只用四分之一HBM，Deepseek新模型却答错67%不会的题

Deepseek把V4.1 Flash开源权重模型升到了1017修订版。看起来只是一个点版本的更新，实际在效率上迈了一步。产品页上写着"wish-driven programming made real"，指向的是口语里的"氛围编程"，意思是这个模型适合描述宽泛的开放式任务。便宜、分数好看，但它有个毛病：容易幻觉。 大模型大致分两派：前沿实验室的闭源商用模型，跑起来贵但结果出色；以及中国的开源权重竞品，用可靠性换低得多的运行成本，尤其是在长时间运行的智能体任务上。 Deepseek V4.1 Flash（DSF）是混合专家（MoE）模型，总参数 552B ，运行时激活 16B 。多模态，接受文本和图像输入，上下文窗口是如今标配的 100万token 。 按Deepseek内部基准，这个模型正好卡在GPT-5.6 Sol和Claude Opus 5之间，任务测试里甚至赢了Anthropic的模型。这个表现已经够强，而这次修订真正亮眼的是单任务性能和token效率。 从V4 Flash到V4.1 Flash，硬件需求大幅下降：KV缓存只用前代的 四分之一HBM 和 八分之一SSD存储 ，每个token条目仅占 890字节 。 Deepseek用一张基于DeepSWE 9月2日数据集的单任务成本图来说明，并加入了自己为DSF和DSF-1017准备的数据点。两个版本都落在理想的左上角区域，即便是DSF-1017的低投入运行，任务完成率也接近昂贵竞品的"最高"设置。DeepSWE只是众多基准之一，但这个结果依然可观。 价格方面，按Deepseek自己的定价（别忘了这是可以到处跑的开源权重模型），非高峰时段每百万token输入 0.15美元 、输出 0.6美元 。缓存命中时，输入token成本降到 0.003美元 。第三方提供商过去曾把Deepseek API的价格压得更低，货比三家可能还有下探空间。搜索功能每1000次查询 0.75美元 ，低于竞品，最接近的是Parallel的1美元。 DeepSWE不是唯一基准。Artificial Analysis把DSF-1017（max）排在大型开源权重类别智能指数的 第2名 ，得分 45 。作为参照，看起来最聪明的Claude Opus 5.5（max带fallback）是 58 。它也是同类里最快的模型之一，单任务成本只被小米MiMo V2.6-Pro略微压过。 听起来好得不像真的，但"快、便宜、可靠，三选二"这句老话大家都懂。问题就一个词：幻觉。模型聪明不等于可靠。用户普遍更喜欢在缺乏支撑事实时不作答的模型，而DSF-1017似乎不太擅长知道自己不知道什么。 Artificial Analysis的Omniscience基准把这点说得很清楚，该模型排名靠后。它答对问题的比例是 43% ，在开源权重模型里属于最好的一档，但不如闭源竞品。如果它在没有依据时跳过不答，这完全可以接受——可它在 67% 的不作答场景里产生了幻觉。 这个基准的主指数给好答案加分、错答案扣分，不作答不计分。DSF-1017拿到 5分 ，Kimi K3-max是 20分 ，前沿模型在 42分以上 。说到底，DSF-1017绝非无能，恰恰相反，但得小心分配任务。 输出可验证的任务没问题，比如编程、带复核的OCR、格式转换，智能体可以对自己的工作跑验证步骤再重试。但开放式研究、查事实、解读或起草高精度文档，更适合前沿模型——或者干脆交给人——因为幻觉大概率收不住，结果不太可信。 "快而松散"似乎正在成为高能力开源权重模型的趋势。几个月前Kimi K3发布时，大家夸它高效便宜，说它用零头的价格提供前沿级智能。作者本人用Kimi的时间很短，因为即便简短但精确的事实查询也会查出幻觉信息，Artificial Analysis的数据似乎也支持这个观察。 尽管如此，开源权重模型依然重要：既能让AI智能体在绝对美元成本上更可及，也可能成为在前沿实验室潜在涨价面前压低智能成本的工具。 特别