DeepSeek V4.1 Flash 实测与对比

用户发图表示，在试过的提供方中 Ollama 跑 DeepSeek V4.1 Flash 速度最快，但未给出具体 tok/s 数字。

CMU 研究者称买了 B300 做 LLM 研究，现在考虑改用 DeepSeek 新推理代码对外提供 V4.1 Flash token 来养整个实验室，侧面反映其推理经济性。

用户用 TensorFold TP4 在 4 台 DGX Spark 上跑 EXL3 2.9bpw 权重，1M 上下文 16 并发下代码约 155 tok/s、散文约 87 tok/s，并列出 RoCE GID 等四个坑。

用 7 天真实 Claude Code 日志（5.1B token）按各模型定价折算：Opus 5.5 为 1965 美元、Sonnet 5.5 为 983、Gemini 4 Argon 为 620、Haiku 5.5 为 74、DeepSeek V4.1 Flash 为 44，便宜约 45 倍；作者承认质量不同，只考

该用户认为 GLM-5.3-Flash 更像可上生产环境的模型，而 DeepSeek-V4.1-Flash 仍偏实验性，并称日常已用 Maya + GLM 工作。

在 Pro4500 32GB 与 5080 16GB 两套配置上跑 ISTA-DASLab 的 IQ2-XXS GGUF，结论是显存减去共享权重后能放的专家层数差异最大，加内存不如加显存有效。

一条按使用场景给三个模型分工的短评：DeepSeek V4.1 Flash 快且便宜适合先跑起来，Kimi K3.1 Pro 能扛长任务但额度要省，Claude Opus 5.5 贵但关键时刻不返工。

实测用 ds-v4.1-flash 生成程序化蒸汽港口 3D 开放世界，PBR 材质、SSAO、SMAA、昼夜循环全由代码生成，无外部素材；共 152M tokens，缓存命中 99.8%。

用户实测在 OpenCode Zen 里免费使用 DeepSeek V4.1 Flash，输出速度约 110 tok/s，并附截图。

黑盒网络安全实战基准 WebExploitBench 上，Kimi-K3.1-Pro 以 46.43% 居首，DeepSeek-V4.1-Flash-1017 以 42.86% 第二，GLM-5.3-Flash 35.71% 第三。

Mazebench 上 Kimi K3.1 Pro 成为首个拿到非零分数的开源权重模型（2%），DeepSeek V4.1 Flash 以 1% 紧随其后。

用户用 Strata 加 gsq-rco 量化，在 64GB 内存的普通开发台式机上跑起 V4.1 Flash，并认为开源权重压到这么小后，按 token 付费的中端模型越来越难说服人。