DeepSeek V4.1 Flash 实测与对比

同一提示词、同一关键要求下对比 Blender 春丽动画，作者称价格差距巨大但 Opus 5.5 仍更强。

Code Arena WebDev 开源第一且成本约为 Kimi K3 Max 的十分之一，Agent Arena 开源第一、总榜第 11，AA 智能指数 45 分并列开源第二。

作者按场景分配模型：视觉 UI 用 Opus 5.5，非关键任务交给 DeepSeek V4.1 Flash，数据分析用 GPT-6.1 Sol，API 设计与迁移用 GPT-6 Astra，都搞不定才上 Grok 4.7。

团队称用自研方法对 10/17 版 DeepSeek V4.1 Flash 实现 1.62 bit/权重的量化，主打本地模型极限压缩，但未给出速度或质量数据。

1-bit 量化体积 233–250GB（Q8 为 508GB），85–88% 情况下与全模型首选 token 一致；233GB 版可在 128GB Mac 上跑未合并的 llama.cpp PR，111GB n-gram 表放 SSD。

开源权重中智力指数并列第二、编程榜提升且价格低廉；有人拿它和 GPT-6 Astra 比一次性任务，认为演示够猛但长程复杂开发仍差一点。

SGLang 与 NVIDIA、AMD 合作的低延迟模式配 DSpark 跑 DeepSeek V4.1 Flash，GB300 从 671 升到 928 tok/s（1.38x），MI355X 从 332 升到 516 tok/s（1.56x），软件开源。

用户报告用 4 张 RTX PRO 6000 部署 DeepSeek V4.1 Flash，推理速度达到 410 tok/s。

截至 10/19 的 OpenRouter 周 token 榜前五全是中国模型，V4.1 Flash 第一、1017 版第六；作者认为便宜模型吃调用量、贵模型吃难题。

SAGE-EXL3 1.62bpw 量化在单台 DGX Spark 上跑 vLLM，解码 35.5 tok/s、预填充 1189 tok/s、229K 上下文，代码答案一致率 99.61%，权重已放出。

用户让 V4.1 Flash 1017 修 Omarchy 插件，模型指出用户给的修改方向有误并给出更彻底的解法，更新后开一局 Dota2 实测问题解决。

作者把原本只随 SGLang 支持 B300 的 MegaKernel 实现移植到 B200，代码已放到 GitHub 仓库。