DeepSeek V4.1 Pro，未标注：一个 180 tok/s 的端点、一个四样本结果，以及刚刚结束的服务中断

在 DeepSeek 的 API 背后某处，可能有一个新模型，而没有人——包括发现它的人——愿意肯定地说它就是DeepSeek V4.1 Pro。证据是 X 上的一条帖子，由追踪者 @teortaxesTex 于 2026 年 10 月 15 日上午发布；它描述的是一个模型：通过该厂商自己的端点调用时会有响应，完成了一个特定提示词（两个已知的 DeepSeek 旗舰模型都无法完成），并且回复速度约为每秒 180 个 token。这两个已知模型在同一句话里被点名：DeepSeek-V4-Pro-0813在这项任务上“无能为力”，而 V4.1 代模型也是如此——用发帖者自己的话说，正是这一点让新模型显得可信，而不是一次路由意外。这就是全部证据。没有模型卡，没有权重，没有价格，没有端点名称，也没有来自 DeepSeek 的发布说明，而DeepSeek V4.1 Flash——9 月 10 日的开放权重模型——并不是候选者，因为 Flash 是一个已发售产品，有公开的价目表，而不是需要靠行为才能发现的东西。

让这条信号值得在它无论朝哪边尘埃落定之前就被记录下来的，是证据的形态，而不是它的分量。这不是什么基准测试泄露，不是某个提前冒出来的代码仓库，也不是内部员工的暗示。这是一次黑箱观察：有人留意到某个端点的行为，发现它变了，并把样本数量一并说了出来。这类观察正是隐秘发布之所以能被抓到的原因，也正是大量误报的开端。两者之间的差别完全在于事后有什么可以被核查，所以对这条信号来说，有用的做法是把这几样东西一一摆出来：它宣称了什么，DeepSeek 自己已发布的材料今天能佐证什么，以及在任何人能够称之为一次发布之前，必须先发生什么。

实际声称了什么，以及它未能证明什么

这篇帖子很短，而且它比大多数发布报道都更好地把自身的说法区分开来。精简一下，共有四点：

• 一场此前持续进行的 D​eepSeek 服务中断结束了，而模型的行为大约在那一刻发生了变化——这既是发帖人的叙事框架，也是这一观察之所以存在的原因。

• 该端点通过了“绿帽笑话”，取得了发帖人所说的除 Claude 之外最好的结果，在 N=4 时复现——四个样本，结果相同。

• DeepSeek-V4-Pro-0813和 V4.1 代都未能通过同一项测试，发帖人直白地称之为“无能为力”。

• 速度大约为每秒 180 个 token，而给出的结论明确只是猜测：“可能是 4.1 Pro。”

那四项中有三项是对一个黑盒的观察，而第四项是通过推断附加给它们的模型名称。帖子中没有任何内容声称有公告、价格、上下文窗口、参数数量，也没有声称 D​eepSeek 说过任何话。速度数字是发帖者对自己会话的自行测量，不是厂商给出的数字，也不是排行榜上的数字。把它视为来自某一条路由、某一个时刻、针对某一个提示词的一个数据点，其背后有多少提示缓存未知——这正是它被呈现的方式，也大致是它应承载的权重。

“V4.1 Pro”这个名字从何而来

这不是凭空编造的。DeepSeek 在 V4.1 系列中亲自命名了一个 Pro 层级，就在其自己 9 月 10 日的发布说明里，而时至今日，这个名字下面依然什么都没有。让这个说法流传开来的那段文字说，自 UTC 时间 9 月 14 日 04:00 起，发往 deepseek-v4-pro 的请求将被改道至新发布的 Flash 模型，并按 Flash 的费率计费，而且这种情况会一直持续"直到 V4.1-Pro 上线"。开发者们反对在没有迁移窗口的情况下就这样替换一个生产模型，DeepSeek 撤销了该计划，DeepSeek V4 Pro继续照常应答，计费方式不变——而在这场反转中幸存下来的那条条款，正是没人被指望会注意到的那一条：V4.1-Pro 已在计划之中。

那句话之后的一切都是推断。该公司没有发布任何模型卡、任何日期，也没有权重文件。所以帖子里的那个名字，是读者在已知三个模型之外、面对第四个表现更好的模型时会想到的名字：V4.1 系列是当前一代，Flash 是小型款，Pro 是 D​eepSeek 已经承诺的档位。想到它是合理的。想到它并不构成证据。

