AREX Feed Article
Artificial Analysis 首评 DeepSeek-V4.1-Flash-1017：45 分并列开源第二，两款更强模型单任务成本更低
10 月 19 日 16:25 UTC（北京时间 10 月 20 日 0:25）， DeepSeek-V4.1-Flash-1017 在该机构智能指数上的第一个分数：45 分，比上一版 DeepSeek V4.1 Flash 高 6 分，在开源权重模型中与 GLM-5.3 并列第二，比 MiMo-V2.6-Pro 低 1 分。同一份评测给出的单任务成本是 0.26 美元；分数在它之上的 MiMo-V2.6-Pro 与 GPT-6.1 Sol，单任务成本都比它低。
DeepSeek 在 10 月 17 日以 MIT 许可放出这个 checkpoint 的权重，模型卡标注 1M token 上下文，称新版在性能与成本上是「帕累托改进」。
45 分由哪些评测合成
AA 的智能指数 v4.3.2 由 10 项评测合成：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience 与 AA-LCR v1.1。按 AA 公布的分项：AA-Omniscience 的非幻觉率从 4% 升到 33%，准确率从 43% 升到 46%，该项指数从 -5 变成 +5；GDPval-AA v2.1 的 Elo 从 1,600 升到 1,746，AA-Briefcase v1.1 从 1,420 升到 1,570，CritPt 从 14% 升到 24%。
把被测配置标为 max 档，给出输出速度 230.4 token/秒，并列出排在它前后的模型：MiMo-V2.6-Pro 46 分、与它同为 45 分的 GLM-5.3，以及 44 分的 Step 5 Preview 与 Kimi K3。
帕累托图的两种画法
DeepSeek 官方发布说明里有一张 DeepSWE v1.1 的 Pass@1 对单任务平均成本图，横轴为对数刻度：1017 在 max 档标到 77.0%，落在约 0.2 美元处，位于虚线框出区域的左上角，用来支撑「帕累托改进」的说法。
AA 用的是另一套任务。45 分对应的 0.26 美元，是按 AA 指数任务加权平均的成本；它的对照很直接：MiMo-V2.6-Pro（46 分）0.13 美元、GPT-6.1 Sol（medium，48 分）0.21 美元，两者都以更低的单任务成本提供更高的能力。AA 也给出了有利的对照：GLM-5.3-Flash 为 42 分、0.28 美元，1017 的分数更高、单任务成本更低。
价格没有随版本变化：官方 API 峰值每百万 token 输入 0.30 美元、输出 1.20 美元，非峰值半价，缓存命中 0.006 美元/百万 token（AA 计算为 98% 折扣）。AA 列出的上线渠道包括 DeepSeek 自家 API、Fireworks、Baseten、DeepInfra、wafer_ai 与 Cloudflare 等。
Agent Arena 的同日结果与未定义的基线
同日 18:18 UTC，Arena.ai 在 Agent Arena 榜单上把 列为排名第一的开源模型、总榜第 11，依据是 7,500 多场真实会话的净提升 +5.1%，每任务中位成本 0.20 美元。Arena 的说法是，这相当于用 GPT-6.1 Sol 约 27% 的成本拿到其约 37% 的提升幅度。
分项上，Arena 列出确认成功率第 8（+11.5%，开源第一）、好评减差评第 11（+5.9%）、Bash 可靠性第 12（+5.4%）、可操控性第 13（+2.5%），并称未发现工具幻觉问题。
「净提升」的基线没有在这条帖子里定义。 +5.1% 是相对上一版 DeepSeek 还是榜单平均值；则问 7,500 场会话的停止条件如何设定、有多少场撞到工具调用上限。Arena 的公告没有解释这两点。
这两组成本不能直接比较：AA 的 0.26 美元是指数任务的加权平均值，Arena 的 0.20 美元是会话任务的中位数，任务集和统计方式都不同。
552B、763B 与对不上的 748B
AA 列出的规格是 552B 总参数、16B 激活、MIT 许可、1M 上下文。顶部标注的参数量则是 763B。给的拆法是 552B 主干加 196B Engram 参数，两者相加为 748B，与 763B 差 15B。
两个数都能在公开页面上找到，但按这些页面的文字，两者无法直接对上。模型卡能确认的是许可与上下文：仓库与权重均为 MIT，推荐 max_tokens 不低于 256K；参数量一栏仍只有 763B 一个数字，没有拆分。