前几天DeepSeek崩溃了整整接近5个小时，在热搜挂了好久。
每逢更新先崩溃，好像是AI圈不少模型的一个小习惯。
果然昨天17号DeepSeek发了个新模型4.1 flash 1017，看着名字我还纳闷，4.1flash不是之前已经发过了吗？
怎么宕机了5个小时，就出了个这么个玩意？
仔细看完之后，明白了，这个版本号后面加了一个1017，这是个新模型。
原以为，连一个版本号都舍不给新的版本，没有什么特别大的升级，但是我发现我错了。
根据官方发布的测试结果，相对于上个版本，进行了全面提升。
核心亮点是：从0-1构建完整编程任务以及复杂自动化任务上的能力。
简单理解就是编程任务和自动化能力，如果还不理解也没关系，我下面会分模块给大家做案例实操，会更加直观一些。
几乎所有能力超越了GPT-5.6 Sol，在部分能力上甚至超过了Opus5.
而成本，只能说低的太夸张了，官方测试的结果是，在多个Harness的同任务对比实测中，代号1017比上个版本的通过率更高，且花费的成本更低了。
这个图，你可以看一下左上角那块。1017的max的费用跟V4.1 Flash的low的成本差不多，真的离谱。
能力在升级，费用还在掉。
官方的讲的很好，社区的声音也有分化，到底怎么样，还是得自己亲手测测才知道。
我集中测试了几项提升最大的能力，分别是：编程任务、自动化任务，以及视觉效果。
在测试过程中我主要会对比DeepSeek V4.1 Flash 1017和GPT-6 Sol，后者是我经常用的模型。
01
做特斯拉飞车的原理解读
1017和GPT-6 Sol都可以通过编码的形式生成视频，用编码生成视频是一个比较综合且能考察模型多项能力的工程。
主要能考察到模型的这几项能力：编码能力、端到端智能体能力、以及基础视觉和视觉推理能力。
先看看DeepSeek V4.1 Flash 1017做的（用时48分钟，成本是2.9元）
再看看GPT-6 Sol做的效果（用时7分钟，成本是7.8元）
这俩做完我整体的感觉是GPT-6 Sol做的效果更简单易懂一些，画面更简单一些，然后1017做的相对复杂，小白看起来会有点晦涩难懂。
接着让DeepSeek和GPT-6 Sol分别跑一个关于V4.1 Flash 1017的介绍。这个任务我感觉DeepSeek自己做的更好一些，而且GPT-6 Sol有很多细节都没遵循指令。
可能还是DeepSeek更了解自己一些（🐶）
下面是DeepSeek做的（用时28分钟，成本1.9元）
下面是GPT-6 Sol做的（用时3分钟，5.6元）
02
复刻特斯拉飞车，以及建模
1017这个版本中有一个核心的能力升级是终端里的端到端智能体能力。所以他可以根据需要比较好的调用一些电脑上的工具。
我们这里让他俩分别调用了Blunder来做3D效果。给他俩都喂了特斯拉飞车的原视频。
先看看DeepSeek V4.1 Flash 1017做的特斯拉飞车（用时1小时，成本1.97元）
再看看GPT-6 Sol做的特斯拉飞车效果（用时27分钟，成本21元）
GPT整体复现的效果还是可以的，DeepSeek整体就有点拉垮了，最后直接变成了汽车在空中飞来飞去了，有点懵逼。
关于速度和成本，GPT用时27分钟，成本是21元，DeepSeek用时1个小时，成本是1.97元，这个价格悬殊就有点大。
但是毕竟任务没执行好，成本低没啥用。就看未来能不能解这个问题。
再让他们用three.js来做北京天坛的3D网页。
DeepSeek北京天坛（用时1小时，成本2.54元）
GPT-6 Sol北京天坛（用时9分钟，成本6.9元）
两者指令遵循都是OK的，如果个人喜好来说的话，我更喜欢DeepSeek做的，DeepSeek建模的精细度是比较高的。
做到这里（我们也做了其他案例，有些没展示），我个人感觉是DeepSeek在理解视频/图片上的能力是比较差的，所以导致了如果你喂给他视频让它复刻，他最终的结果并不好。
03
复刻我的世界和植物大战僵尸
游戏本身的需要的能力也比较综合，对于编码、视觉都有比较高的要求，基本上跑每个模型的能力都会用游戏去对比。
之前用很多个模型跑过复刻植物大战僵尸，这次依然让1017和GPT-6 Sol来做一下植物大战僵尸。
两者指令要求基本都实现了，但是最终视觉效果上我会感觉DeepSeek比GPT-6 Sol好一些，但这波离谱的是DeepSeek比GPT成本贵。
先看看DeepSeek V4.1 Flash 1017做的（用时19分钟，成本1元）
再看看GPT-6 Sol做的效果（用时5分钟，成本0.5元）
然后也看一下我的世界，两者实现程度都没有问题，但是我觉得DeepSeek做得好一些，纹理和细节比GPT好。
DeepSeek做的（用时38分钟，成本2.2元）
GPT做的（用时12分钟，成本4.2元）
最后整体总结一下。
因为我们整体的效果是跟GPT-6 Sol对比的，整体的效果还是挺惊艳的，虽然有的任务有明显的缺陷，但是大部分时候任务执行的还不错的。
成本确实低了，但是简单任务看不出来非常明显的成本差别，复杂任务差别比较明显。这个可能跟缓存命中率有一定的问题，在我们跑的这几个任务里面，DeepSeek的缓存命中率会显著比GPT高一些。
唯一痛点时间比较久。
所以我感觉整体上如果不是特别着急的任务，你可以交给1017去跑是没问题的。视觉理解类的暂时不要交给DeepSeek，其他在成本考量情况下使用DeepSeek是非常好的选择。
另外这次DeepSeek更新新版本时候，特别提了个许愿式编程一键成真，就是简单提示词下能够实现较好效果。
实测对比完，也确实是这样。
我看现在社区很多人现在还在吵吵说1017是蒸馏了Astra的，但是整个测试过程中我还没有明显的感受。
用过的人可以来唠唠。