DeepSeek-V4.1-Flash 登顶 Code Arena WebDev 开源榜首

Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 在 Code Arena: WebDev 榜单成为第一开源模型，超过 Kimi K3 (Max)，成本低约 10 倍；同一模型在 Agent Arena 成为第一开源模型，总排名第 11，基于超 7.5K 真实会话净提升 +5.1%，中位任务成本 $0.20，Confirmed Success 提升 +11.5%，且无 Tool Hallucination 问题。

此前开源模型在 WebDev 与 Agent 两类竞技榜同时领先并压低成本的情况较少。该模型在两个榜单上均超过 Kimi K3 (Max)，且在 Agent Arena 以约 GPT-6.1 Sol 27% 的成本取得约 37% 的提升幅度，说明开源模型在真实会话与成本效率上同时逼近闭源头部。

证据仅显示榜单排名、会话样本量与成本数据，未披露模型架构或训练方法。可确认的机制是：评测基于超 7.5K 真实会话衡量净提升，并以中位任务成本对比，因此排名同时反映任务成功率与单位成本；无 Tool Hallucination 的记录意味着在工具调用环节的可靠性被纳入评估。

对产品与研发的直接含义是：WebDev 与 Agent 场景可在更低单任务成本下选型开源模型，中位任务 $0.20 有利于高频工具调用类功能的成本核算；Confirmed Success 提升 +11.5% 与无 Tool Hallucination 可降低人工复核与失败重试开销。但证据未给出延迟、上下文长度与私有部署条件，选型时仍需自测。

• 在 WebDev 代码生成或 Agent 工具调用功能中，用该模型与现有模型做 A/B 对比，以中位任务成本和 Confirmed Success 作为切换依据。
• 针对高频、低单价的任务批次优先试用该模型，按 $0.20 中位成本重算单位经济模型。
• 在工具调用链路上评估其无 Tool Hallucination 表现，减少失败重试与人工兜底环节。

• Code Arena: WebDev 榜单的具体评测任务、样本量与统计口径未披露。
• Agent Arena 总排名第 11 对应的前列模型与分差未知。
• 约 10 倍成本优势的比较基准与计价条件未说明。
• 模型的上下文长度、延迟、私有化部署与许可条件未见证据支持。