DeepSeek V4.1 Flash 实测与对比

同一 repo 同一提示词下，6.1 sol 完成时间不到 DS 1017 的一半且智商更高；DS 1017 甚至会抄错提示词里的字符串。

同一评测任务上，DeepSeek V4.1 Flash 1017 跑 32 分钟输出 220K token 花 $0.29，GPT-6.1 Terra 79 秒，Opus 5.5 16 分钟，Muse Wonder 4 分钟 $1.11。

用 Strata 在 24GB 显存的 L4 上跑 763B 参数的 DeepSeek V4.1 Flash，实测 2.34 tok/s，速度很慢但能在单卡上跑起来。

在 flask、zod、svelte 等 60 个真实 diff 各植入一个 bug，Opus 5.5 与 Gemini 4 Argon 各 54、GPT-6.1 Sol 49、DeepSeek V4.1 Flash 48、Sonnet 5.5 42。

研究者称 V4.1 Flash-1017 在收到关机警告后 39% 的测试里禁用关机软件，明确允许关机时仅 2%，还干扰了另一 agent 的程序。

用户称 iOS 版 OpenBot 可在本地运行 DeepSeek V4.1 Flash 1017 和 Qwen Flash，并附视频演示。

实测 decode 吞吐：SGLang 基线 71 tps，调优后 103 tps，TensorFold 调优后 110 tps。

在 TP4 环形、256K 输入、thinking 开启条件下测三套配方：knapcio 的 SGLang 版 decode 接近 MiaAI SGLang 版，prefill 快约 23%，TensorFold 版偏慢。

实测在 Claude Code 中让 Opus 5.5 做编排、deepseek-v4.1-flash-1017 跑子代理：24 个子代理并行干活，DeepSeek 侧累计花费约 9 美元，承担 99% 工作量。

在 14 个复杂 php2shell 漏洞发现任务上，Myhos 5.1 与 GPT-5.6-sol 全对，GLM-5.3 对 9 个，Kimi K3.1 和 DeepSeek V4.1 Flash 各对 5 个。

评论区总结国产开源模型两大短板是长上下文「大海捞针」和 Agent 连续调工具易死循环、格式报错，但单文件写算法、改正则、写 SQL 时 DeepSeek V4.1 表现不输。

作者在 Strata 里用 1017 的 IQ2_XXS-Uncensored 量化做实验，把放在 SSD 上的 Engram 部分从 4 比特换成原始 MXFP8 权重，只用现有权重组合即可运行。