一次赛车游戏生成任务消耗约 6000 万 token、耗时 51 分钟、总费用约 3 元；DeepSeek-V4.1-Flash-1017 的看点不只是便宜，而是开始优化 Agent 完成整项任务所需的 token 与工具调用次数。

这是什么

DeepSeek 于 10 月 17 日发布 V4.1-Flash-1017，重点提升 Terminal-Bench、Automation-Bench 和 ProgramBench 成绩，分别对应终端操作、工具执行与编程任务。官方还提出“性能—费用的帕累托改进”：单价不变，但通过减少无效输出、缩短任务链路，降低完成真实需求的总成本。

作者使用 DeepSeek Harness（模型执行环境及工具调用框架）复刻赛车游戏。第一轮只给一句话需求，游戏已能驾驶、计圈和切换视角；第二轮补充视觉与交互要求后完成度明显提高。任务同时运行两个项目，消耗约 6000 万 token，费用约 3 元。

行业怎么看

我们认为这比单看模型跑分更重要。Agent（能自主拆解任务并调用工具执行的人工智能系统）的成本不只来自 token 单价，还来自反复请求、工具调用、纠错循环和上下文膨胀。供应商若能压低完整任务的总消耗，企业才更容易把自动化从演示项目变成稳定流程。

但风险同样明确。约 6000 万 token、51 分钟意味着生成游戏仍有较高资源消耗，复杂项目的返工也未计入；官方基准多由厂商提供，尚不足以证明所有场景都能稳定降本。此外，赛车游戏属于视觉要求清晰、反馈迅速的任务，不能直接外推到数据分析、客服或企业系统改造。敏感数据接入、输出可验证性和长任务可靠性，仍是部署门槛。

对普通人的影响

对企业 IT：采购模型时可少问“每次调用多少钱”，多问“完成一个真实流程要多少钱、耗时多久、需要几次人工接管”。这会让小批量软件原型和内部工具自动化的成本门槛继续下降。

对个人职场：非技术员工开始能用自然语言生成可运行的小工具，但提示词、材料准备和验收能力更重要。短期内更像降低试错门槛，而非替代完整岗位。

对消费市场：按需求定制网页和小游戏的供给会增加，价格也可能下降；与此同时，功能相似、缺少维护能力的产品会更容易被模型生成工具挤压。