赢麻了，DeepSeek又世界第一了

赢麻了，DeepSeek又世界第一了

“又”这个字，放在DeepSeek身上，比“世界第一”本身更值得琢磨。

10月17日，DeepSeek发布了一次小更新，版本号叫V4.1-Flash-1017。官方说法很克制，“小幅更新”。三天后，前身是加州大学伯克利分校Chatbot Arena的评测平台Arena.ai在社交平台上确认：这个“小更新”在Code Arena的WebDev榜单上拿了开源模型第一，总分1670，把Kimi K3、Claude Opus 5（High）、Grok 4.7（xHigh）都甩在了后面，距离闭源榜首GPT-6 Sol（Max）只差12分。总排名第12，但排在前面的全是闭源模型，开源阵营里它站在最前面。

同一个月，OpenRouter的Token调用量榜单上，DeepSeek V4.1 Flash连续两周全球第一，周调用量32.8万亿Token，把第二名智谱GLM 5.3 Flash的12.2万亿甩开了一个身位。中国大模型周调用量已经连续二十五周超过美国，而DeepSeek是那根最靠前的旗杆。

一个“小更新”，同时踩住了两个维度的第一：开源模型里编程能力最能打的，全行业里被调用得最多的。 这两件事放在一起，“赢麻了”三个字才不是一句空话。

先说清楚，这个“开源第一”到底赢在哪

Code Arena的WebDev榜单，考的是模型把文字需求变成能跑的网页和交互作品的能力。不是选择题，不是填空，是给你一段描述，你把它变成一个打开就能用的东西。

DeepSeek-V4.1-Flash-1017拿了1670分。作为对照，Kimi K3（Max）和Mimo-V2.6 Flash这些开源同行在它后面，闭源阵营里的Claude Opus 5（High）和Grok 4.7（xHigh）也被它越过去了。唯一排在它前面的，是GPT-6 Sol（Max），差距12分。

但真正让这个第一有分量的，是Arena那张“帕累托前沿”图里的位置。帕累托前沿的意思是：在“便宜”和“强”这两个维度上，你找不到另一个模型能同时做到比它更便宜、且得分更高。 它就在那条绿色折线的边界上。

翻译成大白话：在开源模型里，比它强的没有；在比它便宜的模型里，能打到这个分数的也没有。价格摆在那里：高峰时段每百万Token输入2元、输出8元，空闲时段输入1元、输出4元，缓存命中的输入低到0.04元。综合成本大约是Kimi K3的十分之一。

十分之一的价钱，在编程这个最吃真金白银的赛道上，拿了第一。

“又”字的分量，不在这一次，在它变成了一种节奏

如果只看10月这一下，可以说DeepSeek运气好，一次小更新撞上了榜单窗口。但把时间线往前拉，“又”这个字的含义就变了。

2026年4月，V4预览版发布，官方口径是“在数学、STEM、竞赛型代码的测评中，超越当前所有已公开评测的开源模型”。9月，V4.1-Flash正式版上线，官方说“更强、更快、更高效”。10月17日，V4.1-Flash-1017的小更新，在Code Arena上比上一版高了52分，在Agent Arena的代理任务开源榜上也登了顶，七千多场真实使用会话下来净提升5.1%，单一任务中位成本约0.20美元。

每一次更新都不是从零到一的重写，是在同一个方向上往前挪一小步。但每隔一两个月挪一步，一年下来就是一条别人追不上的距离。DeepSeek的“世界第一”不是某一个瞬间的爆发，是一套迭代节奏在持续兑现。 别人在发大招，它在改版本号；别人在开发布会，它在调API价格。等榜单刷新的时候，它已经站在那儿了。

