DeepSeek V4.1 Flash 实测与对比

自研推理引擎上跑 2.9 bit 量化的 V4.1 Flash，单流写代码 126 tok/s、八流合计 296 tok/s，读 21K+ token 提示达 5000 tok/s。

解释 DeepSeek 为何开源引擎：V4.1 Flash 在不同服务商表现不一致，deepseek-recipe 让第三方在 Nvidia/华为芯片上复现官方 token 行为。

分析帖：552B 权重 MIT 开源、1M 上下文、API 每百万 token $0.15/$0.60，Automation-Bench 60.5 胜 Opus 5 的 50.3，但 Terminal-Bench 42.3 落后 51.8，且 Search & Fetch 每千次 $0.75 仅免费到 10 月 31

GLM 5.3 Flash 重度用户试用 V4.1 Flash 一天，官方订阅下测得 214 tok/s，而 GLM 为 114 tok/s，速度出乎意料。

转发一份用 DeepSeek V4.1 Flash 1017 对比多个 agent harness 的评测，并询问大家日常用哪个 harness。

同一体素世界提示词下，2 台 DGX Spark 用 EXL3 2.9bpw 量化跑 59.7 分钟、67 tok/s，4 台官方权重跑 90.8 分钟、51 tok/s，浏览器检查 8/10 vs 9/10。

一条简短评价：认为 DeepSeek V4.1 的成本性能比可能是最好的，加上 DeepInfer 推理引擎开源更值得关注，无具体测试数据。

DeepInfer 代码以 Apache 2.0 开源，可跑 V4.1-Flash，支持 NVIDIA SM100 与华为 Ascend 950，tokenizer 工具 deepseek-recipe 一并放出。

Evo 从 vLLM 初始 V4.1 Flash 支持出发，在 AgentX 评测中输出吞吐 189.37 vs 181.85 tok/s、P90 交互 664 vs 577 tok/s/user，改动涉及 kernel、通信、路由与调度。

视频同题前端对比：DeepSeek V4.1 Flash 1017 更便宜、完成度更好，Gemini 4 Argon 设计感与过渡动画更强但漏了一个细节，结论是前端表现不逊于 Gemini。

总结 DeepSeek 知乎文中 DeepInfer 的亮点：多厂商芯片兼容、PD 分离、KVCache 留 3 天、SWA Bounded Replay 让 prefill 计算近减半、DSpark 投机解码。

帖子提到 DeepSeek 发布 V4.1 Flash 高吞吐推理服务，详细说明只在知乎，并称模型调用变便宜会扩大 agent 可跑的任务范围。