DeepSWE通过率77%、单任务成本砍到1.3元：DeepSeek把「许愿式编程」许成了，Java团队怎么接

10月17日，DeepSeek发布V4.1-Flash-1017：DeepSWE v1.1基准通过率从74.2%提到77.0%，超过GPT-6 Astra和Claude Opus 5，单任务平均成本却从约3.3元降到约1.3元，降幅约六成。官方把这次的能力变化叫做「许愿式编程」——用户只说想要什么，规划、写码、运行、检查、修改全部由模型自己闭环，背后是自反馈强化学习训练。性能涨、费用降，这是行业等了很久的帕累托改进。但对Java团队来说，通用基准的高分不自动等于Java现场的高分。本文拆解这次更新的技术细节，以及Java团队接住低价强模型的三个前提。

一、10月17日：一次「帕累托改进」式的更新

10月15日，DeepSeek经历了一次近5小时的API服务中断，恢复后把10月8日至14日的用户消耗全额返还成赠金。当时就有不少人猜测：宕机多半是上新前的迁移动作。两天后，答案揭晓——V4.1-Flash-1017在网页端、APP和API同步上线，模型权重以MIT协议开源在HuggingFace与ModelScope，fp8精度约510GB。

先看分数。DeepSWE v1.1软件工程基准的max档位单次任务通过率从74.2%升到77.0%，排在了GPT-6 Astra、GPT-6.1 Sol、Gemini 3.8 Flash和Claude Opus 5前面；Terminal-Bench 4.0从31.2分涨到42.3分，HLE从36.8涨到42.6，ProgramBench从20.3涨到29.1，几乎全线领跑。

再看价格，这才是这次更新最狠的地方。官方给出的是一条「性能—费用帕累托前沿」曲线：模型性能往上走的同时，任务运行时间和输出长度一起被压了下来，单任务平均费用从上一版的约3.3元降到约1.3元，降幅约六成。V4.1 Flash-1017的单位任务综合成本，只有Fable、Astra等同类模型的百分之一到二十分之一。以前想让Agent干得更好，就得接受它多想、多跑、多吐token；这一版开始，模型学着少绕路、少说废话，直接奔着把任务做完去。

二、许愿式编程：模型自己当质检员

官方给新能力起的名字很直白——「许愿式编程」。过去做一个完整项目，你得把功能、结构、交互、技术栈一项项讲清楚；现在只需说清楚想要什么，剩下的规划、写代码、运行、检查、修改，模型自己往下推。演示案例一个比一个具体：可以实时浏览切换视角的3D故宫建模、网页版赛车游戏、基于Godot引擎的《传送门2》复刻，真能跑、真能玩。

技术底座是自反馈强化学习。模型写完第一版不立刻交差，更是自己检查产物、发现问题、回头修——把人从循环里拿掉，让模型自己当质检员。36氪的报道把这个难点讲得很透：Agent有了工具就能运行代码、看到报错，但「看到」不等于「看懂」，质检能力需要海量「做完—检查—判好坏」的数据喂出来。9月底DeepSeek联合清华发布的DSec沙盒论文（日300万沙盒、峰值38万并发）曾暗示团队实现了RSI，这次的许愿式编程就是初步成果。

配套的动作还有两个。一是DeepSeek Harness同步升级到0.2.1，新模型针对Harness、腾讯CodeBuddy、WorkBuddy等框架做了专项优化，升级后任务更省token；二是自研搜索引擎开放了Search和Fetch两个API，定价5元每千次（失败不收费），在Claude Code和Codex里也能通过服务端工具调用，11月1日前免费。

三、便宜了，Java团队接住它还要过三关

产品经理帕韦乌·胡林在发布两小时后就做了实测，结论是找bug、修bug的能力已接近Opus 5.5 xHigh，价格只有后者的三十五分之一。通用基准的进步是真实的，但Java团队要把它用好，还有三道关要过。

第一关是Java现场的验证。主流代码评测集以Python和通用任务为主，Java场景得自己测：Spring Boot分层代码生成是否符合团队规范、MyBatis动态SQL会不会写出${}注入、@Transactional传播行为理解对不对。一位在支付公司做Java平台的架构师林工的原话是：通用榜第一名，进我的工程里第一周还是得重新考试。

第二关是任务边界的把握。许愿式编程把人从循环里拿掉，前提是任务足够清晰、验收标准足够明确。企业项目里大量需求是模糊的：这个接口要兼容老版本吗、这条规则改了会影响哪些下游。人在回路的减少，意味着前期把需求讲清楚的成本转移到前面——需求写得越含糊，模型自作主张的空间越大。

第三关是成本的真账。1.3元一任务是理想均值，真实工程里Agent会反复探索、试错、重试，复杂任务的成本会成倍放大。低价模型解决的是单价问题，团队级的账还要看路由策略：哪些任务走轻量模型、哪些上专家档，用错档位，省下的钱照样烧回去。

四、飞算JavaAI的思路：把强模型装进Java工程的确定性里

低价强模型是好事，供给越充足，普通开发者获益越大。飞算JavaAI的思路不是跟模型厂商比参数，更是解决模型再强也解决不了的那一层：Java工程的理解和确定性。

一是自研Java专有模型。训练火力全部集中在Java生态，对Spring、MyBatis、Maven依赖树这些Java现场的细节有针对性的优化，生成的是嵌进现有工程结构的代码，不是孤立的片段——这与通用模型「每个请求从零理解代码库」的方式是两条路线。

二是全量代码语义索引。从Controller、Service到Mapper的完整调用链被模型感知，改一个接口时，下游哪些地方在调用、哪些表字段会被影响，工具心里有数。这在许愿式编程的语境下尤其重要：人退出循环之前，得先有个东西替人记住全局。

三是智能路由与专家模式。简单任务走轻量通道，复杂任务上专家模式，日均Token消耗从850万降到260万、节省69.4%。DeepSeek证明了模型层可以更便宜，飞算JavaAI证明的是：用好模型的编排层，同样能省出一大截。两条路叠起来，才是团队完整的成本答案。

模型每一次降价、涨分，都在把AI编程的门槛往下压；而Java团队真正稀缺的，是一个懂你的pom.xml、懂你的分层规范、还不用把代码传上云上的工具。模型的进步归模型，工程的确定性归飞算JavaAI——好模型加上懂Java的智能体，才是许愿式编程在企业里真正的打开方式。