DeepSeek V4.1 Flash 实测与对比

DeepSeek 以 Apache 2.0 开源生产用推理引擎 DeepInfer，含分布式跨芯片计算与投机解码，首发针对 V4.1 Flash，优化 SM100 并原生支持昇腾 950。

用 Qwen3.8-27B 和 DeepSeek-V4.1-Flash 在从 16GB 显卡到 512GB 内存的七种配置上做本地 AI agent 实验，任务是让 agent 构建可在浏览器探索的完整世界。

作者发视频把 DeepSeek V4.1 Flash 1017 与 MiniMax M3.1 Flash、MiMo V2.6 Flash 放在一起对比，但帖文未给出具体结论或数字。

DeepSeek 把内部线上推理框架 DeepInfer 连同模型一起开源，目前跑 V4.1 Flash 的就是它；官方称主打高吞吐低延迟，意在降低社区算力成本，可能进一步压低 token 价格。

用户实测在单张 RTX 3090 24GB 加 64GB DDR4 上运行 763B 的 DeepSeek V4.1 Flash 1017，解码 8 tok/s、prefill 6 tok/s，性能很差但能跑起来本身已很惊人。

对比量化体积：Unsloth 的 Q4_K_XL 版本 V4.1 Flash 1017 占 500.7GB，同规格 Qwen 仅 111.3GB，指出内存需求方向相反。

作者对照 X 上的宣传、官方定价页和跑分图，指出「推理成本降四成」等说法与实际计费口径、基准选择存在出入，建议把热度与实测分开看。

作者分析 DeepSeek V4.1 强、便宜且无附加条件，会挤压 K3 等国内竞品收入，并让 DeepInfer 只适配自家模型，同时抬高算力稀缺性。

用户晒出 DeepSeek V4.1 Flash 1017 在 c1 单并发下达到 675.9 tok/s，称速度超出想象，并表示会分享配置配方。

从 16GB 显存的 RTX 5060 Ti 到 4 台 DGX Spark（512GB、TP4），用 TensorFold、oMLX 等推理方案让本地 agent 生成可在浏览器游玩的世界，DeepSeek 参与其中 3 组配置。

同一提示词在单 HTML 文件里搭 3D 中世纪城堡，均开最高强度：DeepSeek 耗时 48 分钟、免费额度零成本，Sonnet 5.5 用 Claude Code 花 15 分钟、1.2 美元。

日本用户推荐 33 万日元的 R9700 32GB 显卡，认为其性价比适合本地运行即将发布的 DSV4.1 Flash 1017 Strata，并提示同款 XFX 已涨到 40 万日元。