DeepSeek V4.1 Flash 对比 DeepSeek V4 Flash：上线一周后的独立测评

这篇对比原本要回答的问题是——你是否应该从 DeepSeek V4 Flash 迁移到 DeepSeek V4.1 Flash——而本周这个问题变短了，因为 DeepSeek 未经询问就回答了其中一部分。自 2026 年 9 月 14 日 04:00 UTC 起，指向已退役的 deepseek-v4-flash 标识符的 API 调用由 DeepSeek V4.1 Flash 提供服务，指向 deepseek-v4-pro 的调用也一样，两者均按 Flash 费率计费。在该供应商自己的端点上，原地不动、悄无声息已不再是一个选项。真正仍未有定论的是，新模型是否在发布时声称的那些方面更好——而在这方面，第一份独立测量结果如今已经出炉，并且把发布时的说法干净利落地劈成了两半。

下文每个数字都标注了日期，因为过去七天情况已经变了。供应商报告的数字标注为供应商报告，社区数字则标注为社区实测，而且每一个数字都是从各自来源读取的，而不是沿用本文早先版本中的内容。DeepSeek V4.1 Flash 于 2026 年 9 月 10 日正式全面可用——也就是六天前——而自 9 月 9 日以来，情况已经稳定到足以让这份对比的上一稿现在在两点上产生误导。其中一点是速度，而它误导的方向正是这次发布所希望的方向。

9月9日到今天之间，什么关闭了？

当这个搭配首次被写成文章时，有六个问题尚无定论。如今这六个问题都有了答案，而其中只有一个是不好的消息。

● 正式发布——已确认并注明日期。DeepSeek自己的更新日志将此次发布标注为2026-09-10，且该模型已在App、网页客户端及API上线，标识符为deepseek-flash。

• 价格卡——如约落地。上线前流传的费率曾被报道为发布前的泄露；如今它们已成为正式公布的价格卡，也就是下面两节里的那些数字。

• 开放权重——已解答。权重以 MIT 许可证发布在 Hugging Face 上，并附有一份技术报告，无门槛，也无需访问申请表单。

• 独立测评——来了。Artificial Analysis 现已对 DeepSeek V4.1 Flash 进行了测试，而它正是 9 月 9 日那篇文章中最大的一个空白。下文将对此进行讨论，而它并没有表明发布所暗示的内容。

• 路由 — 已激活。发布公告中称为即将进行的 DeepSeek V4 Pro 流量重定向现已生效，并附有日期。

• 推理服务支持——已发布，但有附加条件。NVIDIA vLLM、SGLang 和 Dynamo 都推出了首日支持路径；但本地运行器方面的情况，并不像“首日支持”听起来那样宽泛。

有两件事没有改变，而且应当放在这些数字之前。DeepSeek V4.1-Pro 仍未发布：DeepSeek 自己的材料将 Pro 重定向描述为运行“直到 V4.1-Pro 发布”，而截至今天，还没有任何东西发布。并且 DeepSeek V4 Flash 并没有停止存在——其权重仍然开放，并采用 MIT 许可证，任何自行托管它的人都能继续使用。已经终止的是厂商通向它的 API 路径。

深入底层：不是更快的模型，而是另一个模型

9月9日的那篇对比分析指出，DeepSeek V4.1 Flash 并不是把速度调快的 DeepSeek V4 Flash，而一周来公布的细节让这一点变得具体起来。较早的模型是一个拥有 284B 参数、激活参数为 13B 的专家混合模型——即 V4-Flash-0731 后训练更新版——而继任者则是一种 DeepSeek 称为 Causal Encoder-Decoder 的新架构：一个 20 层因果编码器叠加在一个 20 层解码器之上，共 40 层 Transformer，其中解码器的 KV 缓存是从编码器的最终隐藏状态投影而来，而不是逐层计算。最后这个细节正是其效率主张的来源。

• 激活参数——DeepSeek 报告称，在预填充阶段每个 token 约激活 8B，在解码阶段约激活 16B，而其骨干参数为 552B。DeepSeek V4 Flash 在 284B 的骨干上激活 13B。

• KV 缓存 — DeepSeek 报告称，新构建所需的 HBM 仅为上一代 Flash 的四分之一，SSD 仅为八分之一。注意其中哪一个是持久化数值：8 倍缩减才是决定你在各轮之间能在磁盘上驻留多少上下文的那个。

• 输入 — 在单个模型中原生支持文本和图像。DeepSeek V4 Flash 仅支持文本，图像相关工作需依赖单独的实验性版本 DeepSeek-V4-Flash-Vision-Exp，而该版本现已随之退役。

