DeepSeek V4.1 Flash 实测与对比

Agent Arena 榜单显示 DeepSeek-V4.1-Flash-20261017 综合第 11、开源第一，7.5K 会话净提升 5.1%，每任务中位成本 0.20 美元，约为 GPT-6.1 Sol 27% 成本换 37% 提升。

作者关注榜单上 V4.1 Flash 1017 的 45 分，并列出 OpenCode 免费（含 Go）提供该快照、1.05M 上下文、最多 393K 输出。

第三方评测显示 1017 版智能指数 45，比旧版 V4.1 Flash 高 6 分，与 GLM-5.3 并列开源权重模型第二。

按 DeepSeek 官方表，V4.1 Flash 在 DeepSWE 上 74.2 对 Opus 5 的 74.0，Humanity's Last Exam 则 36.8 对 56.3，作者总结编程追平、硬推理仍差约 20 分。

Mia-AiLab 的 EAQ v1（2.9 bpw EXL3）量化版在 2× DGX Spark、TP2、MTP 开启下单流生成中位数 67.5 tok/s（greedy），temp 1.0 为 72.5 tok/s。

同语料同提示下 1017 召回 45/49、Kimi K3 46/49，均零幻觉；1017 关系判断 5/5 胜出，162k 提示下快 2.1 倍、成本仅四分之一，被定为新默认压缩模型。

四个开放权重模型跑同一编程基准，V4.1 1017 是这批最强，但表现不稳定，平均未明显超过上一版 4.1，部分环境更差，胜在价格便宜很多。

作者用 DeepSeek Harness 调在线 API 跑 V4.1 Flash 1017，按详细提示词做出迷你体素珊瑚礁，并计划与本地版及其他模型同题对比。

V4.1-Flash 更新版以开源权重发布，同日开放 Search API；官方表 DeepSWE 77.0 超 Opus 5 的 74.0 但 11 项只赢 4 项，单任务约 32 日元、搜索千次约 120 日元。

引用 FundaAI 判断：1017 凭 DeepSWE 分数和单任务成本被称超越 GPT-6，但实际只是与 Kimi K3、MiMo-V2.6 Pro 同处开源顶尖，未缩小与闭源领先者的差距。

EXL3 2.9bpw 量化 + TensorFold 引擎，文本解码 56.8 tok/s、代码 92.2 tok/s，1M token 长上下文预填 1246 tok/s 且通过 needle 检测。

新闻合集提到 Together AI 以同价提供 DeepSeek-V4.1-Flash-1017，并附用户反馈：100M token 花 $2、手头任务优于 Kimi K3，另有 Issue→PR 13 题验证。