DeepSeek V4.1 Flash 對比 DeepSeek V4 Flash：上線一週，獨立實測

這篇比較原本要回答的問題——你該不該從 DeepSeek V4 Flash 轉移到 DeepSeek V4.1 Flash——本週變得更短了，因為 DeepSeek 未經詢問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 識別碼的 API 呼叫，會由 DeepSeek V4.1 Flash 提供服務；指向 deepseek-v4-pro 的呼叫也是如此，兩者都按 Flash 費率計費。在供應商自家的端點上，默默按兵不動已不再是選項之一。仍然真正未有定論的是，新模型是否在發表時所宣稱的那些方面更好——而就在這一點上，第一份獨立量測如今已經出爐，並且把發表時的說法乾淨俐落地一分為二。

以下每個數字都標註了日期，因為過去七天情勢已有變動。廠商回報的數字標為廠商回報，社群數字則標為社群實測，而且每一項都是從各自的來源讀取，而非沿用本文較早的版本。DeepSeek V4.1 Flash 於 2026 年 9 月 10 日正式推出——距今六天——而自 9 月 9 日以來已有足夠變化，使這份比較的先前草稿如今在兩點上產生誤導。其中一點是速度，而它的誤導方向正是發表方所樂見的。

9月9日到今天之間有什麼關閉了？

當這個組合首次被寫成報導時，有六件事仍是未解的問題。如今這六件事都有了答案，而其中只有一件是壞消息。

• 全面推出——已確認並註明日期。DeepSeek 自家的更新日誌記載此版本於 2026-09-10 發布，而該模型已在 App、網頁用戶端及 API 上線，識別碼為 deepseek-flash。

• 價格表——如宣布般正式登場。推出前流傳的費率曾被報導為上市前外洩；如今它們就是已公布的價目表，也就是往下兩節的那些數字。

• 開放權重——已回答。權重以 MIT 授權在 Hugging Face 上發布，並附有技術報告，沒有審核關卡，也沒有存取表單。

獨立測量——出爐了。Artificial Analysis 現在已實際跑過 DeepSeek V4.1 Flash，而這正是九月九日那篇文章中最大的一個缺口。下文將會討論到，而它所顯示的結果，並非發布時所暗示的那樣。

• 路由 — 已啟用。發布公告中所述即將實施的 DeepSeek V4 Pro 流量重新導向現已生效，並附有日期。

• 服務支援——已推出，但附帶但書。NVIDIA vLLM、SGLang 和 Dynamo 都推出了零日路徑；本地執行器這塊的實際情況，比「day-0 支援」聽起來還要狹隘。

有兩件事並未改變，而且應該放在那些數字之前。DeepSeek V4.1-Pro 仍未推出：DeepSeek 自家的資料將 Pro 重新導向描述為會持續運作「直到 V4.1-Pro 推出」，而截至今天，什麼都還沒推出。而 DeepSeek V4 Flash 也並未停止存在——它的權重仍舊開放，並採用 MIT 授權，任何自行架設它的人都仍能繼續運作。已經終止的是供應商通往它的 API 路徑。

在底層：不是更快的模型，而是不同的模型

9 月 9 日的比較指出，DeepSeek V4.1 Flash 並非把速度調快的 DeepSeek V4 Flash，而一週以來公布的細節已讓這一點變得具體。舊款模型是 284B 參數的專家混合模型，其中 13B 為活躍參數——也就是 V4-Flash-0731 後訓練更新版——而後繼模型則是 DeepSeek 稱為 Causal Encoder-Decoder 的新架構：20 層因果編碼器堆疊在 20 層解碼器之上，共 40 層 Transformer，且解碼器的 KV 快取是從編碼器的最終隱藏狀態投影而來，而非逐層計算。最後這項細節正是效率宣稱的來源。

• 活躍參數 — DeepSeek 回報在預填期間每個 token 約有 8B 個活躍參數，解碼期間則為 16B，對比 552B 的骨幹參數。DeepSeek V4 Flash 在 284B 的骨幹中啟用 13B。

• KV 快取 — DeepSeek 回報，新版本所需的 HBM 是前一代 Flash 的四分之一，SSD 則是八分之一。請注意其中哪一個是持久性的數字：8 倍縮減才是決定你在各回合之間能在磁碟上保留多少上下文的關鍵。

• 輸入 — 文字與圖片原生整合於單一模型中。DeepSeek V4 Flash 僅支援文字，圖片相關工作則需要另外的實驗性版本 DeepSeek-V4-Flash-Vision-Exp，而該版本現已與其一同退役。

