DeepSeek V4.1 Flash 1017：關閉思考，完成 30/30 項小型程式任務

關閉思考後，DeepSeek V4.1 Flash 1017 完成了全部 30 項修改程式並執行測試的小型任務，每項完成成本為 $0.0042，比預設思考等級的 $0.0066 少了 36%。即使拿掉執行測試的工具，仍完成 30 項中的 28 項。但換成必須在一次回覆內算出答案的單次推理題，例如帶有限制條件的計數問題，關閉思考只答對 39 題中的 11 題。思考是模型回答前進行的隱藏推理，按輸出 token 計費；請求參數 reasoning_effort 用來設定思考量，可選 low、預設的 high 或 max，而 thinking: {"type": "disabled"} 會關閉思考。我們在 10 月 17 日發布後的兩天測試了所有設定，費用按 DeepSeek 尖峰時段牌價計算：每百萬輸入 token 為 $0.30，每百萬輸出 token 為 $1.20。

TL;DR

• DeepSeek V4.1 Flash 1017 的尖峰價格為每百萬 token $0.30/$1.20，離峰減半；每週 168 小時中有 35 小時屬於尖峰。
• 以代理方式執行小型程式任務時，DeepSeek V4.1 Flash 1017 在所有設定下都完成了 30 項中的 30 項：關閉思考每項 $0.0042，預設 high 為 $0.0066，max 為 $0.0099。
• 13 項單次推理任務共執行 39 次，關閉思考答對 11 次，所有啟用思考的等級都答對 39 次。
• DeepSeek V4.1 Flash 1017 從 1,001,531-token 提示詞的三個不同深度位置，找出了藏在其中的資訊。

10 月 17 日改了什麼？1017 的價格是多少？

DeepSeek V4.1 Flash 1017 在 DeepSeek API 上取代了 9 月版的 V4.1 Flash，價格不變。DeepSeek 的發布說明宣稱，新版「任務完成速度更快，輸出比前一版更短」，並提供 DeepSWE v1.1 的通過率與每項任務成本比較圖。這項評測要求模型修復真實程式碼儲存庫中的問題；DeepSeek 將端到端專案任務的進步歸功於「結合自我回饋的強化學習」。模型權重已開放，可以從 Hugging Face 下載並自行部署。部署時，模型名稱、價格、尖峰時段與 tokenizer 的細節如下：

• DeepSeek API 的模型名稱沒變，背後的模型已經換了。DeepSeek 的模型 ID 是 deepseek-flash，價格頁面也指出，舊名稱 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 現在都由 1017 提供服務。直接呼叫 DeepSeek 的程式即使一行都沒改，也已經在呼叫新模型，因此需要重跑評測。Synthorai 的舊模型 ID 仍指向舊版本，最後一節會說明。
• 價格沒有變。以下單位為美元／百萬 token；快取命中指的是伺服器曾在先前請求中看過的輸入，例如重複使用的 system prompt：

• 一週大部分時間都是離峰。尖峰時段為平日 UTC 01:00 至 04:00 及 06:00 至 10:00，也就是北京時間 09:00 至 12:00 及 14:00 至 18:00；週末與中國國定假日全天都算離峰。
• tokenizer 沒有變。同一批英文、中文、Python 和 JSON 範例，在 1017、9 月版 V4.1 Flash 與 V4 Pro 上算出的 token 總數完全相同，因此既有的 token 預算可以沿用。

在 10 月 19 日查閱的 Artificial Analysis 排行榜上，1017 使用最高設定時得分為 45.1，9 月版則是 39.5。這個指標整合了 Artificial Analysis 自行執行的代理、程式設計、知識與科學基準測試。DeepSeek 也在自家平台開放 Search 與 Fetch API，分別回傳查詢的網頁搜尋結果及指定 URL 的內容，兩者價格皆為每 1,000 次呼叫 $0.75；透過 Claude Code、Codex 和 DeepSeek Harness 使用 DeepSeek API key 發出的呼叫，在 2026 年 10 月 31 日 16:00 UTC 前免費。這些條件只適用於 DeepSeek API。我們沒有測試這兩項 API，也沒有驗證大型專案方面的宣稱。本文其餘部分只測量 1017 在各思考設定下的表現。

單次推理該用哪個思考等級？

對我們的任務來說，low 就夠了，關閉思考則不行。1017 執行了我們標準的 13 項任務，包含限制條件下的計數、將規則套用 200 次、背包裝填、模運算，以及其他只有一個可驗證答案的問題。每項任務、每種設定各執行三次，每次只發出一個請求。每個正確答案的成本，是總花費除以答對次數，按尖峰牌價計算：

關閉思考的 39 次回答中有 28 次錯誤，其中 17 次只回傳一個不超過五個 token 的數字，沒有列出計算過程。所有啟用思考的等級都全部答對，因此差別只在輸出量。

