DeepSeek V4.1 Flash 实测与对比

新版 AA 指数里 Opus 5.5 以 58 居首，Kimi K3.1 Pro 46 为开源最高，GLM-5.3 与 DeepSeek V4.1 Flash 1017 同为 32。

Ethan Mollick 评论 Artificial Analysis v5 榜：引入非公开测试后开源权重模型差距拉大，已开源的 DeepSeek V4.1 Flash 1017 与 GLM-5.3 同为 32 分，榜首 58 分。

作者分析 Artificial Analysis 智能指数 v5（私有数据集占 60% 权重）：Kimi K3.1 Pro 46 分居开放权重第一但权重未放，已开源的 V4.1 Flash 与 GLM-5.3 均为 32 分。

智能指数 v5 有 60% 改用私有测试集，开源闭源差距由 3 分拉大到 12 分；已开权重最高分是 DeepSeek V4.1 Flash 与 GLM-5.3 的 32 分，仍低于 Claude Haiku 5.5 的 36 分。

该帖梳理 v5 变化：60% 用私有数据集防污染、新增 FrontierCode 2.0 与 Terminal-Bench-Science，开源阵营 Kimi K3.1 Pro 46 分，DeepSeek V4.1 Flash 与 GLM-5.3 均 32 分。

作者认为 DeepInfer 主要利好托管厂商：只支持 B200、昇腾 950 等数据中心卡和 DeepSeek-V4.1-Flash 离线推理，个人开发者间接受益于成本下降与供应商增多。

Artificial Analysis v5 榜单显示开源权重模型落后扩大：已开源模型中 DeepSeek V4.1 Flash 1017 (max) 与 GLM-5.3 (max) 以 32 分并列最高，仍低于 Claude Haiku 5.5。

作者把 9–10 月新出的开源 Flash 模型按使用体验排名，DeepSeek V4.1 Flash 1017 居首，Ling-3.1-Flash 与 MiniMax-M3.1-Flash 次之。

作者花 100+ 小时翻评测任务并用前沿模型跑闭源题，认为 V4.1 Flash 常与前沿模型相当，低 5–8% 时价格仍便宜 13–20 倍，Cursor bench 上便宜 13 倍且权重全开到推理栈。

V4.1 Flash 自 10 月 25 日起居 OpenRouter 榜首、约占其 token 流量 30%，但有人估算一天的 DeepSeek 流量一台 GB300 机架就能扛完；API 低峰 $0.15/$0.60 每百万 token。

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。

用户称用原版 llama.cpp 跑起 748B 的 DeepSeek V4.1 Flash 本地构建，并放出 GSQ-RCO 上游 GGUF 量化权重链接。