• 上下文与输出 — 1,048,576 个 token 的上下文和 384,000 token 的输出上限，与 DeepSeek V4 Flash 公布的规格头条形态相同。

• 权重 — MIT，发布于 Hugging Face。

上面每一项基于规模的比较都附带一个需要注意之处，而这一点值得直说，而不是写进脚注里。552B 这一主干数字是厂商给出的。该检查点自身的文件清单总计约 510GB，这比简单按 552B 参数所会推想的结果要小，因为权重在发布时已经量化。而 DeepSeek 的模型卡另外声明了一个 196B 参数的 Engram 条件记忆表——它是一种按 token 寻址的查找表，在网络中的两个位置被查询，而不是文本流经的一个层。把厂商自己给出的这两个数字相加，得到 748B，这恰好就是一份可信的社区分析在质疑 552B 这一标题数字时所得到的读数。Hugging Face 为该模型设立的页面在其侧边栏中显示了第三个数字：763B。三个数字，都站得住脚，取决于你数的是计算栈、记忆表，还是磁盘上的文件。在规格对比中看到任何“552B”，都应把它当作厂商的主干计数，而不是下载体积。

那张卡片上有两行在发布当天仍是悬而未决的问题，如今都已得到填补：权重已依据 MIT 许可发布，首个第三方评分也已出现。而速度那一行则走向了相反的方向，下文将单独用一节来讨论。

费率卡已确认——而且它仍然是一张卡

早先比较的核心发现依然成立，而且现在已不只是传闻。DeepSeek V4.1 Flash 和 DeepSeek V4 Flash 按单一 Flash 层级费率卡计费，而不是两张；并且由于旧标识符现在指向新模型，任何仍调用 deepseek-v4-flash 的内容也会按新费率卡计费。以下是 DeepSeek 公布的数字，自 2026 年 9 月 10 日 04:00 UTC 起生效：

• 缓存命中输入——非高峰时段每 100 万 tokens 收费 $0.003，高峰时段每 100 万 tokens 收费 $0.006

• 缓存未命中输入 — 非高峰时段每百万 tokens $0.15，高峰时段 $0.30

• 输出 — 非高峰时段每百万 tokens $0.60，高峰时段 $1.20

• 高峰时段 — 工作日 UTC 01:00–04:00 和 06:00–10:00。周末和公共假日全天均为非高峰时段。

非高峰那一列是被拿去报价的，高峰那一列才是真会咬人的：欧洲或亚洲的工作日上午正好落在高峰窗口里，要付双倍价钱，这就把宣传中 $0.15 的输入费率，在大多数团队真正跑流量的那几个小时里变成了 $0.30。除非你的工作负载确实是在 UTC 夜间运行，否则做预算就按非高峰那一列来算。

相较变更前 DeepSeek V4 Flash 计费所依据的价目卡——非高峰时段每 100 万 tokens 缓存命中 $0.007、缓存未命中 $0.22、输出 $0.66——新价目表将缓存输入下调约 57%，缓存未命中输入下调约 32%，输出下调约 9%。因此，继任模型按 token 计价比它所取代的模型更便宜，而且这一差距在智能体循环反复读取的 token 上很大，在它生成的 token 上则较小。这才是“Flash 降价”故事的真实轮廓：它是一次缓存命中降价，附带输出折扣。

那张截图是 9 月 10 日削减之前的卡片状态——DeepSeek V4 Flash 在 8 月底前一直据此计费的那张表，保留在这里作为对比的“之前”一侧。“之后”一侧是上面的四条要点。

基准测试实际上说明了什么，以及是谁运行的它们

基准图景包含两个部分，人们惯常将它们作为一个整体来引用，但这两部分的分量却大相径庭。

前半部分是 DeepSeek 自己随发布一同公布的评测表。它显示 DeepSeek V4.1 Flash 在 DeepSWE v1.1 上得 74.2 分——领先于 Claude Opus 5 的 74.0 分、GPT-5.6 Sol 的 73.0 分、Kimi K3 的 67.5 分、GLM-5.3 的 66.9 分、DeepSeek V4 Pro 0813 的 62.7 分和 DeepSeek V4 Flash 0731 的 54.4 分。这些是厂商自行运行得到的数字，在最大推理力度下测得；同一份发布还报告称，同一个检查点在八种不同的智能体脚手架上得分介于 65.5 到 74.2 之间——在最适合它的脚手架上为 74.2，在 Claude Code 下为 69.8，在 Codex 下为 65.6，在 OpenCode 下为 65.5。在厂商自行运行的测试套件上、从八种脚手架中选取最有利的一种，对 Claude Opus 5 取得 0.2 分的优势，并不能确立对 Claude Opus 5 的领先。它确立的是：当一切都按其方式设置时，新的 Flash 在智能体编程上能与前沿水平竞争——这是一个真实的结果，但比“领先 Opus 5”听起来要小得多。