这一点比听起来更重要，因为至少还存在另一种完全不需要新模型的解释。对现有构建做一次静默的小版本更新——重新量化或重新调优的服务配置、不同的后端路径、宕机后的回滚——在黑盒观察者眼中都会表现为一次能力变化，既无公告，也无名称。DeepSeek 自己的更新日志中就有过这类先例：V4 Pro 曾在 8 月 13 日以一个带构建戳记的名称原地更新，而 Flash 系列也有过一条毫无仪式感的更新记录。从外部看， stealth 发布与静默重建根本无法区分，而那篇帖子也并未声称自己做出了区分。

DeepSeek 自己的材料今天是怎么说的

这是可以核查的部分，而且很短。D​eepSeek 的更新日志依次为 2026-04-24（V4）、2026-07-31（一次 V4-Flash 更新）、2026-08-13（V4-Pro 更新）、2026-08-21（V4-Flash-Vision-Exp）以及 2026-09-10（V4.1-Flash）。其中没有任何十月条目，也没有任何标题为 V4.1 Pro 的条目。Models & Pricing 页面列出了两个可用名称——deepseek-flash 和 deepseek-v4-pro——分别对应 D​eepSeek-V4.1-Flash 和 DeepSeek-V4-Pro-0813。

• 上下文与输出——D​eepSeek-V4.1-Flash 和 DeepSeek-V4-Pro-0813 均可接收 1M token 的输入，最多返回 384K，并发上限分别为 2,500 和 500。

• 价格 — Flash 在缓存未命中时每百万输入 token 收费 $0.15，非高峰时段每百万输出 token 收费 $0.60；V4 Pro 非高峰时段输入 $0.66、输出 $1.98，高峰时段价格翻倍。

• 视觉 — 内置于 DeepSeek V4.1 Flash，在 DeepSeek V4 Pro 中列为“不支持”。

• 权重 — D​eepSeek-V4.1-Flash 在 MIT 许可下开放；没有任何名为 V4.1-Pro 的仓库，这是目前可获得的最有力的一条反面证据。

在 Hugging Face 上，最新的 DeepSeek 模型仓库是 deepseek-ai/DeepSeek-V4.1-Flash，最后一次改动是在 10 月 12 日——一个关于在不完整压缩步骤中恢复索引器键缓存的性能提交。那是对一个已经存在的模型所做的引擎层工作，而不是一款新的旗舰模型。无论发帖者当时在与什么对话，它都没有在已发布的 DeepSeek 模型通常会留下产物的那些地方留下任何产物。

帖子里的速度数字是最不令人意外的一点。

每秒 180 个 token 读起来很快，但若对照错误的基准，它看起来就会像是个破绽。对照正确的基准，它则平平无奇。独立测量已将 DeepSeek V4.1 Flash 在原始吞吐量上排入同类前列，而运行相同开放权重的第三方运营商在缓存预热下标称的数字远高于 180。这一区间的数值，正是一个得到良好服务的 DeepSeek 模型应有的样子；它不够快，不足以证明主干更大；也不够慢，不足以证明主干更小。任何把 180 t/s 当作破绽的人，读到的都是文中诊断价值最低的一行。

更有意思的不对称在于任务结果本身。一个模型能在某个刻意设计得难以造假的提示上通过，而 DeepSeek-V4-Pro-0813 和 V4.1 都失败，且是四次全过——如果测试本身站得住脚的话，这确实是一种截然不同的能力画像，可文章并没有让读者有机会去核实这一点。这才是值得盯住的说法，也是最终要靠一张基准测试表来定论的那一个。

为什么“绿帽笑话”是一个傻名字之下的真实信号

这句话读起来会像个玩笑，但它并不是玩笑。那一类关系推理提示——嵌套信念、有争议的知识、谁对谁了解什么——长期以来都是一种探测手段，用来检验模型能否同时把握一个社交情境的多个层次而不令其坍塌。前沿实验室和独立评估者都会使用它的变体，因为它简短、成本低廉、抗记忆化，而且会不成比例地严厉惩罚那些只对场景表面做模式匹配、却不追踪其底层状态的模型。它在社交媒体上作为玩笑传播，原因与它被用作测试相同：它令人难忘，而且很难。

它本身也只是弱证据。仅凭单个临时提示上的样本数量，无法区分以下情况：新的检查点、新的采样配置、不同的推理强度默认值、后端池中应答者的变化，或者只是一个恰好位于决策边界附近的提示在服务恢复后碰巧落到了不同一侧。N=4 有帮助——发帖者做了大多数病毒式能力宣称所跳过的起码尽职调查——但四个样本只能确立在单个提示、单条路由上的可复现性。这是去查看的理由，不是下结论的理由。

