大模型网摘V4.1-Flash-1017 技术解读：RLSF 自反馈强化学习如何压低智能体成本
DeepSeek-V4.1-Flash-1017 于 10 月 17 日发布，官方主题是"Wish-Driven Programming"——一句愿望般的描述直接产出完整项目。本文根据官方发布页与 API 文档，拆解其训练方法、基准成绩与规格定位。
RLSF：用自反馈当奖励信号
新模型的核心训练法是自反馈强化学习（Reinforcement Learning with Self-Feedback, RLSF）：模型把自身的内部置信度分数或自我生成的批评作为奖励信号，从而在端到端项目开发任务上做强化学习，不再依赖人工评估器或外部奖励模型。官方展示的例子包括故宫 3D 建模、网页赛车游戏、用 Godot 引擎复刻 Portal 2，以及一部从史前演化到现代的 3D 场景"Valley of Ages"；模型还能生成紧凑的讲解动画视频。
DeepSWE 数字怎么看
| 模型/档位 | DeepSWE v1.1 Pass@1 | 平均单任务成本 |
|---|---|---|
| V4.1-Flash-1017 | 77.0% | 约 $0.20 |
| V4.1-Flash-1017（低档） | 72%+ | 约 $0.10 |
| V4.1-Flash（前代） | 74.2% | 约 $0.50 |
成绩提升之外，成本大幅下降主要来自输出变短：智能体编码的成本大头是输出 token，官方同时基准图表显示多个更大模型在同类任务上花费 2–10 美元以上。注意这些均为官方内部基准，第三方验证见对比文章。
规格与家族定位
API 端 deepseek-flash 现指向 V4.1-Flash-1017：上下文 1M、最大输出 384K、支持视觉输入、JSON 输出与工具调用，思考模式默认开启，并发上限 2500；定位并行的 deepseek-v4-pro（V4-Pro-0813）上下文相同但不支持视觉、并发 500。两档模型 9 月以来的定位分析见V4.1-Flash 详解。版本时间线上，V4 Preview（4 月）→ V4-Pro GA（8 月）→ V4.1-Flash（9 月）→ 本次 1017 更新，节奏明显加快。
获取方式
权重已在 Hugging Face（deepseek-ai/DeepSeek-V4.1-Flash-1017）与 ModelScope 开源；API 调用直接使用 deepseek-flash 模型名，旧名称自动映射。官方推荐搭配 DeepSeek Harness v0.2.1-rc.1 及以上版本，工具生态详见工具速览；定价细节见同日开放的 Search & Fetch API 指南。