DeepSeek V4.1 Flash 实测与对比

在约 6000 美元的 Strix Halo 加两张 RX 7900 XTX 混合硬件上，经 Project Maya 调优后 V4.1 Flash 1017 达 41.3 解码 / 1291 预填 tok/s，130K 提示预填提升 8.3 倍。

作者首次试用 deepseek-v4.1-flash-1017，本地 Maya-S 量化下约 100 tok/s，并提醒量化会让 Artificial Analysis 分数掉两三分。

同一套四台 DGX Spark 上跑六个社区部署配方：六者都通过 75 项 qeval 中的 71 项、都能在 100 万 token 提示里找出全部暗语；单用户最快 77 tok/s，单用户编程最快 134 tok/s，vLLM 原权重可撑 32 并发、16 用户时 288 tok/s，SGLang 读 100 万

有人分析其会话日志称 TTFT 含失败请求、配置非原生；作者反驳称对方 148 次请求零图像输入，属刷榜式测试，不反映真实多 agent 工作流。

短提示小样本下，MiniMax-M3.1-Flash 0.89s 最快，DeepSeek V4.1 Flash 0.91s 次之，GLM、Kimi、GPT-6.1-sol 均在 4s 以上。

作者认为 1M 上下文对多数编程任务过大，300K–500K 才是甜点区；超过后变慢、变贵且注意力下降，且部分 agent 会把最大输出计入上限，建议默认 400K 并手动压缩。

作者在 Mac mini 上本地测试 11 个开源权重模型，DeepSeek V4.1 Flash 与 GLM-5.3 Flash 看似稳定，但输出逐渐回归林肯原文，疑似记忆而非稳定性；大模型需从 SSD 流式加载，耗时约 36/45 小时。

一夜 7.3 小时 1214 次请求，模型 51% 时间休眠，后台评测白拿 3.7 GPU 小时，85% 请求零额外等待，平均只多等 1.3 秒。

作者用官方 API 高思考档、两轮共 1600 万 token，让 V4.1 Flash 做出含青蛙蝙蝠鱼类的 three.js 夜景，评价质量很高。

作者在 Jarvislabs Token Factory 上用 opencode 调 DeepSeek V4.1 Flash，称改动几乎即时出现，视频里连续加需求做小游戏都跟得上，全程在同一台 VM 上录制渲染。

官方公布 DeepSWE v1.1 上五种 Harness 的成绩，mini-SWE 74.2% 到 OpenCode 65.5%，同模型相差 8.7 个百分点。

评论指出可借助 Strata 这类引擎把为 256GB 内存设计的 DeepSeek V4.1 量化版部分卸载到内存中运行，加载后仍需留出系统内存。