内容编写于 2026.10.25
DeepSeek-V4.1-Flash-1017 发布有一段时间了，虽然已经作为3大主力模型之一用了很久，但一直没有机会认真研究。
尤其是 DeepSeek 官方提出的"许愿式编程（Wish-Driven Programming）"和几个案例，都是相当有看头呀。
DeepSeek-V4.1-Flash-1017，到底升级了什么？
先看官方给出的数据。
10 月 17 日，DeepSeek 发布了 V4.1-Flash-1017 更新。
几个值得关注的指标：
虽然，现在的模型跑分都仅供参考，但哪些指标发生了显著提升，还是可以表现出模型能力变化的领域的。
Terminal-Bench 和 Automation-Bench 的提升，说明它在终端操作、工具执行和自动化任务方面值得关注；ProgramBench 的提升，则反映出编程问题解决能力的进步。
这些能力都是和 Harness 相关的，或者说，这次更新本身就是针对 DeepSeek Harness 进行了一次针对性优化，以便让 DSH 表现可以更好一些。
当然，由于腾讯和 DeepSeek 的亲密关系，WorkBuddy、CodeBuddy 也在优化名单内。
比跑分更值得关注：性能--费用的帕累托改进
官方这次强调了一个新词：性能--费用的帕累托改进。
简单解释就是：虽然 DeepSeek-V4.1-Flash-1017 的 token 单价没有直接发生变化，但是单个任务所需要的 token 数量在尽力优化减少，以此实现真实需求的成本降低。
对于 Agent 来说，这一点其实挺重要的。
随着 Agent 能够完成的长程任务越来越长，每次 Agent 任务都不是一次请求，一次返回就结束了，它是一个超多模型请求、超多工具调用、超多 Loop 的过程，而这个过程由于过于复杂，大家一直都在无意识的跳过它。
而这次，DeepSeek 就盯上了它。
DeepSeek 希望通过 Agent 过程的优化，减少无效输出，缩短完成任务所需的时间，进而实现更低的实际使用成本。
从这点看，梁圣，还是我们的梁圣。
DSH+官方 API 复刻官方赛车游戏
一直挺喜欢赛车游戏，尤其是极品飞车，那我们就尝试复刻下官方的赛车游戏。
环境是针对性优化的 DeepSeek Harness（DSH），通过官方 API 调用 DeepSeek-V4.1-Flash-1017。
第一次：直接许愿
第一次，我真的是"许愿式"编程的。
我没有准备详细的需求文档，也没有提前设计技术方案，直接给出了一句话：
给我做个赛车游戏，能开、有赛道、有计时，支持驾驶员视角和车尾视角。
如果单看首页，看起来挺可以。
进入游戏后，基本玩法也都已经实现了，能够驾驶，有赛道和计时，也支持驾驶员视角与车尾视角切换。
但整个游戏的外观风格、细节程度距离我预期的赛车游戏有点差距。
第二次：调整提示词
虽然第一次的结果不是那么满意，但我感觉，模型的能力还是有潜力的。
于是我让 AI 帮忙比对了下官网案例和我的结果，给出提示词完善建议。
这次的效果明显好了很多。
提示词如下：
go
请用 Three.js 或原生 WebGL 开发一个单文件 HTML 的写实夜雨都市风 3D 赛车游戏，风格参考《极品飞车》夜间都市赛道。具体要求：``场景：深夜城市公路，路面有湿滑反光效果，两侧有高楼、路灯。赛道两侧有红白路肩和金属护栏。``车辆：车尾视角，生成一辆有细节的跑车（带尾翼、尾灯、车牌）。支持方向键左右转向、上下加速减速，带有转向惯性，加速时车尾有轻微下压感。``HUD：左上角显示当前名次（如 P4/4）和圈数（如 02/03）；顶部中央显示实时圈速和最佳圈速；右下角显示速度表（数字+弧形指针）；左下角显示赛道小地图，整体像赛车游戏的专业 UI。``玩法：有简单的碰撞检测（撞护栏减速），冲线后显示总时间和名次。
游戏的整体视觉风格和完成度都有明显改善，已经更接近我想要的效果。
运行时间与积分消耗
第一次太过简单，我们就不关注了。
第二次的指令，花费了 51分14秒，60.1M token，花费大概3元左右（同时两个任务，另一个稍微小点）。
只能说 DeepSeek 真的省啊~
许愿式编程，真的来了吗？
如果说，可以让我们摒弃技术实现，可以自主分析目标、拆解任务的"许愿式编程"，那确实可以说已经到来了。
毕竟这个赛车游戏，我确实没怎么关注实现就能上手玩了。
虽然距离我预期的"许愿" AGI，还差了一点。
但，DeepSeek-V4.1-Flash-1017 在当下的性价比、速度真的无敌，你确定不去试试吗？