• 上下文與輸出——1,048,576 個 token 的上下文，以及 384,000 個 token 的輸出上限，與 DeepSeek V4 Flash 公布的頭條形式相同。

• 權重 — MIT，發佈於 Hugging Face。

上述每一項基於規模的比較都附帶一個但書，而這點值得直接說清楚，而不是放在註腳裡。552B 的主幹數字是廠商提供的。該檢查點自身的檔案清單加總約為 510GB，之所以比對 552B 參數的直觀解讀來得小，是因為權重出貨時已經量化過。而 DeepSeek 的模型卡另外宣告了一個 196B 參數的 Engram 條件記憶表——這是一份以詞元定址的查找表，在網路中的兩個位置被查詢，而非文本流經的一層。把廠商自家的兩個數字相加，你會得到 748B，而這正是一份可信的社群分析在質疑 552B 這個標題數字時所得到的讀數。Hugging Face 自家該模型的頁面則在側邊欄顯示了第三個數字：763B。三個數字都站得住腳，端看你在計算的是運算堆疊、記憶表，還是磁碟上的檔案。在任何規格比較中，請把「552B」視為廠商的主幹計數，而非下載檔案的大小。

那張卡片的其中兩列在推出當天還是未解問題，而兩者後來都已補上：權重已依 MIT 授權發布，且第一個第三方評分也已經出現。速度那一列則是往另一個方向發展，下方有它專屬的一節。

費率卡已確認——而且它仍然是一張卡

早先比較的核心發現依然成立，而且現在已不只是傳聞。DeepSeek V4.1 Flash 與 DeepSeek V4 Flash 是依單一 Flash 層級費率卡計費，而非兩張；又由於舊識別碼現在會別名指向新模型，任何仍呼叫 deepseek-v4-flash 的項目也會依新費率卡計費。以下是 DeepSeek 公布的數字，自 2026 年 9 月 10 日 04:00 UTC 起生效：

• 快取命中輸入 — 每 100 萬個詞元離峰時段 $0.003，尖峰時段 $0.006

• 快取未命中輸入 — 每 100 萬個 token 離峰時段 $0.15，尖峰時段 $0.30

• 輸出 — 離峰時段每 100 萬個 token 0.60 美元，尖峰時段 1.20 美元

• 尖峰時段 — 平日 01:00–04:00 與 06:00–10:00 UTC。週末與國定假日則全天為離峰時段。

離峰欄位是拿來報價的那個，尖峰欄位則是會反咬你的那個：歐洲或亞洲的上班日上午落在尖峰時段內，就得付雙倍費用，這會讓表面上的 $0.15 輸入費率，在多數團隊實際跑流量的那些時段裡，正好變成 $0.30。除非你的工作負載真的在 UTC 夜間執行，否則編預算時請以尖峰欄位為準。

相較於變更前 DeepSeek V4 Flash 計費所依據的價目卡——離峰時段每 1M tokens 的 $0.007 快取命中、$0.22 快取未命中與 $0.66 輸出——新價目表將快取輸入調降約 57%、快取未命中輸入約 32%、輸出約 9%。因此，這個後繼模型每 token 比它所取代的模型更便宜，而便宜幅度在代理迴圈不斷重複讀取的 token 上很大，在它生成的 token 上則較小。這才是「Flash 降價」故事的真實樣貌：這是一次附帶輸出折扣的快取命中降價。

那份擷取畫面是這張卡片在 9 月 10 日刪減之前的樣貌——也就是 DeepSeek V4 Flash 整個八月據以計費的那份工作表，保留在這裡作為比較中「之前」的那一邊。而「之後」的那一邊，就是上方的四個要點。

基準測試實際上說了什麼，以及是誰執行的

基準概況由兩個半部組成，經常被合併成一個整體來引用，而它們的地位卻截然不同。

前半段是 DeepSeek 自家的評測表，隨發布一起公布。它把 DeepSeek V4.1 Flash 在 DeepSWE v1.1 上列為 74.2——領先 Claude Opus 5 的 74.0、GPT-5.6 Sol 的 73.0、Kimi K3 的 67.5、GLM-5.3 的 66.9、DeepSeek V4 Pro 0813 的 62.7，以及 DeepSeek V4 Flash 0731 的 54.4。這些都是廠商自行跑出的數字，在最大推理強度下測得，而同一份發布資料也顯示，同一個檢查點在八種不同的代理框架上得分介於 65.5 到 74.2 之間——在最適合它的框架上是 74.2，在 Claude Code 下是 69.8，在 Codex 下是 65.6，在 OpenCode 下是 65.5。在廠商自行執行的測試套件上，對 Claude Opus 5 取得 0.2 分的領先，而且是取自八種框架中最有利的一種，並不能確立對 Claude Opus 5 的領先。它證明的是：當一切都按它的方式設定時，新的 Flash 在代理式編碼上能與前沿模型競爭——這是真實的成果，而且比「領先 Opus 5」聽起來小得多。

