DeepSeek发布V4.1-Flash模型，加速布局具身智能赛道
2026/10/20 11:14阅读量 3
DeepSeek于10月17日发布V4.1-Flash模型，通过自反馈强化学习显著提升工程编程能力与执行效率，实现性能提升与成本优化的帕累托改进。与此同时，DeepSeek在资本层面密集投资宇树科技、Winverse AI及俞涛创业公司，构建从“身体”到“大脑”的具身智能技术栈，标志着其战略重心正从数字世界向物理世界延伸。
事件概述
DeepSeek于10月17日低调发布DeepSeek-V4.1-Flash-1017版本。该版本并非架构层面的大改，而是对现有模型能力的迭代升级，官方将其定义为“性能—费用的帕累托改进”。与此同时，DeepSeek近期在具身智能领域动作频频，通过多笔投资布局机器人产业链，显示出从纯软件算法向物理世界交互延伸的战略意图。
核心信息：模型升级细节
- 命名逻辑：未命名为4.2是因为基础架构未变，此次更新侧重于能力迭代而非架构重构。
- 降本机制：API调用方式和单价维持不变，但通过优化任务运行时间和输出长度（精简Token），降低了单次调用的综合成本。
- 性能表现：
- 工程能力增强：DeepSWE v1.1基准测试Pass@1从74.2提升至77.0，超越Claude Opus 5 (74.0)和GPT-5.6 Sol (73.0)；Terminal-Bench 4.0从31.2跃升至42.3。这体现了模型“独立完成任务”能力的显著进步。
- 知识广度局限：在专家级难题HLE上得分42.6，低于Claude Opus 5的56.3，表明升级方向聚焦工程落地而非纯知识扩展。
- 训练方法：采用“基于自反馈的强化学习”，模型具备写完代码后自我运行、检查并修改的能力。
- 应用场景：官方展示了故宫3D建模、网页赛车游戏、Godot引擎复刻《传送门2》等案例，仅需少量提示词即可生成复杂项目。开发者反馈其在理解顺畅度和画面生成质量上有显著提升，但也存在Token消耗量较大的问题。
战略动向：具身智能布局
DeepSeek正在通过资本手段获取具身智能领域的关键能力，其AGI路线图明确指向“具身智能”阶段。近期主要投资包括：
- 宇树科技（8月）：出资约1.41亿元参与IPO战略配售，锁定36个月，并签署联合研发备忘录。提供的是机器人的“身体”及真实物理数据入口。
- Winverse AI（10月12日）：拟领投前腾讯科学家胡瀚创办的公司，投后估值约4亿美元。胡瀚团队擅长视觉基础模型（VLM）及具身基础模型，解决机器人“看懂世界”的问题，即“大脑和眼睛”。
- 俞涛创业公司（10月18日传闻）：拟投资前逐际动力人形机器人基础模型负责人俞涛的项目，方向为LLM+具身智能。俞涛团队擅长运动控制（Motion Mimic），解决机器人“小脑和运动神经”问题。
值得关注
- 行业整合者角色：在具身智能融资热度降温、国家层面提醒防止盲目跟风的背景下，DeepSeek作为新的整合者，加速行业向“少数大脑+多数身体”的分层结构演进。
- 竞争维度转移：AI竞争焦点正从跑分榜单和API价格战，转向产线、家庭等物理场景的实际应用能力。DeepSeek通过投资补齐软硬件耦合短板，旨在让模型拥有理解并操作物理世界的能力。