13 項任務中，有 12 項在 max 下的輸出比 low 多，總輸出 token 為 1.96 倍。我們用符號檢定比較有多少項任務在某個設定下輸出較多，再以 Holm 校正處理同時進行五組比較的影響；差異仍成立（p = 0.002）。high 的 token 數是 low 的 1.51 倍，13 項任務中有 11 項輸出較長，但校正後只能視為趨勢，尚不能確認差異（p = 0.09）。完全不傳 reasoning_effort 時，DeepSeek 文件說明會使用相同的 high，但實測輸出量比明確指定 high 少了 14%，可看出兩次相同設定的執行仍可能有多少波動。

以下示範兩個控制參數，以及測量數據在回應中的位置：

import os
from openai import OpenAI

client = OpenAI(base_url="https://synthorai.io/v1", api_key=os.environ["SYNTHORAI_API_KEY"])
prompt = "How many positive integers below 1000 are divisible by 3 or 5 but not by 15?"
resp = client.chat.completions.create(
    model="deepseek-v4.1-flash-1017",
    messages=[{"role": "user", "content": prompt}],
    reasoning_effort="low",                          # "low" | "high" (default) | "max"
    # extra_body={"thinking": {"type": "disabled"}}, # thinking off instead
)
u = resp.usage
reasoning = u.completion_tokens_details.reasoning_tokens  # billed as output
cache_hits = u.prompt_tokens_details.cached_tokens         # billed at 2% of the input price
thinking_text = resp.choices[0].message.reasoning_content

程式代理的執行迴圈需要思考嗎？

我們的程式任務不需要，但這些任務都很簡單：所有設定都完成了 30 項中的 30 項，關閉思考與 low 的成本最低。這裡的代理迴圈，是指模型分多輪呼叫工具、讀取結果，直到自行判定任務完成。我們給 1017 一個小型 Python 套件，以及三項圍繞預先植入 bug 設計的任務：修復金額解析錯誤、新增兩種輸入格式，以及修復透支檢查與月報。模型可用四種工具：列出檔案、讀取檔案、寫入檔案，以及執行可見的測試。只有最終留下的檔案通過從未向模型公開的隱藏測試，才算完成。每項任務在每種設定下執行 10 次，最多 30 輪，模型產生的程式碼都在隔離沙箱中執行。輪數、輸出 token 與秒數是每次執行的中位數；每項完成成本是總花費除以完成數，按尖峰牌價計算：

思考等級幾乎不影響輪數。增加的是每輪的推理量：關閉思考時為零，到了 max 則占輸出的 72%。我們針對每項任務的 10 次執行使用 Mann-Whitney 檢定，檢查某個設定的成本是否持續高於另一個設定，並對 12 組比較套用 Holm 校正。三項任務的 high 成本都高於 low，為其 1.24 倍至 1.70 倍；max 則在三項中的兩項高於 high。關閉思考與 low 之間無法辨別出差異。

最後兩列是對照組：使用相同任務，但移除執行測試的工具，讓模型在評分前得不到測試回饋。關閉思考仍完成 30 項中的 28 項，降幅不具統計顯著性（用來比較兩組成功次數的 Fisher 精確檢定，p = 0.49），因此這些任務不需要測試回饋，也能在關閉思考時成功。單次推理測試中，讓關閉思考失敗的題目需要在一次回覆內完成多步算術或搜尋；這些程式任務只需要讀取並修改幾個檔案，1017 不用思考也能處理。

這些任務刻意設計得很小：只有幾個檔案、讀程式就能找出的 bug，而且不到 30 輪就能完成。更困難的代理工作，例如跨多個檔案的功能、長時間除錯或不熟悉的程式碼庫，可能需要更高的思考等級。DeepSeek 對 1017 的主要訴求也正是這類專案工作，但我們沒有測試。合理的預設做法是，簡單的工具任務先用關閉思考或 low，任務複雜或觀察到執行失敗時，再調到 high。

啟用思考且請求包含 tools 時，DeepSeek 的思考模式指南要求傳回先前每一輪 assistant 訊息的 reasoning_content，文件也註明，未傳回會出現 400 錯誤：

msg = resp.choices[0].message
messages.append({
    "role": "assistant",
    "content": msg.content or "",
    "tool_calls": msg.tool_calls,
    "reasoning_content": msg.reasoning_content,  # required with tools in thinking mode
})

快取與離峰時段能省多少？

在代理測試中，快取讓費用減少超過一半，離峰時段則能把剩下的費用再減半。代理迴圈的每一輪都會重新傳送整段對話，因此在使用測試工具的 120 次執行中，輸入占全部 token 的 90%，而其中 82% 的輸入以快取命中計費，費率只有輸入價格的 2%。按尖峰牌價，這 120 次執行共花費 $0.75；若沒有快取折扣，相同 token 會花費 $1.66。套用快取後，輸出占費用的 71%，未命中快取的輸入占 27%，因此思考等級成了調整 1017 代理成本最主要的剩餘手段。同樣的 token 若在離峰執行，費用為 $0.38。