後半段是 9 月 9 日時還不存在的那部分。Artificial Analysis 現已獨立測量 DeepSeek V4.1 Flash，並在智慧指數上給它 40 分，而 DeepSeek V4 Flash 0731 為 35 分——在 113 個受測模型中排名第六，相較於它所取代的模型排名第八，且遠高於同等規模開放權重模型的中位數 18。那正是本文較早版本所說尚不存在的數字，而它讓整體問題的結論有利於後繼者：在第三方涵蓋推理、知識、數學與程式設計的綜合評比中，新版本明顯是更強的模型。它並未解決前沿問題，因為同一個排行榜上，Kimi K3 與 GLM-5.3 都排在它前面。

速度的故事未能經受住測量

這裡正是先前比較必須修正、而非延伸的地方。它的主軸是：這兩個模型共用同一份費率表，差別只在速度；其中 DeepSeek V4 Flash 測得約每秒 120–140 個輸出 token，而 DeepSeek V4.1 Flash 的首日測試者則回報 280 到 500，峰值超過 500。那個差距並未重現。

根據 Artificial Analysis 的測量，DeepSeek V4.1 Flash 每秒產生 214.4 個輸出 token，而 DeepSeek V4 Flash 0731 則產生 214.9 個——不相上下，差距僅為每秒半個 token，而且這兩項數據都出自同一套方法論。無論首日社群實測當時測的是什麼，那都不是同基準的比較：每秒 token 數會隨供應商、硬體、批次大小、併發量，以及答案中有多少屬於推理 token 而異，而發表當週的數字來自這五個面向全都不同的設定。誠實的修正應該是：發表時所暗示的吞吐量優勢，在獨立測量中根本看不到。任何因為期待速度提升兩到三倍而轉用 DeepSeek V4.1 Flash 的人，都應該先在自己的流量上重新實測，再假定真有此事。

成本方面的情況比速度方面更有意思，而且也不是單純的勝出。以 Artificial Analysis 的每 token 輸入價格來看——新模型為輸入 $0.30、輸出 $1.20，舊模型則為 $0.44 與 $1.32，兩者皆為尖峰時段——DeepSeek V4.1 Flash 每 token 更便宜。但實測的每個 Intelligence Index 任務成本卻是 $0.27 對上 $0.22，略高一些，因為新模型話更多：在整個指數中輸出 250M token，前代則為 240M，而且是排行榜所測量過較為冗長的模型之一。更便宜的 token 若被使用得更頻繁，並不自動等於更便宜的任務。你最終會落在哪一邊，完全取決於你的工作負載是以重複讀取的上下文為主——此時 57% 的快取命中降幅發揮作用——還是以生成的輸出為主——此時冗長度會吃掉折扣。

第零天服務支援，以及它真正的價值

如果你已經自行託管 DeepSeek V4 Flash，這一節決定遷移是否便宜，而答案是：比平常便宜，但並非免費，而且不是大多數人所謂「在本機」的那種執行環境。

• NVIDIA vLLM —— 以預覽版 Docker 映像檔的形式提供零日（day-zero）支援途徑，而非正式發行的套件；該架構支援在發佈時並未合併進主線，因此沒有任何 pip install 會包含它。驗證涵蓋多個 NVIDIA 平台，而非僅限單一平台；權重約需 614GB 的記憶體下限，另須保留額外餘裕。

• SGLang — 首日預覽映像檔與 cookbook 條目，在未附效能數字的情況下發布，因為廠商認為開發期間的量測結果並不穩定。已在 GB300 等級硬體上驗證，其他項目則列為仍在確認中。

• NVIDIA Dynamo — 零日部署配方，與其現有的 Flash 和 Pro 配方並列。

• 其他晶片 — Cambricon 回報於同日透過 vLLM 完成零日調適。

• Ollama 與 llama.cpp — 落差。Ollama 列出了該模型，但只是雲端直通：它跑在 Ollama 的伺服器上，而不是你的。llama.cpp 的架構支援尚未合併，所以目前還沒有上游的本地路徑，而社群 GGUF 轉換檔雖然存在，卻沒有已發佈、能端到端執行它們的執行環境。

