DeepSeek 四天三连击：模型升级、开放搜索与 DeepInfer 开源

本文根据公众号作者快刀青衣 2026 年 10 月 22 日发布的文章整理。文中性能榜单、价格和吞吐数据均为原文转述，本文未独立复测；关于行业影响的部分属于基于原文信息的分析。

DeepSeek 在四天内连续发布了三项进展：10 月 17 日更新 V4.1 Flash 1017 权重并开放自研搜索 API，10 月 20 日开源内部推理框架 DeepInfer。把它们放在一起看，变化不只发生在模型本身，还覆盖了模型怎样获取信息、怎样被部署和运行。

可以用三层来理解这组动作：模型升级提升“能做什么”，搜索 API 试图改善“依据什么回答”，推理框架则影响“以什么成本把能力交付出来”。

一、V4.1 Flash 1017：只改权重也可能带来明显变化

作者称，DeepSeek 将 1017 定义为一次 minor update：模型结构、分词器和提示词格式没有改变，主要变化在权重。版本号听起来不大，但文章转述的测试成绩和实际任务案例显示，体验差异可能相当明显。

编程成绩与实际任务

文章援引 DeepSWE 软件工程榜单称，1017 得分为 77.0，高于文中列举的 Claude Opus 5（74.0）和 GPT-5.6 Sol（73.0）。作者同时特别提醒，这些对照并非竞争对手各自的旗舰模型。在 Code Arena 的 WebDev 赛道，文章称 1017 获得 1670 分，是当时成绩最高的开源模型，和 GPT-6 Sol 相差十余分。

这些数字说明的是特定评测、版本和时间点上的结果，不能直接推导出所有编程任务里 1017 都更强。榜单任务的覆盖范围、工具配置、提示词、推理预算和模型版本都会影响比较。对实际使用者来说，更稳妥的做法是用自己常见的代码库任务做对照，检查正确率、可运行性、修改范围、耗时与返工量。

文章还转述了两个生成任务的成本案例：生成“鹈鹕骑自行车”动画，1017 用时 172 秒、花费约 0.17 元；文章比较的 V4-Pro 用时 240 秒、约 0.31 元，Claude Opus 5.5 用时 519 秒、约 8.5 元。另一个案例是根据特斯拉飞行发布会片段生成动态 3D 网页，作者称 1017 最终完成了从地面加速到空中悬停等关键画面，花费约 4 元。

这类单次任务适合观察“速度、价格、交付效果”的可能组合，但不是标准化基准。输入材料、重试次数、模型调用链和验收标准若不同，成本与质量就不能简单横向比较。

自反馈强化学习与“许愿式编程”

按文章对官方说明的转述，此次训练采用了基于自反馈的强化学习：让模型生成题目、对结果打分，再用评分信号改进。它的潜在价值是减少训练过程对人工反馈的单点依赖，让生成、评价和迭代可以持续运行。这里的“自反馈”并不意味着模型能自动保证判断正确，评价信号本身的质量仍会决定训练效果。

作者也提到，1017 加强了从零搭建完整项目的能力，并把自然语言提出目标、由模型生成完整项目称作“许愿式编程”。文中举出的演示包括故宫 3D 建模和网页赛车游戏；一位实测者据称用 Claude Code 搭建太和殿 3D 模型，约 23 分钟完成，成本约 1.4 元。此类展示说明模型可能把多步骤开发压缩为更短的交互，但生产使用仍要检查代码质量、素材与版权、浏览器兼容性、边界条件和后续可维护性。

对 API 用户而言，如果能力提升而定价保持不变，实际单位能力的成本可能下降。作者将其概括为用户“免费享受升级”。这成立与否仍需结合真实任务的成功率、调用量和重试成本判断，不能只看标价。

二、搜索 API：把信息质量作为产品能力的一部分

与模型更新同日，DeepSeek 开放了自研搜索 API。文章特别关注公告中关于识别和过滤 SEO 作弊、GEO 操纵与低质量 AIGC 内容的表述。其核心问题是：搜索系统不仅要找到网页，还要判断哪些网页值得进入模型的上下文。

从搜索结果污染到回答污染

SEO 的目标通常是提高页面在传统搜索结果中的可见度。文章把 GEO（生成式引擎优化）描述为面向生成式系统争取推荐或引用的做法。正当的内容优化可以帮助内容被发现，但批量制造只为影响模型而写的内容，也可能让低质量或带有商业偏向的信息进入回答链条。

传统搜索把候选页面展示给用户，用户还能查看来源、比较多个结果。由检索系统挑出的内容若直接进入模型上下文，用户看到的则可能是一段连贯、确定的综合回答，较难判断其中哪些结论来自可靠来源、哪些受检索材料影响。因此，搜索质量会直接影响模型回答的依据，而不只是搜索页的排序。

文章用数码产品推荐举例：如果回答的大部分选项都可信，夹杂其中的低知名度或低质量推荐更容易被接受。若将同样机制用于食品、健康等领域，错误或被操纵信息的后果会更大。这里的风险不在于所有 GEO 内容都是恶意，而在于用户通常看不到内容筛选和排序的全过程。

