DeepSeek V4.1 Flash 实测与对比

作者称 V4.1 Flash 是首个让他重估开源与前沿差距的开放模型，基准测试中几乎打满多数 Web 漏洞任务，能一次性写出内核和 v8 n-day 利用，但复杂 exploit 仍不如 GPT-5.6 Sol。

用户实测 OpenCode Go 接入 DeepSeek V4.1 Flash，吞吐约 140–180 TPS、未超 200，比官方 API 略慢。

一条视频实测，称本地部署的 DeepSeek V4.1 Flash 1017 体验接近前沿模型，但帖中未给出具体跑分或速度数据。

用户实测阿里 Qoder 宣称 24 号前免费用的 DeepSeek V4.1 Flash 有每日限额，额度耗尽后次日使用会被降优先级排队，另一账号则正常。

用户称 Fireworks 托管的 DeepSeek V4.1 Flash 1017 吞吐达每秒 1521 token，约为 Opus 5.5 的 7 倍。

DeepSeek 开源生产级推理框架 DeepInfer，支持 V4.1 Flash 的 MoE 专家并行、DSpark 推测解码与 CPU/GPU 调度重叠，兼容 NVIDIA SM100 和昇腾 950，目前仅提供离线推理。

用户引用 DualBench100 会计基准：V4.1 Flash 1017 仅 82.2%，旧版 84.2%，Gemini 4 Argon 91.1%、GLM-5.3 Flash 88.1%，吐槽升级反而退步。

社区项目 vLLM-Moet 重写计算与通信，让 DeepSeek-V4.1-Flash-1017 在 4 张 RTX PRO 6000 上运行，作者自测单流代码 641 tok/s、散文 253–265 tok/s，比官方镜像快约 1.5 倍，需约 330GB 共享内存，暂无第三方复现。

开发者定位两个问题：并发长提示会让 rank 0 单独分词并 OOM（每 100 万 token 请求约占 1.4GB），且一个 rank 挂掉后另一个会永久卡住；其分支可自动检测并重启双 rank，约 1 秒发现、1 分钟内恢复。

用户实测 V4.1 Flash 1017 在 Fireworks Ultrafast 上约 1521 tok/s，11 秒生成可玩的俄罗斯方块，称比 Opus 5.5 快约 7 倍。

作者用 4 台 DGX Spark 以 QSFP 环形互联做 TP4 部署 DeepSeek V4.1 Flash，对比 MiaAI 的 SGLang 方案与 NVIDIA Flare，认为编程 agent 场景 SGLang 更优。

四个模型用同一提示词做交互式 3D 万圣节 HTML 场景，GPT-6 Astra 效果最好但花 1.80 美元，DeepSeek V4.1 Flash 以 1.08 美元拿下最佳性价比。