后半部分是9月9日尚不存在的内容。Artificial Analysis 现已独立测评了 DeepSeek V4.1 Flash，并在智能指数上给出40分，而 DeepSeek V4 Flash 0731 为35分——在已测评的113个模型中排名第六，而被其取代的模型排名第八，且远高于同等规模开放权重模型18分的中位数。这正是本文早前版本称尚不存在的那个数字，并且它以有利于继任者的方式解决了这个宽泛的问题：在第三方对推理、知识、数学和编程的综合评测中，新版本可测量地是更强的模型。它并未解决前沿问题，因为在同一排行榜上，Kimi K3 和 GLM-5.3 都排在它前面。

速度的说法经不起测量

这里正是需要修正早先比较、而非将其扩展的地方。其主线是：这两个模型共用同一份价目表，区别只在速度——DeepSeek V4 Flash 实测输出速度约为每秒 120–140 个 token，而 DeepSeek V4.1 Flash 的首日测试者报告为 280 到 500，峰值超过 500。这一差距未能复现。

根据 Artificial Analysis 的测量，DeepSeek V4.1 Flash 每秒生成 214.4 个输出 token，DeepSeek V4 Flash 0731 每秒生成 214.9 个——两者不相上下，每秒仅相差半个 token，而且这两项数据出自同一套方法。无论社区首日的测试在测量什么，那都不是同类对比：每秒 token 数会因提供商、硬件、批大小、并发量以及答案中有多少是推理 token 而异，而发布周的数字来自在这五个方面都不同的配置。诚实的修正应该是：发布所暗示的吞吐量优势在独立测量中并不可见。任何为了期待两到三倍速度而转用 DeepSeek V4.1 Flash 的人，都应该先在自己的流量上重新测量，再据此下结论。

成本方面的图景比速度方面更有意思，而且它也不是一场简单的胜利。按照 Artificial Analysis 的每 token 输入——新模型为输入 $0.30、输出 $1.20，旧模型为 $0.44 和 $1.32，二者均为峰值——DeepSeek V4.1 Flash 每 token 更便宜。但测得的每项 Intelligence Index 任务成本为 $0.27，而旧模型为 $0.22，略高一些，因为新模型话更多：在整个指数中输出 250M token，而其前代为 240M，并且是排行榜所测量的较为啰嗦的模型之一。更便宜的 token 被更频繁地消耗，并不自动意味着更便宜的任务。你最终落在哪一边，完全取决于你的工作负载是以重读上下文为主——此时 57% 的缓存命中削减发挥作用——还是以生成的输出为主，而这时的啰嗦会吃掉折扣。

Day-0 服务支持，以及它究竟价值几何

如果你已经自行托管 DeepSeek V4 Flash，那么这一节将决定迁移是否便宜，而答案是：比通常更便宜，但并非免费，而且不是在大多数人所说的“本地”那种运行时上。

• NVIDIA vLLM — 以预览版 Docker 镜像而非正式发布的软件包形式提供了首日支持路径；发布时该架构支持未合并到主线，因此没有包含它的 pip install。已在多款 NVIDIA 平台上验证，而非仅一款，权重约需 614GB 内存下限，另需预留余量。

• SGLang — day-zero 预览镜像和一份 cookbook 条目，发布时未附性能数据，因为厂商认为开发期的测量结果不稳定。已在 GB300 级硬件上验证，其他硬件则被列为仍在确认中。

• NVIDIA Dynamo — 零日部署配方，与其现有的 Flash 和 Pro 配方一同提供。

• 其他芯片——寒武纪报告称同日通过vLLM实现了零日适配。

• Ollama 与 llama.cpp —— 差距所在。Ollama 列出了该模型，但只是作为云端透传：它运行在 Ollama 的服务器上，而不是你的服务器上。llama.cpp 的架构支持尚未合并，因此目前还没有上游的本地路径，而社区 GGUF 转换虽然存在，却没有已发布的运行时能端到端执行它们。

