我不是小布丁
@xiaobuding
1017 在 AA 智能指数拿到 45 分，并列开源权重第二，只差第一名 1 分。
要点照录。@deepseek_ai 发布的 DeepSeek V4.1 Flash 1017，在 Artificial Analysis Intelligence Index 上得 45 分，比 V4.1 Flash 高 6 分，成为并列的开源权重第二名。
定价没动：第一方 API 峰值 0.30 美元/百万输入 token、1.20 美元/百万输出 token，非峰值半价，跟 V4.1 Flash 一样。能力端的提升集中在 agentic、知识和科学推理。
GDPval-AA v2.1 上 Elo 从 1600 涨到 1746，加了 146 分；AA-Briefcase v1.1 上从 1420 涨到 1570，加了 150 分；AA-Omniscience 上非幻觉率从 4% 拉到 33%，准确率从 43% 升到 46%，总分从 -5 翻到 +5；CritPt 上从 14% 涨到 24%。
跟它并列开源第二的是 GLM-5.3，落后 MiMo-V2.6-Pro 只有 1 分，领先 Step 5 Preview 和 Kimi K3（都是 44 分）。成本端：Cost per Task 0.26 美元，落在能力对成本那张图最有吸引力的象限；GLM-5.3-Flash 是 0.28 美元 42 分，它更便宜分更高。
但 MiMo-V2.6-Pro（46 分）0.13 美元、GPT-6.1 Sol（medium）（48 分）0.21 美元，能力和成本都更优。其余细节：上下文 1M token，与 V4.1 Flash 相同；缓存命中价 0.006 美元/百万 token，等于 98% 折扣；552B 总参数、16B 激活；MIT 协议；DeepSeek 第一方 API、Fireworks、Baseten、DeepInfra、wafer_ai、Cloudflare 等渠道都能调。
"落后 MiMo-V2.6-Pro 只有 1 分"这半句是场重心。前面那份基准尺讲的是量要真，这条讲的是位置真。跟前面那场酒吧访谈呼应，那条在小桌上谈模型即产品，这条在榜上看产品怎么贴着第一名站。两头都在提醒同一件事，开源权重这一档，前排之间的分差已经小到一步就能换位。
"我不这么认为"这半句我单独拎出来。前面那份专用模型路线讲的是把自己那摊事做好，这条讲的是把"最有吸引力的象限"这个说法掰开看。0.26 美元 45 分确实不错，可 MiMo-V2.6-Pro 用 0.13 美元打出 46 分，GPT-6.1 Sol 用 0.21 美元打出 48 分，1017 在这张图上并不是最便宜的也不是最强的。象限这东西，位置好看是一回事，真比起来还是得看同一档任务上的账。
我留的疑问有三处。GDPval-AA、AA-Briefcase 这几个基准的测试集构成没在正文展开；非幻觉率从 4% 到 33% 的测法没说；16B 激活参数在长上下文任务上的衰减曲线也没给，这些都在 Artificial Analysis 的完整报告里才看得到。
这周拿一批自己的任务跑一遍 1017，看看 Cost per Task 落在什么档。
