四天做了三件事：V4.1 Flash 新版本、开放自研搜索 API、推理框架 DeepInfer 开源。单看都是常规更新，连起来读，才看得出 DeepSeek 在补哪几块短板。

为善与众行之，为巧与众能之。

我之前说过，底层大模型的更新现在非常快，而且每个都挺强的，各有特点。作为普通用户来说，其实没有必要追得那么紧，所以我会挑自己觉得重要的进展讲给你听。

今天就来跟你聊聊最近备受关注的DeepSeek，因为在四天里，它接连干了三件事。

10月17号，DeepSeek发布了V4.1 Flash的新版本1017。同一天，开放了自研搜索API。10月20号，又把内部推理框架DeepInfer全面开源。

这三件事挤在一起，单看哪一件，都可能觉得只是一次常规更新。但连起来看，就值得多琢磨一下了。今天我就把这三件事拆开，一件一件聊。

先说1017版本到底有多能打。DeepSeek官方对这次更新的定义是「minor update」，什么意思呢？就是小版本迭代。模型结构没变，分词器没变，提示词格式也没变，只改了权重。

你看，只改权重，能有多大变化呢？所以一开始，我也没太重视这种级别的迭代。

结果出来的成绩，却把不少人吓了一跳。在DeepSWE这个软件工程能力测试榜单上，1017拿到了77.0分。这个分数是什么概念？Claude Opus 5是74.0，GPT-5.6 Sol是73.0。

一个开源模型的小版本更新，编程能力就跑赢了两家闭源模型。当然，我必须得再解释一句，拿来对比的这两个模型，并不是两家对手最旗舰的模型。

不过，在大模型竞技场的编程领域，也就是Code Arena的WebDev网页开发赛道上，1017拿到了1670分，是排名最高的开源模型，距离OpenAI家的GPT-6 Sol只差十来分。

有网友看完后，直接开玩笑说，这么强悍的能力提升，都不配叫V4.2吗？确实，光看成绩单，叫「小版本迭代」多少有点凡尔赛了。

另外，能力提升了，做同样的事还更便宜了，这一点也值得看看。

有实测者做了个对比，让1017生成一个「鹈鹕骑自行车」的动画，用时172秒，花了0.17元。两个月前的旗舰V4-Pro要240秒，花0.31元。Claude Opus 5.5要519秒，花大约8.5元。

做同样一件事，1017花的时间只有Claude的三分之一左右，花的钱则只有五十分之一左右。

社交媒体上另一个案例传播得更广。有人把一段「特斯拉飞起来」的发布会视频交给1017，让它生成一个完整的动态3D网页。

最后交付的效果没什么明显的bug，还抓住了原视频里从地面加速、爬坡、倒挂飞射到离地悬停这几个关键环节。一共花了4块钱。

网友们的评论很一致：很难相信，一个比闭源模型便宜90%的模型，能做出和GPT-6.1 Sol Ultra模式一样好的效果。

DeepSeek官方说，这次训练的核心变化，是采用了「基于自反馈的强化学习」。这是什么意思呢？其实就是让模型自己出题、自己打分，再根据分数不断改进。

以前的强化学习主要靠人来反馈，现在可以让AI自己提供反馈，这样就能24小时不停地出题、训练和迭代了。

另外，这次还增强了从零开始构建完整项目的能力。

他们管这叫「许愿式编程」：你说一句话，它就帮你把整个项目搭出来。官方演示案例里有故宫3D建模、网页赛车游戏。

有实测者让它在Claude Code里搭建故宫太和殿的3D模型，23分钟就交付了，花了大约1.4元。

能力提升了，算力消耗少了，API定价还不变，等于所有在用DeepSeek API的人，都免费享受了一次升级。

好，说完1017版本，我想请你注意第二件事。就在发布1017版本的同一天，DeepSeek还开放了自研搜索API。

这件事没有1017版本那么抢眼，很多人可能会直接略过。不过，公告里有句话，我想特别跟你说一下。

官方在介绍这个搜索API时，写道：「针对SEO作弊、GEO操纵和低质AIGC，我们通过严格的识别机制对其进行过滤，确保向用户与LLM呈现权威可信的信息。」

这句话在产品介绍里很不起眼，但分量不轻。相信很多同学对SEO（搜索引擎优化）应该不陌生，百度当年的崛起，很大程度上也和这门生意有关。

以前，互联网上有一大批人专门研究怎么做SEO，想办法让自己的网页在百度、谷歌的搜索结果里排得更靠前。

他们堆关键词、搞垃圾外链、做站群，把搜索结果搞得乌烟瘴气。你搜一个问题，前几条结果可能全是广告和垃圾内容。

现在AI时代来了，又出现了一个新词，叫GEO，全称是Generative Engine Optimization，也就是生成式引擎优化。它做的事情，底层逻辑和SEO差不多，但目标变了。

以前是想办法骗搜索引擎，让人看到垃圾；现在是是想办法骗AI，让AI在回答里推荐垃圾。当然，我知道肯定会有很多朋友说，GEO本身是中立的，技术没问题，但咱们没办法防止别有用心的那些人。

