DeepSeek V4.1 Flash 实测与对比

作者分析本周 Claude token 与 claude.md 讨论，认为额度差距几乎全在配置：有人把 66M token 跑在 DeepSeek V4.1 Flash 上只花 $0.55，让 Opus 决策、便宜模型干活。

用 fraserprice 的 BRRR 配方（b12x vLLM 融合解码 kernel），batch 1 解码 669 tok/s，每步 9ms，TTFT 174ms，11K 预填。

llama.cpp 构建 b11870 加入 DeepSeek-V4.1-Flash 支持，Unsloth 的 Daniel Han 为共同作者，可在本地机器离线运行，官方尚未公布所需内存。

视频梳理 DeepSeek 以 vLLM 建 DeepInfer、开源 3FS 存训练数据与 KV 缓存、适配华为昇腾，并称开发者可自行运行 V4.1 Flash。

Max Woolf 统计 7–9 月 GPT-5.6 Luna 降价 80%、Fable 5.1 缓存读取降 75%，并称 V4.1 Flash 托管商已达 29 家、Cloudflare 等渠道有效输入成本与官方相差不到 10%。

同一任务下 V4.1 Flash 1017 花费 1.51 美元、耗时 75 分钟，GPT-Sol-6.1 花费 1.78 美元、耗时 34 分钟，作者让读者判断谁赢。

用户称付费模型让 OpenCode Go 订阅五天就用完，而通过 @opencrabs 免费接入 DeepSeek V4.1 Flash 后，全部流程连续跑了 13 天。

作者按高盛 2030 年 AI agent 月耗 120 千万亿 token 的预测反推，称现有 Grace Blackwell 300 全跑 DeepSeek V4.1 Flash 即可产出 13200 千万亿 token/月。

开发者称考虑 tok/s 实用性只有 Qwen 3.8 Flash Next + Strata 可行，DeepSeek V4.1 虽好但太重，速度低于 50 tok/s 且需 RTX PRO 6000 以上显卡。

两个海外项目 105 个真实 bug 实测，Kimi K3.1 Pro 仅 21 分，DeepSeek V4.1 Flash 42.7 分，Opus 更高，作者质疑贵的不一定好用。

作者重写全部 kernel 改用 TileLang，输出与上版逐位一致，四台 Spark 预填充提升 12–14%、单流 75 tok/s，修两个 logprob bug，5730 项测试全过。

在 2×3090 上约 40 tok/s 的 DeepSeek V4.1 Flash 1017 与单卡 5090 上 70 tok/s 的 Nanbeige4.3-33B 同做 Python+tmux 盲文渲染 Doom，前者持续产出，后者反复过度思考。