实用解读是：框架生态的迭代异常迅速，如果你要在多 GPU 节点上通过 vLLM 或 SGLang 部署，那么在发布后几天内就有文档化的路径可循。如果你的 DeepSeek V4 Flash 部署是一台 llama.cpp 或 Ollama 机器，目前还没有对应的方案，而约 510GB 的检查点意味着，在这类硬件所暗示的规模下，不太可能出现这样的方案。权重所面对的问题形态也不一样：总参数量 284B 的 DeepSeek V4 Flash 是单节点就能成立的方案，而主干达到 552B 的新版本——还不算 Engram 表——则不是。

路由已迁移，而且是为您而迁移的。

这次发布中被报道得最少的一点仍然是：DeepSeek 正在自家模型之间进行流量路由，而且与 9 月 9 日那次不同，这次还给出了具体日期。自 UTC 时间 9 月 14 日 04:00 起，发往 deepseek-v4-pro 的 API 请求将由 DeepSeek V4.1 Flash 提供服务，并按 Flash 的价格计费——DeepSeek 称这一政策将持续到 V4.1-Pro 发布为止。DeepSeek V4 Flash 与 DeepSeek-V4-Flash-Vision-Exp 则直接退役，其标识符仅作为兼容性别名保留，同样会解析到新模型。

把这句话当作对这篇文章旨在回答的问题的答案来读。一周前，Pro 调用方会自动切换，而 Flash 调用方还得自己做决定。如今，供应商已经替双方做了决定，这意味着在 API 上，当下要做的选择已不再是“V4 Flash 还是 V4.1 Flash”，而是你的提示词、评测和成本模型是否已为重新训练的模型做好准备，或者你是否需要一套完全不同的回退方案。

这正是一个路由层在跨供应商时所用的同一套逻辑，也正是 OrcaRouter 这类平台所赢得的部分。OrcaRouter 上的 DeepSeek V4.1 Flash沿用的是 DeepSeek 的目录价——每 100 万输入 token 0.15 美元、每 100 万输出 token 0.60 美元——以 0% 加价原样传递，这正是供应商的降价能在落到他们那边的同一天也落到我们这边的原因。OrcaRouter 上的 DeepSeek V4 Flash在你迁移期间仍可用同一个密钥调用，因此切换不过是一个模型字符串，而非第二份合同，而OrcaRouter 上的 DeepSeek V4 Pro在供应商的跳转以新模型按 Flash 费率提供它期间仍保持列示。跨供应商的自动故障转移，是一种低成本的方式：在真实流量上试用重新训练的模型，而不必把生产链路押在它第一天的表现上——路由一小部分流量，在其后保留一个已知可用的模型，让边缘情况落到回退模型上，同时你去弄清楚新的提示方式表现如何。

你应该打给哪个？

如果诚实的答案仍然是“两者皆可，对所有人都一样”，那这次更新就不值得发布。这一周让这个决定两次转向——一次对继任者有利，一次不利。

改用 DeepSeek V4.1 Flash 的理由如今比发布当日更加充分，而且它依据的是独立数据，而非厂商表格。在 Intelligence Index 上，40 对 35 是真实差距，且由与该模型没有利害关系的一方测得；在同一张卡上，该模型每 token 的成本低于它所取代的模型，图像输入不再需要第二个模型，并且所有第三方测量都一致认为，其在吞吐量上至少与前任持平，而非快两到三倍。如果你要启动新的工作负载，或者你此前一直依赖 DeepSeek-V4-Flash-Vision-Exp 处理图像，那么迁移是直接了当的，迁移成本只是一个模型字符串。

暂停的理由比过去更窄，也更具体。如果你的提示词、工具调用 schema 和评估都是针对 V4-Flash-0731 调优的，那么重新训练的模型带来的是行为变化，而不是速度变化——提示方式、拒答边界和输出长度都会改变，而且新模型更“话多”这一点本身就是一种行为变化，它会先出现在你的账单上，然后才出现在质量指标里。如果你的部署是在 llama.cpp 或 Ollama 上自托管，或者你的预算取决于输出 token 而不是缓存输入，那么迁移的经济账并不是发布标题所暗示的那样。用你自己的真实流量各跑一天，并比较每美元被接受的完成量，会比上面任何表格都更能说明问题。

对大多数团队而言，发布一周后真正站得住脚的立场，并不属于那两种嗓门最大的立场中的任何一种：把 DeepSeek V4.1 Flash 当作默认选择，因为如今已有独立证据支持它；让 DeepSeek V4 Flash 继续承担它本就胜任的那些任务——它的权重还在，依然是 MIT 许可——并在你自己的实际负载上重新测量吞吐量，而不是轻信发布周的社区数字或排行榜上孤零零的一行数据。后继版本确实更好。只不过它的提升幅度比发布时所暗示的更小，而且提升出现在不同的地方。