现实问题：你能试用它吗，又该如何上手

现在，没有。没有名字可叫。如果发帖者当时对话的那个东西真实存在且没有名字，那么它能否被触及，只取决于 DeepSeek 自身的路由碰巧把哪个模型交到你手上这种偶然，而这正是九月那次重路由逆转所关乎的情形。

你今天可以定义的模型就是价目表列出的这两个，而测试一个你看不见的变更的诚实方式，是把生产流量固定在你选择的模型上，并将实验移到不会造成伤害的地方。DeepSeek V4.1 Flash 和 DeepSeek V4 Pro 都可通过 OrcaRouter 使用同一个 API 密钥调用，因此针对固定提示集进行并排对比只需更改配置，而不是再签一份合同——而当某条路由性能下降时，自动故障转移会将请求转交给健康的提供商，而不是返回错误，这正是最初让文章中那次故障显现出来的故障模式。由于 OrcaRouter 以 0% 加价率传递提供商标价，任何 DeepSeek 价格变化都会在供应商生效的同一天落地，而无需你这边重新定价。

所有这些都无法给你那个未标注的模型。如果你认为自己撞上了它——比预期更快，在你常用模型会失败的探针上表现更好——那就记录下原始响应，附上时间戳和请求 ID，因为正是这样的材料，能把一次目击变成整个领域都能核查的东西。在第二天复现它。在重新部署后复现它。一个只在一个时间窗口内存在的隐蔽模型，在证明并非如此之前，都只是路由造成的假象。

什么会让这成为新闻？

四件事，大致按可能性从高到低排列。若出现一个以 V4.1-Pro 命名的模型卡或权重仓库，就能一锤定音，而且会是第一个真正的产物。变更日志中的一条记录，或 Models & Pricing 页面上的一个新名称，也能从厂商一侧起到同样作用。首个独立基准测试——Artificial Analysis 或 LMArena 收录了一个与任何已列出的 DeepSeek 构建都不匹配的条目——会佐证这次能力跃升，但不会确认名称。而最悄无声息的可能性是：什么都没有。DeepSeek 会对模型进行原地更新，而按照当前时间线——4 月的 V4、7 月和 8 月的 Flash 更新、8 月 13 日的 Pro 更新、9 月的 V4.1 Flash——近期更可能的是对现有名称进行一次静默刷新，而不是推出第四个层级。

在其中任何一个落地之前，“DeepSeek V4.1 Pro”的正确状态，仍是它自 9 月 10 日以来一直保持的状态：一个由 DeepSeek 自己放上路线图的名字，背后却没有模型。单个观察者的一次 180 tok/s 会话，只意味着值得继续关注该端点，而不是围绕某个旗舰来制定计划。

这样摆出来，不对称本身就是关键。那张卡片的一列是文档——价格表、许可证、一个可以放进请求体的模型名称——另一列则是发布说明里的一句话，外加 X 上的一次提及。本文中所有能核实的东西都在左边。右边的一切，是人们希望 180 tok/s 端点最终能成为的样子——这是一个合理的期望，但还不是事实。

谁应该做什么

如果你这周正在挑选一个模型来作为构建基础，这里没有任何内容会改变你的决定。DeepSeek V4.1 Flash 已可用，已定价并有文档；DeepSeek V4 Pro 已可用，已定价并有文档；D​eepSeek V4.1 Pro 并不是一个产品。这篇文章唯一值得汲取的不是模型，而是失效模式：某个供应商的端点在一次服务中断后改变了行为，却没有通知、没有版本号提升，也没有办法从外部判断你一直在和什么交互。显式固定模型版本、捕获响应元数据，并在任何单一提供商背后设置一条故障转移路径，就是缓解措施；无论端点背后是否隐藏着一个新的旗舰模型，这条缓解措施都是一样的。

如果你在关注发布动态，那就盯更新日志和 Hugging Face 组织，而不是那些关于能力的闲聊。这两者一直是这个实验室可靠的信号。自9月10日以来，两者都未发一言。

这样的结果也提醒我们，模型出错早已有记录：此类模型背后的 AI 事件和智能体故障，均收录于OrcaRouter AI Incident Archive，其中每个条目都附有自己的来源、严重程度、置信度等级和争议标记。