# 我向新版 DeepSeek 许了个愿，4 块钱让特斯拉飞起来 - 作者：张子豪 - 发布时间：2026-10-19 17:21 - 分类：软件 - 原文：https://www.ifanr.com/1684880 ![](https://s3.ifanr.com/wp-content/uploads/2026/10/cvds.jpg) 中国人能飞，中国模型也能让特斯拉飞。 前两天更新的 DeepSeek V4.1 Flash 太强大了，社交媒体上网友们清一色的评论都是「无法相信一个便宜 90% 的模型，能够产出和 GPT-6.1 Sol Ultra 一样好的效果。」 我们丢了一段「特斯拉能飞」的视频还有附带的几段提示词给它，DeepSeek 一顿深度求索，就输出了一个完整的动态 3D 网页。 ![](https://s3.ifanr.com/wp-content/uploads/2026/10/orig_11_00.jpg) 图｜https://tesla-roadster-3d-six.vercel.app/ 这个效果虽然不能说 1:1 复刻视频，但几乎没有任何 Bug，也抓到了原视频从地面加速切入、吸附爬坡，再到坡顶倒挂飞射出去，然后离地悬停等几大要素。 惊艳的效果也在 benchmark 上体现，DeepSeek V4.1 Flash 的编程能力超越 Kimi K3，一举跃升到开源模型的第一。 甚至连 GPT-6.1 Sol、Claude Fable 5、Opus 5，以及 GPT-6 Astra 这些一两个月内才更新的闭源模型，在 DeepSWE 的榜单上，V4.1 Flash-1017 的表现都要比他们好。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397237817-1.jpg) 在大模型竞技场上，针对编程领域，DeepSeek V4.1 Flash 1017 的表现也达到了新的性能-费用帕累托最优。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397245186-2.jpg) 在专门的 3D 建筑重建的榜单 BuildingBench 上，DeepSeek 的表现也从九月份的第十三名，一举来到前五名，甚至比 Gemini 4 Argon 的表现还要好。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397247841-3.jpg) ## 4 块钱，让特斯拉飞起来 DeepSeek 在更新说明里还提到，新版本通过基于自反馈的强化学习，提升了从零构建游戏和 3D 项目的能力。 这次特斯拉演示就涉及好几个部分：汽车和跑道要搭出来，加速、爬坡、悬停的动作也要衔接起来。最后交到用户手里的，是一个能完整运行的项目。我们这次的实测也是选择了在 DeepSeek Harness 内进行。 还是继续让它做一些酷炫的 3D 场景，根据网络上提供了「特斯拉能飞」的提示词，我们也让 V4.1 Flash 跑了一次，这次是纯提示词版本，没有上传原视频。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397250469-4.jpg) ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397257249-5.jpg) 图｜提示词来源：X@IFITALEX；项目预览地址：https://tesla-roadster-flight-telemetry.vercel.app/ 演示效果已经有公开课上，一份精致物理课件的感觉，要求我们根据汽车的运动过程来做受力分析。 从整个的跑道、汽车，以及不同过程的重影，DeepSeek 生成的这个网页基本上挑不出什么毛病。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397264083-6.jpg) 同时，完成这个项目的用时缩短到只需要 35 分钟，消耗 Token 是 3752 万，输出 Token 是 33 万，缓存命中率更是高达 99.6%。 按照高峰时段输入缓存命中 0.04 元每百万 Token，和输出 8 元每百万 Token 的价格，得到这个堪比场景重建的演示网页只需要 4 块钱左右。 而同样的效果，在 GPT-6.1 Sol 和 Claude 模型上，所花费的金额至少需要 100 元。如果使用 ChatGPT Plus 订阅会员，在 Codex 上跑完这个项目，可能花掉五小时额度还不够，并且只能使用 GPT-6.1 Max 思考深度的模型。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397268252-7.jpg) 以这次四块钱的花费来看，一些只用一次的小需求，也值得拿来试试了。比如给文章配一个交互演示，或者给活动做一个临时页面。这些项目未必值得专门找人开发，但如果自己花几块钱就能先做出一版，尝试起来会容易很多。 类似的案例还有我们生成了一个 3D 的巴黎埃菲尔铁塔，虽然这个铁塔看着不太像，但是 DeepSeek 还原的细节真的太多了。 如果只是做一段巴黎街景的演示，无论是远处的房子，还是广场上的行人，以及塞纳河已经能让画面丰富不少。但如果目标是复原埃菲尔铁塔本身，接下来就需要对照参考资料，继续检查塔身的比例和结构。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397270439-8.jpg) ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397275069-9.jpg) ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397278769-10.jpg) 图｜https://paris-3d.vercel.app/ 之前测试 DeepSeek V4 Flash 时做的那些张家界石林，我们也让 V4.1 Flash 再次试了一次。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397286096-11.jpg) 还有模仿《流浪地球》里，这次是造在海上的太空电梯。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397290107-12.jpg) 而在场景的还原之外，模型对 Three.js 代码库的控制，以及审美在线的能力让 DeepSeek V4.1 Flash 也很适合用来制作各种游戏。 我们从 GitHub 上找到了一款使用 Three.js 构建的程序化手绘竞技场第一人称射击游戏。整个游戏的风格都是手绘的动画，但是丝毫不影响完整的游玩体验。