實務上的解讀是：框架生態系推進得異常快速，如果你是在多 GPU 節點上以 vLLM 或 SGLang 部署，那麼在推出後幾天內就有文件記載的可行路徑。如果你的 DeepSeek V4 Flash 部署是 llama.cpp 或 Ollama 的機器，目前還沒有對等的方案，而約 510GB 的檢查點意味著，在該硬體所暗示的規模下，不太可能會有。權重也不是同一種問題形態：DeepSeek V4 Flash 總計 284B 屬於單節點範疇，而新建構的 552B 主幹——在 Engram 表之前——則不是。

路由已變更，而且是為你而變更

這次發布中最少被報導的部分仍然是，DeepSeek 正在自家模型之間路由流量，而且與 9 月 9 日不同，現在有了明確日期。自 9 月 14 日 04:00 UTC 起，針對 deepseek-v4-pro 的 API 請求將由 DeepSeek V4.1 Flash 提供服務，並以 Flash 費率計費，DeepSeek 稱這項政策將持續到 V4.1-Pro 推出為止。DeepSeek V4 Flash 與 DeepSeek-V4-Flash-Vision-Exp 則直接退役，其識別碼僅作為相容性別名保留，且同樣會解析至新模型。

就把它當作對這篇文章之所以存在的那個問題的回答。一週前，Pro 呼叫端會自動切換，而 Flash 呼叫端則必須做出抉擇。如今供應商已替雙方做了決定，這意味著在 API 上，當前真正的選擇不再是「V4 Flash 還是 V4.1 Flash」——而是你的提示詞、評估與成本模型是否已為重新訓練的模型做好準備，或者你是否需要一個完全不同的備援方案。

這正是路由層在不同供應商之間套用的同一套邏輯，而這也正是像 OrcaRouter 這樣的平台所掙得的價值所在。DeepSeek V4.1 Flash on OrcaRouter採用 DeepSeek 的定價——每 100 萬個輸入 token 為 0.15 美元，每 100 萬個輸出 token 為 0.60 美元——以 0% 加成原價傳遞，這正是為什麼供應商降價時，我們這邊會與他們在同一天同步反映。DeepSeek V4 Flash on OrcaRouter在你遷移期間仍可用同一把金鑰呼叫，因此切換只是換個模型字串，而非另簽一份合約，而DeepSeek V4 Pro on OrcaRouter則持續列於清單上，同時供應商的重新導向會以新模型、Flash 費率來提供它。跨供應商的自動容錯移轉，是不必把正式環境路徑押注在第一天表現上、就能用真實流量試用重新訓練模型的最省錢方式：先導引一部分流量，在後面保留一個已知穩定的模型，讓邊緣案例落到備援上，同時你可藉此了解新的提示方式表現如何。

你應該打哪一個電話？

如果誠實的答案仍然是「對所有人而言，兩者皆可」，這次更新就不值得發布。這一週讓這個決定擺動了兩次——一次對繼任者有利，一次不利。

轉用 DeepSeek V4.1 Flash 的理由如今比發表當天更加充分，而且依據的是獨立數據，而非廠商表格。Intelligence Index 上的四十對三十五，是由與此事毫無利害關係的一方所測出的真實差距；在同一張卡上，這款模型每權杖的成本低於它所取代的模型；圖像輸入不再需要第二個模型；而每一項第三方測量都一致認為，它在吞吐量上至少與前代相當，而不是快上兩到三倍。如果你正要開始新的工作負載，或者你原本依賴 DeepSeek-V4-Flash-Vision-Exp 來處理圖像，那麼轉換很直接，遷移成本只是一個模型字串。

暫緩的理由比以往更狹隘，也更具體。如果你的提示、工具呼叫結構描述與評估是針對 V4-Flash-0731 調校的，那麼重新訓練過的模型帶來的是行為改變，而非速度改變——提示方式、拒答界線與輸出長度全都會變動，而新模型更「多話」這件事本身就是一種行為改變，它會先反映在你的帳單上，之後才反映在你的品質指標上。而如果你的部署是自架於 llama.cpp 或 Ollama 上，或者你的預算取決於輸出 token 而非快取的輸入，那麼搬遷的經濟效益並不是發表會標題所暗示的那樣。把你一天的自家流量跑過兩者，並比較每美元可被接受的完成次數，會比上面任何表格告訴你更多。

對大多數團隊而言，經過一週後站得住腳的立場，都不是那兩個聲量最大的立場：把 DeepSeek V4.1 Flash 當作預設選項，因為獨立證據如今支持它；讓 DeepSeek V4 Flash 繼續服務它原本就擅長服務的一切——它的權重仍在，仍是 MIT——並在你自己的工作負載上重新測量吞吐量，而不是相信發表週的社群數字，或單一排行榜名次。後繼者確實更好。只是它更好的幅度比發表時所暗示的更小，而且更好的地方也不同。