DeepSeek API 會自動快取，不收快取寫入費，也不需要額外標記。我們將一份 6,069-token 提示詞傳送兩次，第二次請求有 6,016 個 token 按快取命中計費。因此，應保持提示詞開頭穩定：system prompt 與工具定義放前面，每次請求會變動的內容放最後。

1M 上下文視窗真的可用嗎？

整個視窗都能用來檢索資訊。我們在由不同句子組成的填充文字中，藏入一句包含七位數代碼的文字，關閉思考後要求模型找出代碼，並測試提示詞中的三個深度位置：

一個 1.15 百萬 token 的請求回傳 HTTP 400，錯誤訊息指出上限為 1,048,568 個 token。因此，超出大小的請求會在開始前失敗，不會悄悄截斷。這項測試只要求找回一筆明確寫出的資訊；若要整合散落在長提示詞各處的多筆資訊進行推理，難度更高，我們沒有測試。

各種工作負載適合哪個設定？

任何思考設定都無法取代代理能執行的測試套件或驗證器：沒有測試工具時，關閉思考仍完成了 30 項中的 28 項，但另外兩項在評分前沒有任何機制能攔下錯誤。如果你在 DeepSeek API 上呼叫 deepseek-v4-flash 或 deepseek-flash，也應安排在 10 月 17 日後重跑迴歸測試，因為這些名稱背後的模型已經變了。

Synthorai 如何處理版本切換

在 Synthorai 上，1017 有獨立的模型 ID：deepseek-v4.1-flash-1017。為了維持既有整合的行為，我們沒有像 DeepSeek API 那樣更改舊 ID 的指向：deepseek-v4.1-flash 仍是 9 月版的 V4.1 Flash，要使用 1017，必須自行更改模型 ID。它在 /v1/chat/completions 上的牌價與 DeepSeek 相同，每百萬 token 的輸入為 $0.30、輸出為 $1.20、快取讀取為 $0.006。reasoning_effort 與 thinking: {"type": "disabled"} 會直接轉送，啟用思考的呼叫會回傳 reasoning_content，快取命中則記錄在 usage.prompt_tokens_details.cached_tokens。本文所有成本都按 DeepSeek 尖峰牌價計算，方便你依自己的執行時段換算。

常見問題

DeepSeek V4.1 Flash 1017 和 deepseek-v4-flash 是不同模型嗎？

在 DeepSeek API 上，這個名稱現在指向的就是 1017：DeepSeek 價格頁面指出，舊 ID deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 都由 DeepSeek V4.1 Flash 1017 提供服務，按 Flash 價格計費，deepseek-flash 也指向相同模型。9 月版 V4.1 Flash 已不再透過 DeepSeek API 提供，但第三方代管服務仍可使用其開放權重提供服務。在 Synthorai 上，舊 ID 仍指向舊版本，1017 的 ID 則是 deepseek-v4.1-flash-1017。

DeepSeek V4.1 Flash 1017 應該關閉思考嗎？

簡單的程式與工具使用任務可以關閉：在我們的代理迴圈中，1017 關閉思考後完成了全部 30 項小型程式任務，每項 $0.0042，即使沒有測試工具也完成了 30 項中的 28 項。需要多步算術或規劃的單次提問，則應保留思考並設為 low：這類測試關閉思考只答對 39 次中的 11 次，low 則答對全部 39 次。複雜代理工作可考慮 high，但我們沒有測試這類工作。

DeepSeek V4.1 Flash 1017 真的有 1M-token 上下文視窗嗎？

有：1017 在 1,001,531-token 提示詞的 10%、50% 和 90% 深度位置都找到了隱藏資訊，耗時約 25 秒，按尖峰牌價每次請求 $0.30；超過 1,048,568 個 token 的請求則回傳 HTTP 400。

相關文章：DeepSeek V4.1 Flash 費用、DeepSeek V4 Pro 正式版與預覽版比較、LLM 思考控制、提示詞快取寫入成本、長上下文分級定價。

於 2026 年 10 月 19 日透過 Synthorai 閘道測量，模型 ID 為 deepseek-v4.1-flash-1017：195 次單次呼叫（13 項任務、五種設定、各執行三次）、180 次代理執行（三項任務、六種設定，含兩種無測試工具的設定，各執行 10 次），以及 11 次長上下文請求。費用按 DeepSeek 尖峰牌價計算；Artificial Analysis 數據查閱於 2026 年 10 月 19 日。

← 返回部落格