DeepSeek V4.1 Flash 实测与对比

单张 RTX 4090 48GB 用 Strata 引擎跑 DeepSeek-V4.1-Flash-1017 IQ2_XXS 量化，关掉 SSD 缓存、把专家放进内存后生成速度 5.35→42.64 tok/s，首 token 33 秒降到 0.66 秒。

回复讨论中用户表示 DeepSeek 1017 表现确实不错，但 Opus 5.5 目前几乎所有任务都能一次成功；等本地模型追平 Opus 5.5 就不再订阅。

作者给出结论：习惯官方就用 DSH，想用第三方则选 PI 或 Grok build，是接入 Harness 的经验之谈。

作者用 Claude Code 接 DeepSeek Flash 1017、思考开到 xhigh 并挂 remotion-best-practices skill，做出开屏动画和 52 秒 Media Kit 视频，两条合计不到 3 元，缓存命中率 98% 以上。

同一写码+测试+修复任务下，OpenCode+Ollama Cloud 约 6 秒、dsh+Ollama Cloud 约 8 秒、OpenCode+OpenCode Go 约 14 秒、Claude Code+Ollama 27–48 秒，结论是 harness 才是瓶颈。

作者称该终端工具无需 GUI，一句话即可生成网页、可编辑 PPTX、App 原型和信息图，并已适配 DeepSeek-V4.1-flash-1017；帖中未给出具体测试数据。

面向零基础读者的第一篇教程，讲如何申请 API Key、填 base_url 与模型名、发出第一条请求，并列出 V4.1-Flash-1017 的 1M 上下文与每百万 token 价格。

拆解 DeepSeek 披露的推理经济账：单集群日处理 155 万亿 Token，按谷时 API 价折算约 38 美元/GPU 小时，但 DeepInfer 未开源全部生产组件，38 美元只是样板间。

官方称新版输出更短、任务更快，代码与 Agent 评测上涨（发布方自测）；Harness 需升到 v0.2.1-rc.1，Search 与 Fetch API 全量开放，权重已上 HuggingFace。

引用 OpenRouter 调用量称 V4.1 Flash 近 7 天 36.94 万亿 token、近 30 天约 124 万亿，认为低成本承接海量真实需求正在改变竞争格局。

LMSYS 用 DeepSeek 自家基准测 SGLang 跑 V4.1 Flash：Prefill 最高约 1.04×，64×GB300 上 Decode 单步快约 7.4%，且自带 KV 缓存与 P-D 分离。

用户试用 OpenGateway 的 deepseek-v4.1-flash-ultrafast，速度不理想；官方 API 约 260 tok/s，反而更快。