DeepSeek V4.1 Flash 实测与对比

逐家对比官方价与 OpenRouter 三十多家 provider：Cloudflare 三项都不贵、DeepInfra fp8 更便宜但输出限 131K，多数家等于官方高峰价；缓存价和默认路由是隐藏坑，给出白名单与 max_price 配置。

用户称自己做的 EXL3 量化占据测试站前三，其中 1.62bit 的 DeepSeek V4.1 Flash 量化成绩超过无损 Qwen Flash Next EXL3。

TensorFold 在 4 台 DGX Spark 无交换机 TP4 上跑官方全权重，支持 1M 上下文、16 并发，给出各并发档解码速度与 4000+ tok/s 预填充。

两个开源本地推理程序同日更新：内存装得下模型时 Strata 解码快约 10–20%，Maya 在 RTX 3090 上最高快约 2 倍、V100 上快 14%，仅限 Linux 单卡。

作者用 DeepSeek-v4.1-flash-1017 做可破坏游戏资产与爆炸效果测试，全部在 three.js 中单提示词一次输出，未用 harness 或工具调用，效果获其称赞。

用户称 V4.1 Flash 因医疗基准高分且成本极低走红，MIT 开源权重可本地部署；作者自测 1017 checkpoint 有惊喜，但重质量任务仍选 Sol。

作者分享自己用语音录制需求、加视觉参考、让 agent 反问再迭代的建站流程，harness 混用 Claude Code + Opus 5.5 与 OpenCode + DeepSeek V4.1 Flash / GLM 5.3。

作者在自研体素引擎里用同一提示词让两个模型各建一座建筑，均 10 秒完成，剖面展示内部结构，让观众判断谁的空间推理更准。

用户称 V4.1 Flash 1017 可能是 S 级模型，喜欢它的思考与表达方式，3D/视觉任务速度飞快，价格仅 0.10 美元。

作者称 Maya 系列在 HF 下载超 41 万，曾让其在小设备上流畅跑 GLM-5.3-flash，现已支持 DeepSeek-v4.1-flash 本地运行。

作者用 Metal decode fusion 把 DwarfStar 里 V4.1 Flash 的生成速度从 18.5 tok/s 提到 31.3 tok/s，接近 Unsloth 版 llama.cpp，但仍不及 oMLX 的 38.5 tok/s。

本周涨星榜第二是 DeepSeek 开源的 DeepInfer，可在 NVIDIA 与昇腾上跑 V4.1 Flash，但缺 KV cache 等组件。