四天三项更新：DeepSeek把模型、搜索和推理框架都推上了台面

10月17日，DeepSeek更新了V4.1-Flash，推出1017版本；同日开放Search与Fetch API。10月20日左右，DeepSeek又将内部推理框架DeepInfer开源。

三项更新分别落在模型能力、网络信息检索和模型部署上。对关注AI学习的人来说，值得看的不只是某个榜单分数，也包括AI如何找资料、如何运行，以及把模型部署起来还需要哪些工程条件。

模型更新：分数提升了，比较时仍要看测试条件

DeepSeek公布的数据显示，V4.1-Flash-1017在DeepSWE v1.1上得分77.0，前一版为74.2；Terminal-Bench 4.0得分42.3，前一版为31.2。官方说明，DeepSWE测试使用Mini-SWE-V2框架，Terminal-Bench 4.0使用Claude Code框架。API调用方式和价格则保持不变，开发者仍可用deepseek-flash调用新版模型。

这组成绩适合用来观察同一模型系列的版本变化，但不宜直接拿一个分数给所有模型排座次。评测集、运行框架、推理设置和计分方式都会影响结果；目前这些分数来自DeepSeek自己的公告，读者应把它们理解为厂商公布的测试成绩。

这次更新还强调了“自反馈强化学习”和从零构建项目的能力。官方展示了3D建模、网页赛车游戏等案例。对普通用户而言，可以把它理解为模型更着重处理一段完整任务：从理解需求、生成代码，到逐步拼出可运行的结果。但演示案例不等同于每个项目都能一次成功，实际效果仍要看需求描述、工具环境和模型给出的代码是否经过检查。

搜索API：AI能找到网页，也要看网页是否可信

过去，AI模型常依赖训练时学到的信息回答问题；接入搜索后，模型可以检索最新网页，再将检索结果用于回答。DeepSeek这次开放的Search API用于找网页并返回结构化结果，Fetch API则能读取单个网页并以Markdown形式返回内容，可供AI助手或检索增强生成（RAG）应用使用。

DeepSeek称，其搜索服务会识别并过滤SEO作弊、GEO操纵和低质量AI生成内容。这里的GEO，即生成式引擎优化，泛指让内容更容易被生成式AI检索或引用的做法；通过准确、清晰的内容帮助AI理解信息，和批量制造虚假内容、操纵AI推荐，性质并不相同。央视财经在今年3月15日的报道中，也披露了利用GEO手段干扰大模型信息获取的案例。

需要留意的是，DeepSeek公开的是过滤目标和产品说明，目前公告没有给出独立评测的识别准确率或误判率。因此，“提供了过滤机制”不等于搜索结果永远准确。涉及健康、消费或重要决策时，读者仍应点开来源，核对发布机构、原始材料和时间。

费用方面，Search和Fetch均按成功请求计费，每1000次为0.75美元；截至发稿，通过DeepSeek Harness、Claude Code和Codex调用的服务端搜索工具暂免收费，文档列出的计费开始时间为北京时间11月1日零点。

DeepInfer开源：模型之外，推理系统也影响成本

模型负责生成结果，推理框架则负责让模型在硬件上运行起来：如何安排计算、调度请求、分配显卡资源，以及处理重复计算。可以把模型看作发动机，把推理框架看作调度系统和生产线；发动机性能再强，资源调度不合理，服务速度和成本也会受影响。

DeepInfer是DeepSeek面向大规模推理服务的框架。开源仓库目前支持DeepSeek-V4.1-Flash，并提供推理运行时、调度和若干优化功能。DeepSeek也说明，完整服务还需要KV缓存系统、不同推理阶段的资源拆分，以及跨副本负载均衡等组件；这些内容并没有完整包含在此次开源版本中。

DeepSeek在部署问答中称，单一集群每天处理155万亿Token，按闲时价格计算，每GPU小时收入38美元。这些是DeepSeek公布的生产服务数据，并非独立机构统一条件下复现的结果。它们说明大规模推理系统的工程优化可能带来显著效率，但不能据此认为只要下载DeepInfer，就能直接达到同样的吞吐量或收入。

DeepInfer使用Apache 2.0协议，允许在遵守许可条款的前提下使用和商用。对开发者和研究团队来说，开源的价值在于可以检查实现、尝试部署并据此改进；要把它变成稳定服务，仍需要匹配的硬件、存储和运维能力。

对AI学习者来说，三项更新分别意味着什么？

这轮更新呈现出一条完整的技术链：模型负责理解与生成，搜索工具负责接入外部信息，推理框架负责把模型稳定、高效地运行起来。学习AI时，可以从三个实际问题入手：

• 看模型成绩时，先看测试条件。 留意评测集、模型版本、调用工具和计分方式，再判断分数能说明什么。
• 使用AI搜索时，追溯来源。 要求AI给出原始链接，核对信息是否来自权威发布者，尤其是健康、金融和产品推荐。
• 理解开源部署时，区分模型与服务。 权重或推理代码开放只是起点，部署成本还取决于硬件、缓存、调度和运维。

DeepSeek这四天的更新，提供了一个观察大模型技术栈的好例子：模型能力是用户最容易看到的一层，而信息检索和推理系统，则决定了回答从哪里来、服务能否高效运行。

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）