DeepSeek-V4.1-Flash-20261017 拿下了开源模型在编程榜单上的头名。Arena 在 2026 年 10 月 18 日公布的 Code Arena WebDev 榜单上，这个 10 月 17 日刚更新的版本得到 1670 分，排在开源模型第一、全部模型第 12 位；被它挤下去的是 Kimi K3（Max），而 Arena 给出的运行成本对比是：它的成本大约只有对方的十分之一。
这个第一名和厂商自测不是一回事
需要先分清两类分数。DeepSeek 官方在发布时给出的是 DeepSWE、Terminal-Bench 等基准成绩，本站的DeepSeek-V4.1-Flash-1017 发布报道已经写过，那属于厂商在固定测试集上的自测。Code Arena 的 WebDev 榜单衡量的则是另一件事：真实用户把智能体编程和前端开发任务交给不同模型完成，再用偏好投票决定名次，考的是生成网页和前端应用时人眼实际更愿意选谁的结果。
两类证据的分量不同。自测分数容易受测试集选择和调参方向影响，偏好榜单没有标准答案、波动也更大，但它更接近开发者每天的真实体感。这次值得单独报道的原因正在于此：一个开源模型不只在自家表格里好看，还在第三方盲测式投票里坐到了开源第一。
便宜在这里不是附带属性
这个版本的参数结构是 5520 亿主干参数加 1960 亿 Engram 参数的混合专家架构，预填充阶段只激活约 80 亿参数，解码阶段约 160 亿，上下文窗口 100 万词元，权重以 MIT 许可证发布在 Hugging Face 上。不想自己部署的团队也可以直接用 API：高峰价为每百万输入词元 0.30 美元、每百万输出词元 1.20 美元。
Arena 把这次登顶形容为移动了开源模型在编程工作流中的性能与成本前沿。对工程团队来说，实际含义比名次更具体：当一个总榜第 12 的模型只要头部开源对手十分之一的成本时，把一部分高频、低风险的编程任务分流给它，就从尝鲜变成了可以认真算账的选项。当然，分流的前提是拿自己仓库的真实任务做小范围试跑，而不是照着榜单直接换默认模型。
总榜第 12 的另一面
也要看到名次的天花板：它前面还有 11 个模型，WebDev 也只覆盖前端与智能体编程这一块切片，说明不了通用推理、长文档或多模态能力的高下。偏好榜单还会随投票样本变化而起伏，今天的第一不保证下个月还在。
对正在选型的团队，稳妥的读法是把这次登顶当作一个试跑信号，而不是结论：用一两周的真实工单对比它和现用模型的完成率与返工率，再结合 0.30 美元的输入价核算单任务成本。榜单负责告诉你值得试，账本负责告诉你该不该换。
