DeepSeek V4.1 Flash 实测与对比

用户用 WorkBuddy + REA + DeepSeek-V4.1-Flash-1017 完成微信视频号视频下载，提到海外版免费到 10 月 31 日、每天约 1 亿 token 额度，但容易违规封号。

作者与 Mia 各做一份 TP=2 DGX Spark 量化，同题 356 问得分 316 vs 320（88.8% vs 89.9%）属平手；解码约 86 tok/s，但显存差 3.2GB，KV 缓存 170K vs 2.1M。

用户称 V4.1 Flash 在健康问答榜升至第二，压过 GPT 全家和 Opus 5.5，仅差 Sonnet 5.5 一分多，单题成本 0.005 美元、约为 Sonnet 的 1/16。

用户反馈 DeepSeek V4.1 Flash 1017 现已在 OpenCode 中免费使用，未给出更多细节。

指纹确认是官方 1017，但 OpenDesign 上 5175 次调用约 98% 流式 thinking 为空，断流 6 次、报错 10 次、503/500/524 共 11 次，单题中位 140–150 秒（官方 30–47 秒），max_tokens=500 仍输出 2000+ token，导致 DSH 少过 2

10 月 5 日至 11 日 OpenRouter 数据显示中国模型占约 48% 请求量，DeepSeek 以 24.5% 排第一；文中称 V4.1 Flash 的 DeepSWE 77.0 分超过 GPT-6 Sol 与 Opus 5，输入价 $0.15/百万 token。

OrcaRouter 自建基础设施数据显示，1017 相比 0910 首 token 延迟降约 30%、推理与输出更短，单任务成本下降，Terminal-Bench 31.2→42.3、DeepSWE 74.2→77.0。

作者在 DeepSeek Harness 0.2.1-rc.2 里分别接入 DeepSeek V4.1 Flash（API）、MiniMax V3.1 Flash 和 GLM-5.3 Flash，并贴出测试截图。

一条简短反馈：作者惊讶于 DeepSeek V4.1 Flash 近期更新版在 Artificial Analysis 智力指数拿到 45 分、并列开源模型第二，无进一步实测。

面向 DGX Spark 等 128GB 设备的 UD-IQ1_S 量化，与原模型预测一致率 82.8–85.1%，110.6GB Engram 表放 SSD，需专用 llama.cpp PR 构建。

发帖者称 1017 在多模态生成上接近 Astra、部分视频场景反超，成本只有十几分之一，并反驳用指纹检测指其蒸馏 Astra 的做法。

用户指出免费额度通常会用输入数据训练，但 OpenCode 里的 DeepSeek V4.1 Flash 零数据保留、不用于训练，认为这点很关键。