DeepSeek V4.1 Flash 实测与对比

帖子引用分析文章称 agentic coding 的 96–99% 费用是缓存读取，降价主要靠 DeepSeek V4.1 Flash 等廉价开源权重与多家推理厂商竞争，OpenAI/Anthropic 数月内降价最高 80%。

开发者 Erik Zhang 开源推理调度工具 Resin，称 12 小时在 Blackwell 上为 DeepSeek-V4.1-Flash 与 GLM-5.3-Flash 配好独立引擎；自测 V4.1 Flash 比 DeepInfer 慢 5%–10%，未公布吞吐，且非生产级。

10 月 19–25 日 OpenRouter 数据：V4.1-Flash-1017 以 33.6 万亿 token 居首、环比涨 801%，前五全是中国模型。

用户分享在 3 台 DGX Spark 上用 TensorFold TP3 以 EXL3 3.75bpw 量化运行 DeepSeek-V4.1-Flash-1017，接近全权重、4M 上下文稳定无 OOM，作为日常主力，并附完整配方。

Cursor 官方宣布 V4.1 Flash 已可在 Settings > Models 中启用，各 effort 档位都落在 CursorBench 成本前沿，每任务 $0.60 到 $0.98，没有模型在该价位得分更高。

Towards AI 用 ToneBench 测 GPT-6.1 Terra，排名 84 款中第 23；结论是若只求便宜，GLM-5.3 Flash（$0.022）和 DeepSeek V4.1 Flash 1017（$0.014）写得更便宜更好，但每稿 token 多 7–15 倍、更慢。

Signal65 称 V4.1-Flash-1017 在默认推理档就达到原版最高档分数，加权错误少 45%，每正确答案输出 token 从 347,031 降到 20,829；单台 8×B300 撑 312 个并发 agent，正确任务成本 $0.15。

作者用 SGLang、TP4、RoCE 双链路与投机解码在 4×DGX Spark 上跑通 V4.1 Flash，代码单并发 142.4 tok/s、64K 上下文 126.7 tok/s，qeval 71/75。

三值量化把 510 GB 基础模型压到 142 GB，单并发解码快约 12.1 倍，保留约 92% FP4 智能，作者认为对编程和研究 agent 更实用。

GPT-6.1 Terra 得 48 分，Kimi K3.1 Pro 55 分领先；DeepSeek V4.1 Flash 与 Qwen3.8 Max、GLM-5.3 同为 45 分。

Browser Use 自家 benchmark 中 Kimi K3.1 Pro 以 76.8 排第二、仅次于 GPT-6.1 Sol 的 78.9，领先 Opus 5.5；DeepSeek V4.1 Flash 以 70.6 为次佳中国模型，每任务约 $0.2。

作者在家用硬件上跑 DeepSeek-V4.1-Flash-1017（maya-ds4），称其独立性和细致程度令人印象深刻，并与 GLM-5.3-Flash、Qwen3.8-Flash-Next 的量化版本做了对比。