DeepSeek V4.1 Flash 1017：关闭思考，完成 30/30 项小型编程任务

关闭思考后，DeepSeek V4.1 Flash 1017 完成了我们全部 30 项小型代码修改与测试任务，每项成功任务的成本为 $0.0042，比默认思考级别的 $0.0066 低 36%。即使移除运行测试的工具，它仍完成了 30 项中的 28 项。但面对另一类工作，关闭思考就不行了：需要在一次回复中算出答案的问题，例如带约束的计数，它只答对了 39 次中的 11 次。思考是模型回答前的内部推理，按输出 token 计费；请求参数 reasoning_effort 控制思考量，可设为 low、默认的 high 或 max，thinking: {"type": "disabled"} 则关闭思考。我们在 10 月 17 日发布后的两天，对所有设置进行了测量，费用按 DeepSeek 高峰时段标价计算：每百万输入 token 为 $0.30，每百万输出 token 为 $1.20。

TL;DR

• DeepSeek V4.1 Flash 1017 在高峰时段的价格为每百万 token $0.30/$1.20，非高峰时段减半；每周 168 小时中有 35 小时属于高峰时段。
• 以智能体方式执行小型编程任务时，DeepSeek V4.1 Flash 1017 在所有设置下均完成 30/30 项：关闭思考时每项 $0.0042，默认 high 为 $0.0066，max 为 $0.0099。
• 在 13 项单次推理任务中，关闭思考答对 11/39，所有开启思考的级别均答对 39/39。
• DeepSeek V4.1 Flash 1017 从 1,001,531 个 token 的提示词中，在三个不同深度均找到了隐藏的信息。

10 月 17 日更新了什么，1017 怎么收费？

DeepSeek V4.1 Flash 1017 在 DeepSeek API 上替换了 9 月版 V4.1 Flash，价格不变。DeepSeek 的发布说明称，新版“完成任务更快，输出比上一版更短”，并给出了 DeepSWE v1.1（修复真实代码仓库中的问题）的通过率与单项任务成本对比图。官方将端到端项目能力的提升归因于“基于自反馈的强化学习”。模型权重开放，可以从 Hugging Face 下载并自行部署。接入时，模型名称、价格、高峰时段和分词器的具体情况如下：

• DeepSeek API 中，模型名称背后对应的模型变了。DeepSeek 使用的 ID 是 deepseek-flash，其价格页说明，旧名称 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 现在也由 1017 提供服务。直接调用 DeepSeek 的代码，即使一行没改，也已经在调用新模型，因此需要重新评测。Synthorai 的旧模型 ID 仍指向旧版本，最后一节会说明。
• 价格没有变化。下表价格单位为美元／百万 token。缓存命中指服务器在先前请求中已处理过的输入，例如重复发送的系统提示词：

• 一周中大部分时间都是非高峰时段。高峰时段为工作日 UTC 01:00 至 04:00 和 06:00 至 10:00（北京时间 09:00 至 12:00 和 14:00 至 18:00）；周末及中国法定节假日全天均为非高峰时段。
• 分词器没有变化。同一组英语、中文、Python 和 JSON 样本，在 1017、9 月版 V4.1 Flash 和 V4 Pro 上的 token 总数完全一致，因此原有 token 预算可以沿用。

在 Artificial Analysis 排行榜上（10 月 19 日查阅），1017 在最高思考级别下得分为 45.1，9 月版为 39.5。该指数汇总了 Artificial Analysis 自行运行的智能体、编程、知识和科学基准测试。DeepSeek 还在自有平台开放了 Search 和 Fetch API，分别返回查询的网页结果和指定 URL 的内容，两者均为每 1,000 次调用 $0.75；通过 Claude Code、Codex 和 DeepSeek Harness 使用 DeepSeek API key 发起的调用，在 2026 年 10 月 31 日 16:00 UTC 前免费。这些条款仅适用于 DeepSeek API。我们没有测试这两个 API，也没有验证大型项目能力的相关说法。下文只测量 1017 在不同思考设置下的表现。

单次推理该用哪个思考级别？

在我们的任务上，low 已经足够，关闭思考则不行。1017 运行了我们的标准 13 项任务集，包括约束计数、重复应用一条规则 200 次、背包问题、模运算等答案可核验的问题。每项任务在每种设置下运行三次，每次只发一个请求。每个正确答案的成本，按总费用除以答对次数计算，使用高峰时段标价：

