DeepSeek V4.1 Flash 实测与对比

用 Anthropic CEO 表情包调侃 V4.1-Flash-1017 在 agent 基准上几乎追平 Opus 5，而价格只有约 1/10 甚至更低；无具体测试数据。

汇总官方数据：DeepSWE 77.0 胜 Opus 5 的 74.0、Automation-Bench 60.5 对 50.3、Agents' Last Exam 35.4 对 28.6，但 HLE、Terminal-Bench、NL2Repo 仍落后；搜索 API 每千次 0.75 美元。

用户称这次 Flash 小更新在推理、编程、agent 任务和视觉基准上都有明显提升，整体表现「非常好」。

作者梳理官方模型卡：763B 参数、1M 上下文、MIT 权重，Terminal-Bench 4.0 从 31.2 升到 42.3，DeepSWE 每任务约 0.2 美元（前代约 0.5），Search/Fetch API 每千次 0.75 美元，并建议自建十题对照表。

介绍该版本主打速度与轻量，任务完成更快、输出更短，支持游戏与 3D 建模等场景，意在对抗 OpenAI 和 Anthropic。

同一提示词生成章鱼叠衣服的 3D 场景：DeepSeek V4.1 Flash 用 22 分钟、0 美元，Opus 5.5 用 15 分钟、2.20 美元，两者房间几乎一样。

用户贴图实测前端生成能力，称新版 DeepSeek v4.1 Flash 表现强于 Gemini 4 Argon，并追问 DeepSeek 团队做了什么改动。

实测对比：官方表 11 项全涨，ProgramBench 20.3→29.1、Apex Bench 64.6→72.1，API 价格不变，但 Claude Opus 5 仍在 11 项中领先 7 项。

日文短帖展示在 DeepSeek Harness 里调用 V4.1 Flash 1017，附运行截图，无具体结论。

用 DeepSeek-V4.1-Flash-1017 在 4 台 DGX Spark 上不到 30 分钟做出云上梯田、瀑布、樱花与宝塔的体素村庄，可任意角度探索。

用户实测该模型在 Inference.net 推理平台上速度超过 150 tokens/s，并附截图。

视频帖称 DeepSeek V4.1 Flash 以约 Opus 5、GPT Astra 十分之一的价格，性能几乎追平，但未给出具体跑分或测试细节。