DeepSeek V4.1-Flash-1017版本通过自反馈强化学习技术,显著提升了Agent与项目级编程能力,特别增强了游戏开发、3D建模等领域的项目构建能力,并支持“许愿式”编程任务。基准测试显示,新模型在DeepSWEv1.1等四项测评中超越KimiK3、GLM5.3等主流模型,同时缩短了任务运行时间与输出长度,实现了性能-费用帕累托最优,并针对DeepSeekHarness等平台进行了优化。
新版本的性能-费用帕累托改进强化了性价比优势,有望加速AI应用渗透。通过增强项目构建能力和支持“许愿式”编程,DeepSeek进一步推动了AI在游戏开发、3D建模等领域的应用落地,同时新增的Search与Fetch接口补齐了Agent工具链的信息获取环节,为AI应用层发展提供了更完善的支撑。
报告重点分析了DeepSeek V4.1-Flash版本的模型性能、编程能力提升、成本优化以及AI应用落地情况。通过对比测试,新模型在多项测评中超越主流竞品,且运行效率更高,价格更优。报告还关注了DeepSeekAPI的新增功能及其对AI应用生态的影响,并从国产大模型能力升级、算力需求、编程与Agent工具链完善等角度进行了综合分析。
当前AI大模型市场呈现快速迭代和技术竞争激烈的态势。国产大模型如DeepSeek在性能和成本控制上持续优化,通过自反馈强化学习等技术提升模型能力,并在多个基准测试中超越国际主流模型,展现出国产大模型的竞争力。同时,AI应用层落地加速,编程与Agent工具链的完善为AI应用渗透提供了更多可能性。
该研报提示的主要风险包括国产算力建设不及预期、数据资料误差风险、AI应用落地速度不及预期、技术迭代速度不及预期等。此外,还需关注重点关注公司业绩不达预期、政策标准出台速度不及预期、科技股资金拥挤度高与波动放大风险,以及海外流动性超预期收紧风险。这些风险可能影响DeepSeek及整个AI行业的长期发展。