接deepseek v4.1flash之前,有一件事比「新模型強不強」更容易被忽略:deepseek-flash這個別名從10月17日起指向新版,呼叫方式和單價都沒變,也不會回報任何提示。舊程式碼照跑,用的已經是1017。

如果程式裡有寫thinking,那升級是可控的;如果沒有,那從10月17日起,你的請求一律預設開啟思考模式。本篇把接入時會碰到的設定整理成一份可以直接對照的筆記:預設值、強度映射、不生效的參數、多輪工具調用要回傳什麼,最後附上幾個容易踩的坑。

底下標「實測」的數字,來自2026年11月19日我在Crazyrouter上以deepseek-v4.1-flash呼叫的結果;標明出處的,則是公開資料,我沒有逐條重跑。

一、先記住預設值

官方《思考模式》文件寫明:

項目 預設 說明
思考模式 開啟 不傳thinking就是開著
思考強度 high 用reasoning_effort調整
可選強度 low / high / max 三檔
關閉思考 {"thinking":{"type":"disabled"}} low不等於關閉

reasoning_effort傳入其他名稱時會映射,不會報錯:

  • minimal、low → low
  • medium、high、xhigh → high
  • max、ultra → max

也就是說,把medium和high當成兩套不同預算來做對照,實驗結果會失準,它們走的是同一檔。

實測:在Crazyrouter上不傳thinking連發18次,17次回應帶reasoning_content,和預設開啟一致;low、high、max三個值都能正常回傳;傳入不存在的值,回傳400。

二、思考模式下不生效的參數

這一節是接入時最常被忽略的部分。官方文件寫得很清楚:

  • temperature、presence_penalty、frequency_penalty在思考模式下無效。為了相容舊軟體,設定不會報錯,但也不會生效。
  • top_p只有在思考模式下才生效,有效範圍0.95–1.0;低於0.95會按0.95處理。非思考模式下top_p固定為1.0,傳入值被忽略。

如果你的流程依賴temperature=0保證格式或輸出穩定,接1017之前要先改掉這個假設,改用輸出側校驗或重試。

三、多輪工具調用要回傳的內容

帶tools的請求,規則和一般多輪對話不同:

  • 請求帶 tools:歷史輪次的reasoning_content都要完整回傳,會被拼接進上下文。
  • 請求不帶 tools:reasoning_content不用回傳,傳了也會被忽略。

官方文件在工具調用一節的原話是,帶了tools的請求,後續所有請求都必須完整回傳reasoning_content,沒回傳API會回傳400。

實作上最省事的做法是直接把整條assistant訊息追加進messages,不要只挑content和tool_calls傳。用OpenAI SDK的話,response.choices[0].message本身就帶著content、reasoning_content、tool_calls三個欄位,原樣append就好。

實測:在Crazyrouter上刻意不回傳reasoning_content,第二輪沒有報錯,正常回答了。這和官方說的400不一樣,中轉的行為可能不同。所以照官方寫法回傳,是唯一在兩邊都不會出事的做法。

四、思考開著,多花多少

時間和輸出量都會上去。實測讓同一句話生成單檔網頁,各跑關閉與開啟:

頁面 關閉思考 開啟思考
網頁賽車 7704 token,39.6秒 21155 token,100.2秒,首字48.8秒
咖啡儀表板 6514 token,28.1秒 27050 token,163.8秒,首字127.8秒
森林到城市3D 6599 token,31.2秒 20554 token,137.1秒,首字116.2秒

關閉思考產生的咖啡儀表板:依賴多項外部資源

開啟思考產生的咖啡儀表板:純內聯SVG,指標卡帶迷你曲線

輸出量是關閉時的2.7到4.2倍,首字要等一到兩分鐘。代價換來的是完成度:儀表板從依賴四項外部資源、以美元計價,變成純內聯SVG、單位改成萬元,指標卡還帶迷你曲線;賽車從俯視三車道變成偽3D公路。

五、強度拉到max,值不值

這題我沒有自己跑大樣本。公開的Bug Hunt Bench有1017配Claude Code的三檔結果:在兩個真實程式庫埋105個bug,一輪內找出並修好,按隱藏答案盲評。以下經peng轉引,帳單我以low為1換算:

強度 修好數(共105個) 相對帳單
low 34.4 1
high 36.4 約1.15
max 39.1 約1.42

max比low多修4.7個,帳單多四成多。但這組數據有個提醒:作者最早三次跑max,分別是34、37、45,單次波動比檔位差距還大。同一個任務至少跑三次再下結論。

另外,官方9月版的發布說明寫明,Code Agent類基準使用max檔、top_p=0.95、temperature=1.0;1017的更新日誌沒有再寫檔位。拿預設的high去對照官方榜單分數,可能對不上。

六、換框架、換工具,結果都會變

同一個1017,套不同外殼,分數和帳單差得比想像的大。Bug Hunt Bench公開的結果(max檔,每格跑5到7次取平均,經peng轉引),帳單以Claude Code為1:

框架 修好數(共105個) 相對帳單 耗時
DeepSeek Harness 42.7 約1.8 62分鐘
Pi 42.2 約0.8 54分鐘
Claude Code 39.1 1 58分鐘
OpenCode 37.6 約0.95 56分鐘
上一版V4.1 Flash + Claude Code 21.7 約0.77 56分鐘

開啟思考產生的3D場景:底部時間軸演變到夜晚城市

同一框架下,上一版21.7、1017是39.1,升版本本身就有明顯提升。框架對榜單分數的影響同樣直接:同樣是1017的Terminal-Bench 4.0,官方在Claude Code裡測出42.3,Vals AI用只有bash的mini-swe-agent測出31.82,差10分。

還有一個容易被忽略的行為變化。karminski在10月24日的實測提到,新版做事有代價時傾向於不做,和上一版差別明顯,把flash接進自己Agent框架的人應該單獨做適配。他推測是為DSH調整的,具體表現在他的影片裡,我只看到貼文原文。

七、接入檢查清單

按這個順序過一遍,能避開大部分問題:

  1. 確認預設值。不傳thinking就是開啟、high。要快,顯式傳{"type":"disabled"}。
  2. 固定參數重跑一次。別人的分數、別人的建議都只是起點。
  3. 清掉對temperature的依賴。思考模式下它不生效,格式靠輸出側校驗。
  4. 工具調用原樣回傳assistant訊息。不要把reasoning_content濾掉。
  5. 用真實任務核算帳單。官方說「輸出更短」是按任務完成口徑,不是按單次請求。什麼值得買的綜述轉述:同一個專案用一字不差的提示詞重跑,新版輸出45.6萬token,舊版22.7萬,原因是新版更頻繁截圖自檢、一輪一輪改。這是轉述,我沒核對原帖。
  6. 直連官方用Claude Code,模型變數要設全。peng引用官方文件:只改ANTHROPIC_BASE_URL和Key,Opus系列模型名會映射到deepseek-v4-pro並按Pro計費。去用量明細看扣費模型是不是deepseek-flash。

八、這次測試的邊界

我用的是Crazyrouter的OpenAI相容格式,Base URL:

https://api.crazyrouter.com/v1

模型名填deepseek-v4.1-flash。帳號能不能調到這個型號,可以先在Crazyrouter模型目錄核對是否在列;其他接入資訊見 Crazyrouter模型目錄。

要說清楚的邊界:

  • Crazyrouter的deepseek-v4.1-flash沒有標注對應哪一版權重,我無法證明它服務的是1017。文中我自己的數據,只描述「在這個模型名下的表現」。
  • 樣本很小,多數項目各跑一次,沒有做統計顯著性。
  • 第三方數據(Bug Hunt Bench、Terminal-Bench的差異、格式約束的補測)都是轉引,出處見下。

九、結論

  1. 先看預設值。思考預設開啟、強度預設high是這次升級最容易踩的坑。
  2. 強度按任務選。簡單活關著或用low,日常用high,複雜任務再上max。max相對low多修四成多,帳單多四成多,單次波動還比這個差距大。
  3. 要成品感再開思考。我的對比裡成品更完整,代價是多等一兩分鐘、輸出量多兩到四倍。
  4. 接自己的Agent先重測。別名已換版本;工具調用要回傳reasoning_content;temperature不生效;格式約束加校驗。
  5. 放手的範圍。抽欄位、讀圖取數、有測試可驗證的小儲存庫修復,這幾次都沒有出岔子。框架一換分數會變,比較要在同一個測試裡做。

資料來源

  • DeepSeek官方,《更新日誌》,2026年10月17日條目
  • DeepSeek官方,《DeepSeek-V4.1-Flash-1017發布》,2026年10月17日
  • DeepSeek官方,API文件《思考模式》,2026年11月19日查閱
  • peng,《DeepSeek V4.1 Flash 1017接入Claude Code:配置、價格與4個省錢設定》,2026年10月26日,文中轉引Paweł Huryn的Bug Hunt Bench公開結果
  • karminski,X平台 @karminski3關於DeepSeek-V4.1-Flash-1017實測的貼文,2026年10月24日
  • 什麼值得買,《DeepSeek V4.1 Flash-1017版本更新避坑:提示詞適配與相容性提醒》,2026年10月19日,綜述自知乎等平台文章

一名对 AI 领域充满热情的爱好者。平时喜欢关注最新的模型发展,也会自己动手测试不同的 API 和提示词(Prompt)

共有 0 則留言


一名对 AI 领域充满热情的爱好者。平时喜欢关注最新的模型发展,也会自己动手测试不同的 API 和提示词(Prompt)
🏆 本月排行榜
🥇
boluoji
📝48   💬3   ❤️8
1,180
🥈
我愛JS
📝3   💬1   ❤️5
139
🥉
站長阿川
📝1   💬3   ❤️2
47
評分標準:發文×10 + 留言×3 + 獲讚×5 + 點讚×1 + 瀏覽數÷10
本數據每小時更新一次