DeepSeek V4.1 Flash 实测与对比

作者把自建 Martin 集群按 GitHub 上的 DeepSeek-V4.1-Flash vLLM DGX Spark 配方升级，并发布 bugswat 报告，属本地部署实践。

作者称该模型 DeepSWE 成功率 77%、每任务约 0.2 美元，高于 GPT-6.1 Sol 的约 75% 与 0.65 美元；输入 0.15、输出 0.3 美元每百万 token，权重 763B 约 510GB，可在 4 台 DGX Spark 或 512GB Mac Studio 上运行。

梳理官方数据：agentic 四项（DeepSWE、Automation-Bench、Agents' Last Exam、APEX）胜出，HLE、Terminal-Bench、ProgramBench、NL2Repo 和视觉测试输给 Opus 5；MIT 开源权重，$0.30/$1.20 每百万 token，约为 Op

法语帖转述官方发布：V4.1-Flash-1017 在代码、推理和工具使用上更强，权重以 MIT 许可在 Hugging Face 开放。

同一份软糖熊网页参考，三家各做一版，同屏对比拉伸、抛掷、碰撞效果，作者让观众投票而非直接下结论。

作者用直接 API 调用、单次生成、无 harness 和外部资源，让模型在单个 HTML 文件里用代码做出复古风格游戏，称质量比之前大幅升级。

一条可直接复用的动效视频提示词，把 V4.1-Flash-1017 的 552B MoE、1M 上下文、DeepSWE 77.0、每任务 $0.20 等数据做成节拍卡点片。

整理官方信息：DeepSWE 77.0（原 74.2）、Terminal-Bench 42.3（原 31.2），MIT 开源权重，1M 上下文，API 低峰 $0.15/$0.60 每百万 token、高峰翻倍，Search/Fetch 每千次 $0.75。

同一火箭发射场景实测：DeepSeek 花 0.78 美元、3 分钟，GPT 6.1 Sol 花 6.10 美元、5 分钟，便宜近 8 倍且更快。

Experiential Labs 页面称限时免费提供 V4.1 Flash 1017，标称 1.05M token 上下文、最高 393K 输出 token。

单流 tok/s 下 1017 版对比旧版：代码 73.8→76.3、格式 55.4→75.8、JSON 52.1→63.2、推理 37.8→55.6，附 vLLM DGX Spark 仓库。

用户盘点 10 月前 17 天已发布的模型，Gemini 4 Argon 与 Claude Haiku 5.5、Muse 系列等并列，另有多个模型待发。