DeepSeek Flash 网页榜开源第一，这回有第三方成绩了
Hello，我是飞飞。
DeepSeek Flash 在网页开发榜拿了开源第一。如果你也在拿它干活，这条消息比“官方说自己更强”多了一点分量。
九月写 Flash 调价时，我留过一句：“独立基准到现在还没人发布，我一篇都没法引。”这句话得更新了。这回有第三方成绩，测的是能打开、能交互的网页。
那篇还留下四项待核记录：检索延迟、查重质量、账单、返工次数。网页成绩到了，这四项却不能顺带填完。我没试过这次新版，先认下它在网页开发上的新增证据，再挑一件相近的活。
这张榜测的是网页
上榜的全名是 DeepSeek-V4.1-Flash-20261017，Max 档。下面简称新版 Flash。日期、档位都得带着。九月版和旧 V4-Flash，也叫 Flash，成绩却不能混着算。
Arena 的 WebDev 榜页面标注日期是 10 月 18 日。本次查询，新版 1670 分，总榜第十二。前面的条目都标为专有模型，开放模型里，它排在最前面。它自己的许可证标为 MIT。
网页开发这个范围有多大？当前榜单写的是前端网页任务，也包括需要多步推理、使用工具的编码流程。做活动页、交互小工具的人，现在多了一个值得试的开放模型候选。
这份成绩跟厂商自报有个重要区别：让用户比较结果。Arena 早期介绍 WebDev 时，就把流程写成了提交需求、生成两个网页、交互后选择。评价里有页面的样子，也有实际操作的感受。
平台当前 FAQ还解释了匿名规则：投票时看不到模型名字，选完才揭晓。只有匿名阶段的票才计入正式排名。自己点名挑模型的并排模式，也能比较，但那些票不进入公开榜单。
这让我愿意把它当作试网页的依据。用户有机会先看产出，再看招牌。一个页面值不值得喜欢，终于有了发布方之外的人来选。
它仍是一张具体配置的成绩单。你换成自己的默认档位，体验如何，得自己试。记录实际用的档位，才知道跟榜上那项隔了什么。
十五分先别判稳胜
Kimi K3 的 Max 档，是 1655 分、总榜第十五。新版 Flash 按点估计排在前面，两者差十五分。
分数旁边，还有一列容易被截图裁掉：不确定范围。新版是 1670±17，K3 是 1655±6，两者范围有重叠。光凭当前这十五分，我还不会把 K3 从候选中删掉。
新版这行目前有一千四百一十七票，K3 有一万九千四百二十六票。你看到的也不只是两个分数，还有不同数量的比较记录。新模型继续积累票数，排名和范围还会更新。
榜单给新版的可能名次范围是七到十六，K3 是十一到十六。看清这列，就不容易把眼下的顺序当成固定不动的强弱。
Arena 读榜指南说明，分数来自比较偏好，旁边的范围表示统计不确定性。这不是满分一百分的试卷，1670 也折算不出任务成功率。
但新成绩确实带来了信息。同一张表里，九月版 Flash 的 Max 档是 1619。新版同档点估计多了五十一分，网页评价信号比旧版更好。
九月说等第三方，等到了就该认这份新增证据。不能因为它答不了所有问题，又把整张表扔掉。
没改名也能换版本
我跟 Flash 的关系，比九月那篇还早一点。
七月底的旧文里，我当时连写了三天被 Claude Code 锁住、迁移成本高。翻开自己大脑的配置，里面却早就放着这两行：
1 | LLM_BASE_URL=https://api.deepseek.com |
我以为自己全押在一家，知识库问答那层却一直在用另一家。区别在任务：Claude Code 扛长流程，便宜模型已经在另一层干活。把“我用什么模型”只答成一个名字，连自己的实际用法都说不清。
这两行今天又有了新的意味。当前官方价格页注明，旧的 deepseek-v4-flash 名称仍能调用，但背后已由 1017 新版提供服务，按 Flash 价格计费。
这是名称兼容，不能拿来确认模型版本。旧配置里出现同一个名字，不代表两次请求跑的是同一代 Flash。这里只对照七月留下的记录，我没有重新检查当前大脑服务。
如果你想做升级前后对照，先找旧结果：它当时用的版本、提示词、拿到的输出，有没有留住？有，才对得上；没有，就做新版和现用模型的横向比较。别把两次新版调用记成升级前后。
账还得按用法算
价格也扎眼。同一榜单列的美元单价，每百万 token 输入和输出，新版 Flash 是 0.30、1.20；K3 是 3、15。
按两列做除法，输入单价差十倍，输出差十二点五倍。一次试用的模型费用因此更容易承担。至于任务最终花多少，还要看输入、输出、重试次数。
这正好连着我九月的旧用法。大脑检索里，系统提示词、常驻规则、索引说明反复出现。输入重，输出短，重复前缀能否复用，影响那笔账。
官方人民币价格页把输入分为缓存命中、未命中，还分峰谷时段。说人话，就是重复前缀能复用时，和每次重新处理时，收费不同。榜单上的美元两列，没替我算这些条件。
同一套流水线里，另一些检查输出更多。同样叫 Flash 用量，花钱的地方已经不一样了。只抄一个单价倍数，很难知道哪类任务真正省下来。
这次官方更新日志说，API 调用方式和价格不变，仍用 deepseek-flash。它还称运行时间、输出长度缩短了。这给了一个值得验的方向，幅度要等自己的记录。
九月那篇还明确写着：当月账单没出，文中费用是按价格结构推的。推算和到账金额，从当时就分了开。这次如果只拿新榜单的低单价，去给旧推算盖章，又把两种材料揉在了一起。
九月答应看的四项，本篇没有新任务记录可核。要补，仍得记检索耗时、查重判断、实际账单、返工。榜单再好看，也不能替这些实际记录交差。
给它一个网页任务
网页榜给我的下一步，可以缩成一页文章检索结果。先喂固定的模拟数据：标题、来源入口、匹配片段、疑似重复标记。这是待做方案，本篇没有生成页面。
用固定数据，是为了把网页工作单独拿出来。比较的是展示和操作，检索有没有找全、查重判得对不对，要用有标注的材料另验。这一步也不需要接真实大脑服务。
每个候选模型拿同一份需求、同一组数据，给同样次数的修改机会。记录实际档位、耗时、token 用量和改了几轮。这样回头看结果，才知道省的是钱、时间，还是都没省。
页面的通过条件也先写好：来源链接能点，片段能展开，空结果有说明，重复标记能修正。只截最好看的一屏不够，哪项操作出错，就把需求、错误和返工留在一起。
一次做顺，只能说明这一次，后面再逐步增加相近任务。它先从我手里的小网页开始争取机会，没必要一上来背整条创作流程。
九月那句“没独立成绩可引”，现在可以收回网页这一部分。Flash 多了一份来自外部用户的成绩单，下一份该是自己的交付记录。
你若也想试它，会选哪个现成的小页面？把需求和通过条件先写下来，再看看这次开源第一能帮你完成什么。