Alibaba 将 DeepSeek V4 Flash 0731 输出价格上调 230%
Alibaba 将 DeepSeek V4 Flash 0731 的每百万 tokens 输出价格从 $0.40 上调至 $1.32,增幅为 230%。
推荐理由:价格目录同时列出多家模型涨价与 Zhipu AI 降价,为依赖低成本 API 的团队重算单位经济性、识别成本风险提供直接参照。
Alibaba 将 DeepSeek V4 Flash 0731 的每百万 tokens 输出价格从 $0.40 上调至 $1.32,增幅为 230%。
推荐理由:价格目录同时列出多家模型涨价与 Zhipu AI 降价,为依赖低成本 API 的团队重算单位经济性、识别成本风险提供直接参照。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017,在基础模型架构不变的情况下迭代现有能力,重点强化从零构建完整项目和编程智能体任务。
推荐理由:将编程基准、成本变化与具身智能投资放在同一框架下,有助于理解 DeepSeek 向物理世界延伸的布局。
MiniMax 发布推理模型 M3.1 Flash,在 Artificial Analysis Intelligence Index 上得 42 分,较前代 M3 提高 13 分,单任务成本降至约 0.22 美元,不到前代的一半。
同一件事,精选收录的是《MiniMax 发布 M3.1 Flash,Agent 评测居国模第一且综合成本降至前代 30%》
Artificial Analysis 上线了 DeepSeek V4.1 Flash 1017 (Max) 的模型评估页面,列出智力指数、开放性指数、token 用量与成本、上下文窗口、输出速度、首 token 延迟、端到端响应时间和模型大小等评测维度,原帖正文未给出具体数据。
深度求索(DeepSeek)V4.1 Flash-1017 token 消耗较前版下降逾 50%,单位任务综合成本仅为 Fable、Astra 等同类模型的百分之一至二十分之一。API 价格不变,通过任务感知型压缩、动态上下文裁剪和自适应解码策略实现效率提升。该版本采用深度求索首次发布的帕累托前沿曲线展示效率与成本综合表现。
同一件事,精选收录的是《DeepSeek发布V4.1-Flash-1017模型,同步开放自研搜索API》
DeepSeek发布新模型DeepSeek-V4.1-Flash-1017,网页端、APP与API已同步切换至该版本。官方称新模型在代码、Agent等基准测试分数提升的同时,任务运行时间、输出长度和token费用均有所下降;首次登录Harness的用户可领6元赠金。
推荐理由:同时呈现了模型在代码和Agent任务上的分数提升以及token消耗下降两项变化,可供关注性价比的开发者横向参考。
DeepSeek 发布 V4.1-Flash-1017,在官方基准的多项编码与智能体任务上超越自家前代以及 Claude Opus 5、GPT 5.6-Sol、Kimi K3、GLM 5.3 等更大竞品,模型权重开源发布在 Hugging Face 与 ModelScope。
推荐理由:原文给出 V4.1-Flash-1017 在 DeepSWE 等基准的准确率与单任务成本,并横向对比多家竞品,读者可据此判断该模型的成本效率边界。
DeepSeek V4.1 Flash 模型更新至 V4.1-Flash-1017 版本,官方网页端、App 与 API 已同步切换为新模型。
同一件事,精选收录的是《DeepSeek发布V4.1-Flash-1017模型,同步开放自研搜索API》
V4.1 Flash 1017 是 DeepSeek V4.1 Flash 在 2026 年 10 月 17 日发布的快照版本,通过 OpenRouter 提供路由。
同一件事,精选收录的是《DeepSeek发布V4.1-Flash-1017模型,同步开放自研搜索API》
DeepSeek 发布 V4.1-Flash-1017,作为 V4.1-Flash 的小版本更新,在推理、编码、智能体和视觉基准上有所提升,并缩短任务执行时间和输出长度。
同一件事,精选收录的是《DeepSeek发布V4.1-Flash-1017模型,同步开放自研搜索API》
DeepSeek 发布多模态 MoE 模型 DeepSeek-V4.1-Flash,采用 CED 架构、CSA2 与 FP4 KV cache 等压缩手段,将全局 KV cache 占用压至每 token 890 字节,相对 DeepSeek-V4-Flash 和 DeepSeek-V1 分别缩减约 4 倍与 437 倍。
推荐理由:原文给出 CED 架构、CSA2 与 FP4 KV cache 等具体压缩设计,并对照 Opus-5.0、GPT-5.6 等前沿模型列出 agentic 基准成绩,读者可据此评估压缩策略对推理成本的实际收益。
DeepSeek 发布 V4 系列首个实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp,在 V4-Flash 架构上加入视觉模块继续训练。
推荐理由:仓库同时给出与 Opus-4.8 的多模态 Agent 基准对比和开源推理实现,读者可据此判断它在 V4 系列里的相对位置。
DeepSeek 正式发布 DeepSeek-V4-Pro 0813,在预览版基础上挂载 DSpark 推测解码模块,重点强化智能体能力。该模型在 HLE 上得分 42.7/60.0(无工具/有工具),Terminal Bench 2.1 达 87.9,DeepSWE 62.7。
推荐理由:正文给出与同代模型的基准对比和 vLLM/SGLang 部署方式,读者可直接评估其相对位置并复现推理流程。