DeepSeek新模型升级，梁文锋正在为具身智能铺路？ - 胜负彩期次查询

在前几日DeepSeek经历数小时服务中断后，人工智能领域诸多人士推测该公司将有重大举措。果然，本周末DeepSeek发布重要消息：推出DeepSeek-V4.1-Flash-1017版本，并喊出“许愿式编程一键成真”的口号。从编写代码到完成项目，AI编程的入门难度进一步降低。

许多人询问，为何升级幅度如此之大却不直接命名为4.2？原因在于基础模型架构未变，更新集中在现有模型的能力优化上。从官方释放的信号到网友的实际测试，V4.1值得关注的远不止一个新版本。

在投资方面，DeepSeek同样未停歇，近期传出其多笔投资于具身智能领域的消息。一边让AI更好完成数字世界任务，一边探索机器人在真实世界中的行动，DeepSeek的战略布局日益扩大。

性价比突出的“许愿式编程”

DeepSeek此次更新几乎没有留下太多预兆。

但在正式更新前，有网友发现模型列表中曾短暂出现“DeepSeek V4.1 Flash-1017”这一名称。“1017”对应10月17日，符合以日期标记模型快照的常见做法。

为何不是4.2？因为V4.1 Flash-1017仅是对现有版本的一次能力迭代，官方将其概括为“性能—费用的帕累托改进”：性能提升，成本降低。

需要注意的是，降本并非降价，API调用方式和价格保持不变，开发者仍可通过deepseek-flash访问新模型。真正的机制在于任务运行时间和输出长度均缩短，而大模型按token计费，输出更精简、单次耗时减少，实际综合成本自然降低。

DeepSWE v1.1的Pass@1从74.2升至77.0，超过Claude Opus 5的74.0和GPT-5.6 Sol的73.0；Terminal-Bench 4.0从31.2升至42.3。这两项指标考验的是“独立完成任务”的能力。

不过并非全面领先，在专家级难题HLE上仅得42.6，明显低于Claude Opus 5的56.3。此次升级方向明确：在工程能力上全力投入，在纯知识广度上不做过多消耗。

最关键的变化是模型更强调从零构建完整项目。官方称，新版通过“基于自反馈的强化学习”训练——模型编写代码后自行运行、检查并修改。

官方展示了四个案例：故宫3D建模、网页赛车游戏、使用Godot引擎复刻《传送门2》，以及名为Valley of Ages的3D场景。分别对应三维场景搭建、游戏逻辑开发、游戏引擎应用和交互式环境构建，官方表示这些项目仅用了少量提示词和参考素材，交互轮次也很短。

“许愿式编程”的意义在于此：仅用寥寥字数，就能帮助用户生成符合心理预期的结果。

有开发者许愿将一张剪纸变成海边小镇。模型需通过代码构建网页场景，让房屋随页面滚动逐步立起，灯塔、码头和纸浪依次出现，镜头视角随之变化。实测中，房屋立起后能看出纸张厚度、折痕和投影。拖动时间滑块，天空、海面与窗灯还能随昼夜变化。

理解流畅度的提升获得集中好评：V2EX上有开发者称旧版“像被降智了一样”，换到1017后“恢复正常了”；Trae论坛有人用“鸡同鸭讲”形容老版，表示换新版后“有种自己智商都提高了的错觉”。知乎答主用新旧版本各做一次马里奥赛车，旧版的跑道是歪的，用户的车一动不动；新版画面精美，操作流畅。

但也有人提出质疑。Reddit上一名从事编程智能体与评测工作的Nebius员工，使用自己日常工作中的10项编程任务测试新版本，每项任务重复运行3次，并通过隐藏测试检查结果。

在个人测试中，V4.1-Flash-1017搭配Pi编程框架、采用较高推理强度时，30次运行全部通过；单项任务平均成本约4.5美分。相比之下，旧版V4.1-Flash在另一组最高推理强度测试中，30次运行有24次通过。

测试者还报告，新版每项任务约消耗55万Token。即使单次成本不高，Token用量也提醒用户：模型回答得更快，不代表整个工作流一定更省资源。

还有网友尝试生成一段15秒的电影级短视频，V4.1-Flash-1017成本2.5美元花费4小时，Claude Opus成本54.2美元花费7小时。可见此次更新改变的是将“够强”与“够便宜”之间的距离又缩短了一截。

梁文锋的AGI雄心

模型更新引发AI圈狂欢，但也不能忽视DeepSeek在资本层面的大动作。简而言之，DeepSeek正在为下一代基础模型购买“物理世界的入场券”。

10月18日，行业消息称DeepSeek拟投资前逐际动力人形机器人基础模型负责人俞涛的创业公司，方向是LLM+具身智能，前后两轮估值分别约7000万美元和2亿美元。

10月12日，据媒体报道，DeepSeek拟领投前腾讯科学家胡瀚创办的Winverse AI，投后估值约4亿美元，美团龙珠也参与其中。

再往前，8月DeepSeek出资约1.41亿元参与宇树科技IPO战略配售，锁定期36个月，并签署了联合研发备忘录。

从具身智能公司角度看，这三笔投资买下了技术栈中位置完全不同的三层能力。

宇树提供的是“身体”：拥有大量真实机器人，这是稀缺的真实物理数据入口。

胡瀚代表“大脑和眼睛”：他是Swin Transformer主要作者、ICCV 2021 Marr Prize得主，研究方向从视觉基础模型延伸到视觉语言模型（VLM）及具身基础模型，解决“机器人怎样看懂世界”。

俞涛的位置更接近“小脑和运动神经”：他在逐际动力从零搭建了motion mimic和全身跟踪系统System 0。胡瀚从“大脑”往身体走，俞涛从“身体”往大脑走，两条路线最终在一个地方汇合。

梁文锋的这一布局早有伏笔。其公开的AGI路线图规划为六阶梯递进结构：语言模型→思维链→Agent→持续学习→自我迭代→具身智能。如今走向具身智能的步伐正在加速。

过去，大模型圈认为VLA难以通用，但9月GPT-6 Astra的横空出世让人看到，不懂具身也能做出泛化的具身模型。与此同时，Coding能力明显见顶，大模型公司需要新风口承接震撼，入局具身成为必然。

不过，具身是软硬件耦合的苦活，大模型公司自身场景和数据有限，这也是DeepSeek为何先投“大脑、小脑、身体”，而非直接制造整机的原因。

具身赛道竞争激烈，据媒体统计，仅今年上半年国内融资总额就超900亿元，是2025年同期的5倍；但下半年风向骤变，机构上会项目锐减，国家层面也提醒机器人产业“防止盲目跟风、一哄而上”。

DeepSeek在这个节点成为新的接盘方/整合者，加速行业向少数大脑+多数身体分层。不难看出，DeepSeek正在从数字世界向物理世界延伸。

早在其招聘动态中就显示出端倪，招聘多模态理解研究员的职位描述显示：AGI绝不会止步于文本，迈向AGI的关键一环，在于让模型拥有理解物理世界的能力。

今天的模型竞争还在跑分榜单和API价格战里，下一场竞争，就在产线上、在卧室里、在街头中。

本文来自微信公众号“数智奔流”，作者：田渝，36氪经授权发布。