DeepSeek V4.1 Flash 1017 划算嗎？用任務成本看這次更新

• DeepSeek 這次更新有個值得注意的變化：在 Artificial Analysis 的評測裡，新版智力指數從 39 升到 45，每項任務的平均費用卻從 0.57 降到 0.26 美元，輸入與輸出單價都沒有調降。
• 預算差不多時，新版比 GLM-5.3-Flash 少花一點錢、綜合分數也較高；若和同為 45 分的 GLM-5.3 max 比，每項任務是 0.26 對 2.01 美元。不過，GLM-5.3 max 在終端機程式測驗的通過率仍較高。
• 有網友拿新版做網頁動畫，第一次花了錢卻沒有成品，調低推理投入後才完成。這個經過提醒我們，評測裡的低成本之外，還得看實際工作能否交付。

DeepSeek 這次更新了什麼？

DeepSeek 在 10 月 17 日推出 V4.1 Flash 1017，官網、App 和 API 都已開放使用。

這是 V4.1 Flash 的更新版，官方把改進重點放在推理、寫程式，以及 Agent 使用工具的能力。

搭配模型工作的 DeepSeek Harness 也一起調整了，也就是協助模型讀取檔案、執行工具及處理任務的環境。

如果你原本透過官方 API 呼叫 deepseek-flash，現在接到的就是這次更新，不必換模型代號。

官方表示，新版回答更精簡、完成任務更快。

但換到實際工作，這些改進能不能變成更划算的成果？

有位網友做網頁動畫的經過，剛好讓我們看到發布說明之外的另一面。

同一份動畫需求，為什麼先失敗、後來才完成？

Reddit 有位使用者想做一個 HTML 網頁，用 5 個場景播放虛構電子紙筆記本的 10 秒上市動畫。

他從 Claude Code 經由 Atlas Cloud 呼叫模型，把同一份需求交給 3 個模型比較。

其中，DeepSeek 新版第一次把那次回覆的 16,000 個 Token 額度全用在思考，沒有輸出成品，卻仍收了 0.019 美元。

後來他把 reasoning_effort，也就是推理投入程度，調成 low，才拿到完成的網頁，這次費用是 0.016 美元。

依他的分享，DeepSeek 是這次比較中唯一做齊 5 個場景的模型。

不過，只看成功那次的 0.016 美元，會漏掉前一次已經付費、卻沒有拿到成果的經過。

這兩筆是他經由第三方服務執行特定工作的帳單。

要比較新版與其他模型的成本，還可以看固定評測題目下的結果，才不會把不同工作、不同設定的費用放在一起算。

單價沒降，怎麼每項任務的費用反而少了？

Artificial Analysis 比較 DeepSeek 新舊版時，兩者都採 max 推理設定。

新版的智力指數是 45 分，舊版是 39 分；加權平均每項評測任務的費用，則從 0.57 美元降到 0.26 美元。

兩版列出的輸入與輸出單價相同，所以這次看到的省錢，沒有反映在每百萬 Token 的價目表上。

差別要看完成整項任務後的費用。

AA 會把輸入、快取、推理與回答的用量一起計入成本，再按不同測驗的權重整理。

因此，即使單價相同，跑完一組任務的帳單仍可能不同。

對想把工作交給 Agent 的人來說，這比單看 Token 價格，更接近「拿到成果要付多少」的問題。

模型單價、整項工作成本與成果的關係，Raven 概念示意。

這裡的 0.26 美元是評測題目的平均費用。

換成你的文件、對話紀錄與工作內容，實際用量仍會不同；它適合用來看同一組測試裡各模型的相對位置。

預算差不多，和 GLM 比起來怎麼選？

先看價位接近的 GLM-5.3-Flash：它的智力指數是 42 分，每項評測任務平均 0.28 美元；DeepSeek 新版是 45 分、0.26 美元。

在這組測試裡，DeepSeek 用稍低的費用拿到較高的綜合分數。

如果想找綜合能力接近的對手，GLM-5.3 max 同樣是 45 分，平均每項任務卻要 2.01 美元。

DeepSeek 的成本優勢，在這個比較下就更明顯了。

不過，智力指數是把 10 項測驗整理成一個分數，包含知識、推理、程式與文件工作。

總分相同，各項工作的表現仍可能有差，所以還要回到你準備交給模型的任務。

例如工作會用到終端機、需要 Agent 修改程式，就可以看 Terminal-Bench 4.0 的任務通過率。

在這項測驗中，DeepSeek 新版是 34%，舊版是 27%；GLM-5.3 max 是 42%，GLM-5.3-Flash 是 33%。

因此，同樣拿到 45 分的 DeepSeek 與 GLM-5.3 max，在這類程式任務上仍有差距。

這也說明，較便宜的綜合能力，和某項工作做得較好，是兩個要分開看的問題。

同價位比較裡，DeepSeek 與 GLM-5.3-Flash 的這項通過率相近；若改看 GLM-5.3 max，花費提高的同時，這項測驗的通過率也較高。

推理設定同樣會改變比較結果。

GLM-5.3 從 max 改為 low，智力指數由 45 變成 34，平均任務費用由 2.01 變成 0.85 美元。

上面的 DeepSeek 新舊版及 GLM-5.3 比較採 max；GLM-5.3-Flash 在 AA 頁面沒有另標推理設定。

費用少了，生成文字也變快了嗎？

看完費用，再看同一組評測的文字生成時間：DeepSeek 新版平均每項任務約 5 分鐘，舊版約 4.8 分鐘。

GLM-5.3 max 約 9.6 分鐘，GLM-5.3-Flash 約 11.7 分鐘。

也就是說，DeepSeek 新版相較舊版，改善的是這組測試裡的分數與費用，文字生成時間並沒有一起縮短。

圖中的時間只計算模型生成文字，不包含工具執行等額外等待。

如果工作還要讀檔、執行程式或反覆修正，整個 Agent 流程的耗時就得另外觀察；不能直接把圖上的分鐘數當成交件時間。

DeepSeek 的 CP 值，這次可以怎麼看？

如果你在意的是相近預算下的綜合能力，這次 DeepSeek 的結果值得留意：比 GLM-5.3-Flash 稍便宜、分數較高，和舊版相比也有改善。

如果主要工作是操作終端機與修改程式，則要把 GLM-5.3 max 較高的任務通過率，和它較高的成本一起考慮。

網友的動畫案例也補上一件評測表不會替你決定的事：實際使用時，推理設定與有沒有拿到成品，都會影響這筆錢花得值不值得。

所以這次更新的收穫，不只是知道 DeepSeek 便宜，而是能分清楚它便宜在哪裡：固定評測中的平均任務成本下降，綜合分數提高，文字生成時間則沒有比舊版縮短。

把這些差異對照手上的工作，才有辦法判斷這個低價模型是不是適合你的選擇。