过滤机制能解决什么、还不能证明什么

文章认为，DeepSeek 把 SEO 作弊、GEO 操纵和低质 AIGC 明确列为过滤对象，说明搜索质量控制开始进入产品设计。但公告表述只能说明供应方设定了这样的目标，不能单独证明过滤覆盖率、误判率或长期抗操纵效果。

评估搜索 API 时，仍应观察几类问题：权威来源是否更容易被召回；新近信息是否能正确标注时间；不同观点是否被保留；正常但表达相似的内容是否被误伤；结果是否提供可追溯的来源。对于模型应用开发者而言，检索结果的来源、时间和引用呈现应进入评测集，而不是只评最终回答是否流畅。

三、DeepInfer：开源推理系统，分享模型之外的工程经验

10 月 20 日，DeepSeek 宣布开源内部推理框架 DeepInfer。推理是模型接到请求后生成结果的过程。推理框架负责请求调度、显卡任务分配和多卡协同等运行时工作，因此会影响吞吐、延迟和算力利用率。

可以把模型比作厨师的手艺，把推理系统比作厨房布局：同样的模型，在调度合理、设备利用率高的系统中，单位时间可以服务更多请求；系统效率低，则可能浪费硬件资源。框架不会自动让模型“更聪明”，但会影响模型能力能否以可接受的成本稳定提供。

原文转述的吞吐与收入数据

作者援引 DeepSeek 技术报告称，基于 DeepInfer 的单一集群每天处理约 155 万亿 Token，折算为每卡每小时约 38 美元收入。文章将其视作算力变现效率的重要指标，并称不少云上算力出租机构的相应指标约为 10 美元左右。

这组数据需要结合报告的具体口径理解：集群规模、卡型、利用率、收入计算方式、服务质量和成本是否计入，都会改变比较结果。文章将 DeepInfer 称为“印钞机图纸”，强调的是推理工程的经济价值；不能仅凭公开框架代码就复现同样的商业指标。

开源版的价值和边界

在框架开源之前，开发者可以取得模型权重并自行部署，却仍要自行解决推理优化和集群工程问题。现在，公开推理框架有机会缩短团队摸索调度、执行和服务优化路径的时间，也让云厂商更容易围绕开源模型构建服务。

不过，按文章说明，开源的是可以独立部署的版本；DeepSeek 在线服务中与其集群深度绑定的调度系统，例如存储管理和负载均衡，并不都包含在内。因此，“能运行”不等于“运行成本与官方服务相同”，更不意味着简单复制即可达到每卡每小时 38 美元。硬件、负载形态、网络、存储、运维能力和服务质量仍然是关键变量。

文章称 DeepInfer 使用 Apache 2.0 许可证，允许广泛使用和商业化。实际采用时，团队仍应以仓库中的许可证文件和第三方依赖许可为准，并核对具体版本及相关权利义务。

四、三项动作放在一起看

这三件事分别作用于 AI 服务链的不同层面：

动作	直接作用	对使用者的潜在影响	需要验证的部分
V4.1 Flash 1017 权重更新	模型能力与任务表现	同等预算下完成更多工作，或降低复杂任务成本	自有任务成功率、耗时、重试与质量
自研搜索 API	外部信息召回与筛选	回答依据可能更及时、更能抵御低质内容	来源覆盖、时效、误召回、引用可追溯性
DeepInfer 开源	推理运行与部署	降低自建服务的工程起点，分享优化经验	实际硬件成本、稳定性、吞吐和运维复杂度

从产业角度看，这种组合说明竞争焦点不只在参数规模和单项榜单成绩。模型质量、检索质量和推理效率共同决定一项 AI 服务是否实用、可信且可负担。开源权重解决“拿到模型”的问题，开源推理系统进一步公开部分“如何运行模型”的经验，而在线服务所需的完整工程体系仍有额外门槛。

五、开发者和团队可以怎样跟进

如果正在使用模型 API，可以用固定任务集比较新旧版本，记录输入、模型版本、工具配置、成功率、延迟、费用和人工返工量。对编码任务，应检查改动是否符合仓库约束、测试是否通过、是否引入不必要的重构；对多媒体或网页生成任务，应增加浏览器实测和交付物验收。

如果在应用中接入搜索，应把检索质量与答案质量分开评测。保存来源、发布时间和检索片段，抽查答案中的关键事实是否能回到原始出处，并为高风险主题设置更严格的来源要求。

如果考虑自建推理服务，先基于目标负载做小规模测算：并发、上下文长度、输出长度、峰值比例、目标延迟、硬件价格与运维成本都应纳入。开源代码能减少重复探索，但部署结果仍取决于自己的软硬件环境。

来源与说明

• 原文：快刀青衣，《DeepSeek四天三连击：模型升级、开放搜索，还开源了自己的「印钞机」》，2026-10-22。
• 微信公众号原文

本文保留原文的核心事实与论述脉络，去除了文末课程促销、产品推广和推荐阅读。榜单分数、价格、耗时、Token 吞吐及收入指标均按原文表述整理，未在本文独立验证；对评测限制、应用验证和产业含义的补充属于编辑性分析。