关闭思考时，39 次中有 28 次答错。其中 17 个错误答案只给出了一个数字，不超过五个 token，没有计算过程。所有开启思考的级别都答对了全部问题，区别只在于写了多少内容。

13 项任务中，max 在 12 项上比 low 输出更多，总输出 token 为后者的 1.96 倍。我们使用符号检验统计一种设置在哪些任务上输出更多，再用 Holm 校正处理同时进行的五组比较；校正后，差异仍显著（p = 0.002）。high 的 token 数为 low 的 1.51 倍，在 13 项任务中的 11 项上输出更长，但校正后只能视为趋势，不能确认存在显著差异（p = 0.09）。DeepSeek 文档说明，不传 reasoning_effort 等同于 high。实际测得，不传该参数时的输出量比显式设置 high 低 14%，可见相同设置的两次运行也会有不小的波动。

下面展示两种控制方式，以及响应中各项测量数据的位置：

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

编程智能体循环需要开启思考吗？

我们的编程任务不需要，但这些任务比较简单：所有设置都完成了 30/30 项，关闭思考和 low 的成本最低。这里的智能体循环，是指模型分轮调用工具、读取结果，直到它认为任务完成。1017 拿到的是一个小型 Python 包，以及围绕我们预埋的 bug 设计的三项任务：修复金额解析 bug；增加两种输入格式；修复透支检查和月度报表。它可使用四个工具：列出文件、读取文件、写入文件、运行可见测试。只有模型最终留下的文件通过隐藏测试，才算完成任务；模型从未见过这些隐藏测试。每项任务在每种设置下运行 10 次，每次最多 30 轮，模型生成的代码在隔离沙箱中执行。轮数、输出 token 和耗时均为单次运行的中位数；每项成功任务的成本按总费用除以完成任务数计算，使用高峰时段标价：

思考级别几乎不影响轮数，增加的是每轮的推理量：关闭思考时为零，max 时占输出的 72%。我们用 Mann-Whitney 检验比较每项任务的 10 次运行，检查一种设置的成本是否稳定高于另一种，再对 12 组比较做 Holm 校正。在全部三项任务上，high 的成本均高于 low，为后者的 1.24 至 1.70 倍；max 在三项任务中的两项上比 high 更贵。关闭思考与 low 之间未检出显著差异。

最后两行是对照实验：任务相同，但移除了运行测试的工具，模型在最终评分前拿不到测试反馈。关闭思考仍完成了 30 项中的 28 项，下降幅度不显著（比较两组成功次数的 Fisher 精确检验，p = 0.49）。因此，在这些任务上，关闭思考也不依赖测试反馈才能成功。单次推理任务集中让关闭思考失效的问题，需要在一次回复里完成多步算术或搜索；这些编程任务只需读写少量文件，1017 不用思考也能处理。

这些任务刻意保持小规模：只有几个文件，读代码就能定位 bug，且不超过 30 轮。更难的智能体工作，例如跨多个文件实现功能、长时间调试或处理陌生代码库，很可能需要更高的思考级别。DeepSeek 对 1017 的宣传重点也正是这类项目工作。我们没有测试这些场景。合理的起点是：简单工具任务先关闭思考或使用 low，任务复杂或出现失败时再升到 high。

开启思考且请求包含 tools 时，DeepSeek 的思考模式指南要求回传此前每一轮助手消息的 reasoning_content，否则会返回文档中说明的 400 错误：

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
})

缓存和非高峰时段能省多少？

在我们的智能体运行中，缓存让费用减少了一半以上，非高峰价格还能在此基础上再减半。智能体循环每轮都会重发完整对话，因此，在配有测试工具的 120 次运行中，输入占全部 token 的 90%。其中 82% 的输入按缓存命中计费，价格是正常输入的 2%。按高峰时段标价，这 120 次运行共花费 $0.75；如果没有缓存折扣，同样的 token 会花费 $1.66。应用缓存后，输出占账单的 71%，未缓存输入占 27%，因此思考级别成为影响 1017 智能体成本的最大剩余因素。若在非高峰时段运行，同样的 token 只需 $0.38。