调用量那个第一，比榜单第一更实在

编程榜单上的第一，证明的是“能力上限”。Token调用量上的第一，证明的是“有多少人真的在用”。

OpenRouter的数据显示，10月12日到18日那一周，DeepSeek V4.1 Flash的周调用量是32.8万亿Token，连续两周排在全球所有模型的第一位。另一组来自中财网的数据把DeepSeek系列模型合并计算，周调用量达到40.61万亿Token，同样居全球首位。更早一周，10月5日到11日，这个数字是41万亿Token，环比增长60%。

调用量不会说谎。一个模型可以在榜单上拿高分，但如果没人用，那个高分就只是一张成绩单。32.8万亿Token意味着，全球有大量的开发者和企业在真金白银地为这个模型付费、用它的API去跑自己的产品。榜单第一证明“它能做到”，调用量第一证明“有人在靠它吃饭”。 后者比前者更难，也更值钱。

便宜不是“低端”的同义词，在这件事上恰恰相反

很长一段时间里，行业默认一个等式：便宜等于差一点，贵等于好。DeepSeek这一轮“又第一”做的事情，是把这个等式拆了。

Code Arena的帕累托前沿图已经说得很清楚：在“便宜”和“强”构成的坐标系里，它站在那条边界线上，意味着不存在“比它便宜还比它强”的选项。换句话说，它的便宜不是靠砍能力换来的，是在能力拉到开源天花板的同时，把成本压到了别人跟不上的位置。

这件事对普通用户的影响是间接的，但对整个行业的影响是直接的。当一个模型的编程能力逼近闭源顶级、价格只有对手的十分之一，那些靠“闭源+高价”撑起来的商业模型，就必须回答一个问题：你贵出来的那部分，到底买到了什么别人买不到的东西？如果答案是“没有”，定价权就会从卖方手里滑走。

DeepSeek官方对这次更新的描述里有一句话值得留意：“更短的输出”被列为一个改进方向。输出更短，意味着同样的任务消耗的Token更少，账单更低。省钱这件事，被写进了模型的工程目标里，不只是定价策略。

“赢麻了”之后，真正该看的是什么

一次第一可以叫突破，连续在不同维度上拿第一、而且拿第一的频率越来越密，说明的是另一件事：这支团队已经找到了一种可重复的方式，用相对小的迭代成本，在关键能力上持续站到前排。

但“世界第一”这个标签，容易让人忽略它没有覆盖的东西。Code Arena的WebDev只是编程能力的一个切面，Agent Arena的总排名是第11，确认成功分项排第8，好评对抱怨排第11，工具幻觉问题没有出现但也没有到碾压的程度。排在前面的闭源模型在综合能力上仍然有它的位置，12分的差距在编程榜单上不大，但在更复杂的通用任务上，差距的维度完全不同。

更实在的问题是：当调用量冲到32.8万亿Token一周的时候，服务能不能稳住，API的延迟和可用性能不能跟得上，企业和开发者的真实工作流会不会因为一次高峰就卡住。 调用量第一是一枚勋章，也是一张压力测试单。用得越多，出问题的代价越大。

“赢麻了”是一个适合做标题的词，但它不是一个适合做结论的词。DeepSeek在2026年10月拿下的这两个第一，真正的分量不在“又”了一次，在它把“第一”变成了一种可以重复发生的事。一个开源模型能在编程能力上逼近闭源顶级、在价格上把对手甩开一个数量级、在调用量上连续坐在全球第一的位置，这三件事同时成立，比任何单次的“赢麻了”都更难被推翻。

你平时用DeepSeek是写代码、查资料，还是做别的？如果它的编程能力真的到了闭源顶级的水准，而价格只有十分之一，你会考虑把手头的工作流切过来，还是继续用你习惯的那个？欢迎在评论区聊聊，也记得关注账号，后面继续把那些“榜单数字背后谁在真的用、怎么用”的事情拆开来看。

免责声明：本文依据Arena.ai、OpenRouter公开榜单数据及DeepSeek官方文档整理，旨在梳理模型能力与使用趋势。榜单排名及调用量数据存在统计口径与时间窗口差异，以各平台官方最新发布为准，不构成任何购买或投资建议。