具体怎么操作呢？有人专门批量生产给AI看的内容，压根没打算让人读。这些内容经过精心设计，目的就是让大模型在回答用户问题时，把他们的产品、链接和推荐信息塞进去。

还出现了海量的藏在水面之下的网站，主要就是给AI看，而不是给人看的。你问AI一个问题，AI给你的回答看起来很专业，但里面夹带的推荐，可能就是这帮人提前塞进去的。

要知道，今年央视「3·15」晚会还专门曝光过这类「AI投毒」行为。

而且你想想，这件事比以前的SEO还要麻烦。以前SEO再怎么污染，污染的也是搜索结果页面。你打开百度，前三条是广告，心里多少有数，往下翻就是了，你至少还有辨别的机会。

但GEO污染的是AI的回答本身。你问AI一个问题，AI用流畅又自信的语气给你一段回答，你根本分不清这里面哪句话是模型自己推理出来的，哪句话是因为被喂进去了外部内容。

信息污染从「摆在你面前让你挑」，变成了「直接混进你的答案里」。

我举个例子，比如你要买个数码产品，想问问应该买哪款。AI给你推荐了五款，第一款、第二款可能都是大家公认的好品牌、好产品。

这时候你就放松了警惕，但第三款可能就是个不知名的二三流品牌，你还以为这是AI根据你的需求专门挑出来的。如果把这个场景换到食品、健康这些领域，问题可能就更严重了。

信息污染的方式，就这么变了。

DeepSeek在公告里明确把SEO作弊、GEO操纵和低质AIGC列为过滤对象，说明它已经开始从搜索这一层着手处理这个问题。至少在使用DeepSeek搜索的场景下，这些垃圾内容会被针对性地识别和过滤掉。

现在还说不上这个会带来多大变化，但时间长了，我觉得一定能在使用习惯上，对那些还在搞竞价排名的搜索引擎形成致命打击。

好，接下来咱们再说第三件事。10月20号，DeepSeek宣布把内部推理框架DeepInfer全面开源。

先解释一下什么是推理框架。大模型的工作分两步：训练和推理。训练是教模型学东西，推理是让模型干活。你每次跟DeepSeek对话，背后都离不开推理过程。

但模型要完成推理，还需要一套系统配合。你想想，每天全球有几十亿次请求涌进来，谁来调度这些请求？谁来决定哪张显卡处理哪个任务？怎么让几千张卡协同工作，还不浪费算力？

这就是推理框架干的事。

打个比方，模型是厨师的手艺，推理框架就是厨房的设计。同一个厨师，在一个设计合理的厨房里，一小时能出50道菜。

换一个乱七八糟的厨房，可能只能出10道。厨师的手艺没变，出菜速度却差了5倍，差别全在厨房上。

这次开源的DeepInfer，就是DeepSeek自己厨房的全套动线图。

这套系统实际跑起来怎么样？DeepSeek在技术报告里公开了一组数据：基于DeepInfer这套系统，单一集群每天处理155万亿个Token，折算下来每卡每小时收入38美元。这个数字啥概念呢？

必须要说，非常震撼，这是衡量算力变现能力的一个非常关键的指标，而很多云上出租算力的机构，这个指标做得好的，估计也就10美元左右。

有人说，这相当于DeepSeek把自己的「印钞机图纸」开源了。这个说法非常形象，也很贴切。不过，你可能更想知道，把这张图纸公开，其他人能拿它做什么。

在这之前，DeepSeek的模型权重已经开源了，可以下载，也可以自己部署。可自己部署之后，怎么调优，成本都很难降到官方API那么低。

这让很多云厂商不太愿意卖DeepSeek的模型，因为很难在价格上竞争过DeepSeek自己的API渠道。模型给你了，但怎么让模型高效运行的那套东西，还没给你。

现在，推理框架也开源了。想自建DeepSeek服务的团队，不用再从零开始摸索工程细节了。

菜谱给你了，怎么设计厨房、怎么安排工位、怎么让出菜速度最快的那套经验，也摊开给你看。

当然，这里也得说清楚，DeepSeek开源的是一个可以自己拿去独立部署的版本。DeepSeek自己在线上运行的那套与集群深度绑定的调度系统，比如存储管理和负载均衡，并没有包含在内。

如果你想靠照搬开源版复现每卡每小时38美元的成绩，是做不到的。从「能部署」到「部署得划算」，中间还有很多工程问题要解决。

但是，有了这些思路和路径，其他公司和团队要摸索的路也能短一大截，不用再从头开始了。

还有一个细节值得说，这个仓库采用的是Apache 2.0协议。这协议是什么意思呢？就是任何人都可以拿来商用。

DeepSeek在开源公告里引用了一句古文：「为善与众行之，为巧与众能之。」这句话出自《尹文子》，意思是好事要和大家一起做，技巧要让大家都会。

有网友看完评价说，这才是真正的OpenAI。

最后，还必须说一句，我们已经把得到大脑里的小步AI助手全部切换到了DeepSeek最新的1017版本。

最大的感受就是回答问题更快了，而且面对复杂问题，解决得也更好了。你也可以下载最新版本的得到大脑试试看。