DeepSeek API 自动启用缓存，没有缓存写入费，也不需要手动标记。我们将一条 6,069 个 token 的提示词发送两次，第二次请求有 6,016 个 token 按缓存命中计费。因此，应保持提示词开头稳定：系统提示词和工具定义放在前面，每次请求会变化的内容放在最后。

1M 上下文窗口真的可用吗？

整个窗口都可以用于信息检索。我们在由不同句子组成的填充文本中，藏入一句包含七位数字代码的话，然后关闭思考，要求模型找出代码。测试覆盖提示词中的三个深度：

一次包含 1.15 百万个 token 的请求返回了 HTTP 400，错误信息指出上限为 1,048,568 个 token。因此，超长请求会在开始处理前失败，不会被静默截断。这里测的是找回一条明确写出的信息；综合长提示词中分散的多条信息进行推理更难，我们没有测试。

不同工作负载该选什么设置？

任何思考设置都不能替代智能体可运行的测试套件或校验器：移除测试工具后，关闭思考仍完成了 30 项中的 28 项，但另外两项在最终评分前没有被任何机制发现。如果你在 DeepSeek API 上调用 deepseek-v4-flash 或 deepseek-flash，也应安排一次 10 月 17 日更新后的回归测试，因为这些名称背后的模型已经变了。

Synthorai 如何处理这次更新

在 Synthorai 上，1017 有独立的模型 ID：deepseek-v4.1-flash-1017。为保持现有集成的行为不变，我们没有像 DeepSeek API 那样修改旧 ID 的指向：deepseek-v4.1-flash 仍是 9 月版 V4.1 Flash，切换到 1017 需要修改模型 ID。它在 /v1/chat/completions 上的标价与 DeepSeek 一致，每百万 token 的输入为 $0.30、输出为 $1.20、缓存读取为 $0.006。reasoning_effort 和 thinking: {"type": "disabled"} 会透传，开启思考的调用会返回 reasoning_content，缓存命中量通过 usage.prompt_tokens_details.cached_tokens 返回。本文所有费用均按 DeepSeek 高峰时段标价计算，便于你按自己的运行时段换算。

常见问题

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

在 DeepSeek API 上，后者现在对应的就是 1017：DeepSeek 价格页说明，旧 ID deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 由 DeepSeek V4.1 Flash 1017 提供服务，按 Flash 价格计费，deepseek-flash 也指向它。9 月版 V4.1 Flash 已不再通过 DeepSeek API 提供，但第三方托管平台仍在部署其开放权重。在 Synthorai 上，旧 ID 仍指向旧版本，1017 的 ID 是 deepseek-v4.1-flash-1017。

DeepSeek V4.1 Flash 1017 应该关闭思考吗？

简单编程和工具调用任务可以关闭：在我们的智能体循环中，1017 关闭思考后完成了全部 30 项小型编程任务，每项 $0.0042；即使没有测试工具，也完成了 30 项中的 28 项。需要在一次回复中完成多步算术或规划的问题，应保持思考开启并使用 low：这类任务关闭思考只答对 11/39，low 则答对 39/39。复杂智能体工作可以考虑 high，但我们没有测试这类场景。

DeepSeek V4.1 Flash 1017 真的有 1M token 的上下文窗口吗？

有：1017 在 1,001,531 个 token 的提示词中，分别从 10%、50% 和 90% 深度找到了隐藏信息，耗时约 25 秒，按高峰时段标价每次请求为 $0.30。超过 1,048,568 个 token 的请求返回了 HTTP 400。

相关文章：DeepSeek V4.1 Flash 成本、DeepSeek V4 Pro 正式版与预览版对比、LLM 思考控制、提示词缓存写入成本、长上下文阶梯定价。

测量于 2026 年 10 月 19 日，通过 Synthorai 网关调用，模型 ID 为 deepseek-v4.1-flash-1017：共 195 次单次调用（13 项任务、五种设置、各运行三次）、180 次智能体运行（三项任务、六种设置，其中两种不提供测试工具，各运行 10 次），以及 11 次长上下文请求。费用按 DeepSeek 高峰时段标价计算；Artificial Analysis 数据查阅于 2026 年 10 月 19 日。

← 返回博客