DeepSeek V4.1 Flash 推理加速竞赛：Fireworks 达 1521 tok/s

Michael Guo @Michaelzsguo原推发布于 2026.10.23

在 X 上打开原推

这几天，几家 AI 基础设施公司围绕 DeepSeek V4.1 Flash 1017，展开了一场推理加速竞赛。 目前看到的输出速度： DeepSeek 官方：333 tokens/s Sybil AI：675 tokens/s OpenGateway：848 tokens/s Fireworks AI：1,521 tokens/s 为什么 DeepSeek V4.1 Flash 这么适合做推理优化？为什么各家都在争相加速它？ 关键在于开放权重，让基础设施公司有机会深入优化整个推理过程。具体到 V4.1 Flash，DSpark 推测解码提供了一条直接提升输出速度的路径；而 MoE 架构中的专家调度、访存和跨卡通信，又给不同团队留下了充分发挥优化能力的空间。 同一个模型，在不同的推理基础设施上，速度竟然可以相差数倍。这场竞赛比拼的已经不只是模型本身，更是底层推理工程的实力。

这条是引用着另一条写的：x.com/rlaope/status/2113213018662371710