DeepSeek V4.1 Flash 实测与对比

用「如果存在 Opus 5.3」来定位 V4.1 Flash 1017 的能力档位，是主观对比判断，未附跑分。

作者花 26.80 美元 token，用两模型为 CVE-2026-111497 做出覆盖 84 个构建的 PoC，并记录 14877 次利用尝试中 58.3% 打崩实验环境。

Lithos AI 通过推理引擎、kernel 与编译器协同设计，在 8 张 AMD MI355X 上让 DeepSeek V4.1 Flash 满质量跑到 2100+ tok/s/用户，比同硬件开源方案快 2.8 倍。

用户用同一道 SVG 动画题（控制器骑自行车骑鹈鹕）对比，认为 Qwen 4 Kerria 完全超过 DeepSeek V4.1 Flash，甚至怀疑是 Qwen 4 Max。

作者用 MiaAI_lab 的 DeepSeek V4.1 Flash 1017 部署配方加自研开源 ZCode harness，在 4 台 DGX Spark 上跑到 107 tokens/s，并公开了 harness 与配方仓库。

因单台 DGX Spark 装不下，用 TensorFold TP=2 拆到两台，单流代码 111.5 tok/s，比 Qwen3.8-Flash-Next 快约 20%。

用 Strata 的磁盘卸载与 GSQ-RCO 量化，DeepSeek-V4.1-Flash 可在单 GPU 加 46–64GB 内存的消费级硬件上运行，一键部署并提供 OpenAI 兼容 API。

作者认为 token 价格、跑分和速度不足以衡量「交付可用工作的真实成本」，用代码行数类比桥梁用钢量，主张看验证后的总成本。

作者对比 DeepSeek V4.1 Flash Max 与 GPT-6.1 Terra Ultra，称 Terra 不到 9 分钟完成测试且质量更好，DeepSeek 耗时近一小时。

重构专家权重读取逻辑并加自适应注意力缓冲，称 RTX 5070 12G 上 4K Prompt 提速 47%、8K 提速 33%，Strix Halo 32K 读取峰值 342 tok/s。

用户改进推理配方后在 4 张 RTX 6000 上以 NVFP4 跑 DeepSeek V4.1 1017，单流达 340 tok/s，称此前 160 tok/s 因配置不全。

作者称 V4.1 Flash 进入 Cursor 内部 bench 的最低成本档，每任务 0.60–0.98 美元且没有得分更高的模型，并对比中国 AI 股蒸发约 4800 亿美元的现象。