基准分要用官方给定的框架来读。更新日志注明，Terminal-Bench 4.0 以 Claude Code 框架测试，DeepSWE 用 Mini-SWE-V2 框架，ZeroBench-main 按 Pass@5 评测；换一个框架，名次就可能换一组，「阿鑫讲ai」对 Kimi K3 异常低分保留的意见就是现成的一例。官方自己的措辞是「在多个 Harness 下达到新的性能-费用帕累托最优」——「多个」是有范围的限定词，把它读成所有场景都省一半，就超出了官方承诺的边界。
长期成本的真正下限在开源一侧。IT之家 2026-10-17 报道，模型权重同步放在 HuggingFace 与 ModelScope 上，延续 V4.1 Flash 以 MIT 许可证开源的策略；「AI寒武纪」2026-10-18 也列出了两处权重地址。观察者网 2026 年 4 月对 V4 代的技术拆解给过底盘：V4-Flash 总参数 284B、激活 13B，注意力机制走压缩稀疏与重压缩交替叠用的路线，1M 上下文是全系标配；2026 年 9 月 10 日的更新日志把 V4.1-Flash 描述为该系列里最小的型号，具备原生多模态视觉理解。权重在自己手里，API 价格的涨跌影响的就只是托管成本，而不是还能不能用——这是 DeepSeek 系模型特有的缓冲垫，也是这次降价消息之外更值得放进决策的一项。
可靠性单独记一笔。红星新闻 2026-10-18 报道，2026 年 10 月 15 日上午 DeepSeek 出现服务异常，网页端与 App 无法正常使用，向对话框发消息会看到「服务器暂时不可用」。钱江晚报 2026-10-17 对善后的概括是「先宕机后补偿」，新模型在大周末火速上桌；同篇写到符合条件的用户首次登录 DeepSeek Harness 可领 6 元赠金，无需充值，到账后 7 天内有效，额度限量发放，并把它记作发布时「顺手放的一波福利」，与故障善后分开叙述。
一次 Agent 任务的两条成本曲线：模型调用按 token 计量，网页搜索与抓取按成功次数计量
来源：自产；数据来源：DeepSeek 官方价格页与更新日志
把这些并到一起，结论是：这次更新真正立住的，是「推理更便宜、输出更克制、外部数据按份计价」这条完整的价格线，而不是某一个百分比；五成是一个方向正确的估计值，官方给出的是定性表述与基准分数，两者的差别要在引用时讲明；抓取计费的金额不大，信号却不小，Agent 的成本核算多出一栏：直接调 API 的已按次计费，内置调用的从 2026 年 11 月 1 日 0 时起并入。Search 与 Fetch 的真实用量，在 2026 年 11 月 1 日之前用自己的任务先量一遍，计费后的账单就有基线可比。
顺带交代一件与我有关的安排：承载这一篇的站点，吃流量的图片与静态文件一直放在 挂羊头CDN，这一项在每月账单里小得不起眼。把推理降下来、把数据按份计价，2026 年这一轮定价动作指向同一件事：AI 的成本核算正在从一笔总账变成一本细账，细账比总账诚实，也更容易省。