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397295053-13.jpg) ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397307223-14.jpg) ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397310734-15.jpg) 图｜网页地址：https://ballpoint-breach-ten.vercel.app/ DeepSeek 也是很快就完整复刻了这个游戏，和一般的 3D 项目不同，这种完全涂鸦的网页效果也很考验模型的变成能力。 事实证明，V4.1 Flash 的能力不仅仅局限在 3D 项目之中，大多数时候能力的体现，包括想要一次成型的效果，又需要特定的提示词来控制。 ## 复刻 Typora，再给 Mac mini 做支广告 之前爆火的「万物可逆向」 REA 项目，我们也在 DeepSeek Harness 里面安装了，发送下面的提示词给自己常用的 Agent 工具即可。 > Install REA and connect it to this coding agent using npx rea-agents@latest setup. Show me the setup plan for approval, then verify the installation. 安装完成之后，我们让它 REA 了一个 Markdown 编辑器，即最近刚刚更新的 Typora 2.0。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397315049-16.jpg) ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397320681-17.jpg) 图｜https://typora-web.vercel.app/ 虽然还是没有 Typora 的优雅，不是生成即渲染，我也还是需要按一下 Enter 才会从 markdown 的符号转成对应的渲染后格式。 但 REA 的研究结论倒是给的很详细，例如它说 Typora 的 macOS 外壳是原生 Mach-O，编辑面跑在 WKWebView 中，REA 图里 Electron 窗口、preload、IPC 计数全部为 0。 还提到 Typora 的即时渲染机制，是让光标不在某块时隐藏标记、显示排版结果；光标进入后标记重新出现。代码围栏、数学块、HTML 块内部再嵌入 CodeMirror。 而 DeepSeek V4.1 Flash 修 Bug 的能力在这个时候也能体现出来，我们跟它说这个即时渲染，还是需要我按一下 Enter 才会显示，DeepSeek 很快就修复好了这个问题。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397323896-18.gif) 以前的 AI 编程需要依赖别人公开的源代码；现在，AI 已经聪明到可以尝试从一个已经发布的软件中，反推出功能的实现方式。 从这些实测案例来看，那些 Codex 教程、Opus 5.5 教程，现在几乎都可以套用在 V4.1 Flash + DeepSeek Harness 上。 通用大模型的测试已经从一开始生成各种网页，到今年的 3D 项目，再到用通用模型来做视频生成。 我们在 DeepSeek Harness 里面安装了 HyperFrames，然后让它给 Mac mini 做一段 20s 的涂鸦广告视频。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397337559-19.jpg) 根据 Hyperframes Skill 的流程，它会启动一个本地服务，使用 AI 来自动帮助我们剪辑视频。 DeepSeek 用代码安排画面里的文字、素材和动效，HyperFrames 再负责把它们渲染成视频文件。我们前面测试的网页编程能力，在这里也用得上。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397344406-20.gif) 这个视频的效果虽然比较简陋，但是根据 Opus 5.5 的动效工程进行优化一下，DeepSeek V4.1 Flash 现在是完全有能力做出相媲美的品牌视频。 例如在 Hyperframes 的发布视频项目合集里可以找到一些模板，通过直接告诉 DeepSeek 使用对应的风格，生成的视频会比完全没有提示词控制好上不少。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397352789-21.gif) 图｜提示词：make a dynamic 15-second motion graphics video that shows what an incredible motion designer you are, like it’s your showreel for a résumé. go all out. ## 斩杀线的严父 前段时间，有外国网友在 X 上发文表示中国的开源模型，似乎很久都没有动静了。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397365301-22.jpg) 确实如此，整个九月到十月，似乎都是 OpenAI 和 Claude，还有 Gemini 4，甚至 Meta 的开源模型都开始和苹果合作，部署在苹果最新的 Mac Studio 上。 回头看国产模型，除了 DeepSeek 九月份更新了 V4.1 Flash，Kimi、MiniMax、智谱以及千问等厂商，都没有发布新的开源模型。 直到这周六 V4.1 Flash 1017 的发布，这一版本在提升性能的同时，DeepSeek 还缩短了模型的任务运行时间与输出长度，让我们能够以更低成本、更快速度完成任务。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1792397367411-23.jpg) DeepSeek 这次更新带来的变化，也让开源与闭源之间的竞争变得更有意思了。当越来越多的任务，开源模型已经能做到接近甚至更好的效果，两者之间巨大的价差，就很难让人忽略。 这也会给闭源模型带来持续的压力。领先多少，能领先多久，这份领先值不值得用户多花钱，都会成为它们需要回答的问题。一次发布建立起来的优势，可能在下一次开源模型更新后，就被追近一大截。 沿着这个趋势，今天还需要昂贵订阅才能获得的能力，过一段时间，就可能成为便宜模型的标配。我们对 AI 的要求会越来越高，为同样的能力付出的钱，却可以越来越少。