DeepSeek V4.1 Flash 实测与对比

一位全天跑 agent 的用户认为 DeepSeek 这代模型更强、输出更短、价格更低，对重度 agent 使用者来说实际账单比 benchmark 更关键。

作者指出 OpenCode 24 小时调用量反映工程流程实际调用，V4.1 Flash 因低延迟部署广而断层领先；Agent Arena 衡量质量上限，建议用同批项目跑 SWE-verify 看 pass@k 与端到端延迟权衡。

五点观察：多数人未必需要；abliteration 后跑分与原版基本一致；差异在边缘案例；已有 MLX 版可在 256GB Mac 运行；部分托管端点涨价 3–4 倍。

Cline 发布 4.1.26，修复 Gemini 免费 key 每轮 429、Gemini 2.x 工具被丢弃等问题，重试上限从 5 降到 3，多数供应商默认模型改为 Kimi K3.1 Pro、MiniMax M3.1 Flash 或 DeepSeek V4.1 Flash 1017。

用户指出 OpenCode 调用量里 DeepSeek V4.1 Flash 遥遥领先，而 Agent Arena 开源第一的 Kimi K3.1 Pro 几乎无人用，质疑评测与实用为何背离。

在 7900 XTX 加 7800X3D、60GB DDR5 上以 GSQ-RCO IQ2XS 量化运行 V4.1 Flash 1017，解码 10 tps、预填充 800 tps，FP4 KV 缓存下上下文 200k，作者感叹显存和内存还差一点。

讨论用单台 DGX Spark 本地跑 DeepSeek-V4.1-Flash-1017，另配 GLM-5.3 Flash 与 Qwen3.8-Flash-Next，认为可能全部本地化。

52.6 小时 Blender 任务共花约 34 美元，单任务约 20 日元；三浦折叠屋顶 55 个任务中 51 个未被 Opus 打回，但难处仍需 Opus 收尾。

社区对 vLLM DEP32 和 DeepSeek 自研推理框架 DeepInfer 做了横向基准实测，比较二者在 DeepSeek-V4.1-Flash-1017 上的解码性能。

用户吐槽把 OpenCode 的备用模型只指定为 DeepSeek V4.1 Flash，不到 3 天就用掉了大量额度，对消耗速度感到不解。

MIT 开源工具 Strata 新版在 RTX 4080 Super 16G + 128G 内存、IQ2_XXS 量化 8K 上下文下生成速度从 10 提升到 16.7–22.7 tok/s，Prefill 也翻倍，Terminal-Bench 涨 11.1 分。

2.25bpw 量化的 DeepSeek V4.1 Flash 在 OCuLink 外接 5060 Ti 上跑出 7.6 tok/s，五重塔任务 77 分钟，质量与对照模型持平但慢约 4 倍。