DeepSeek V4.1 速评：性能测试、定价及新功能

DeepSeek V4.1 Flash 是 DeepSeek 于 2026 年 9 月 10 日发布的版本，新增了原生图像输入功能、更小的缓存占用空间、更强的供应商报告代理评分以及更低的 API 调用率。. 它最适合运行高吞吐量或高输入负载代理的开发者。需要注意的是：DeepSeek 运行了已发布的基准测试，而 V4 Pro 在部分前沿推理测试中仍保持领先。.

什么是 DeepSeek V4.1 闪存？

DeepSeek V4.1 Flash 是一个多模态、开放权重的模型，专为编码、工具使用、视觉理解以及长上下文智能体工作流而设计。DeepSeek 于 2026 年 9 月 10 日发布了该模型，并公开了权重数据，具体如下： DeepSeek-V4.1-Flash, ，并通过 deepseek-flash API 名称。.

此次发布之所以重要，是因为它带来的变化远不止于基准测试分数。Flash 支持文本和图像，提供 100 万令牌的上下文窗口，并大幅降低了其键值缓存所需的内存。与即将停用的 V4 Pro 资费方案相比，DeepSeek 还下调了其托管 API 的费率。 这一组合旨在解决一个实际存在的瓶颈：当提示词、存储库上下文、屏幕截图和工具历史记录不断累积时，如何确保长期运行的代理仍能保持经济实惠。.

默认启用“思考模式”，但也可切换至“非思考模式”。支持 JSON 输出和工具调用。DeepSeek 还提供了与 Responses API 和 Anthropic API 的兼容性，这有助于减少已基于这些接口构建的应用程序的迁移工作量。.

DeepSeek V4.1 固件有哪些新功能？

配备非对称计算能力的 552B MoE 骨干架构

根据 DeepSeek V4.1 技术报告, ，该模型采用了一个拥有5520亿个参数的“专家混合”骨干架构，包含一个20层的因果编码器和一个20层的解码器。 总参数数并非每个令牌实际使用的参数数：DeepSeek报告称，在预填充阶段约有80亿个活跃参数，而在解码阶段则有160亿个。.

这种非对称设计为预填充和生成阶段分配了不同的计算资源配额。预填充阶段负责处理提示词、文档、图像以及先前的对话内容；解码阶段则按令牌逐个生成答案。预填充阶段较低的活跃计算需求，对于那些在写入之前需要大量进行读取操作的库级和工作负载以及研究型代理而言尤为重要。.

体积小得多的 KV 缓存

该报告列出了全球 KV 缓存的大小为 每个令牌 890 字节, ，约占 V4 Flash 在高带宽内存中缓存容量的四分之一。DeepSeek 表示，其持久缓存需求约为上一代产品的八分之一。 对于包含一百万个令牌的上下文而言，这已不仅仅是一个抽象的架构细节，而是一个实际的部署特征：缓存大小直接影响服务器能够维持的长期会话数量，以及每个会话所消耗的内存量。.

原生图像输入与多模态预训练

V4.1 Flash 支持原生处理图像，无需使用单独的 Vision 品牌端点。DeepSeek 表示该模型是在一个包含 45 万亿个令牌的多模态语料库上预训练的。 实际上，这意味着截图、图表、扫描的表格、界面状态以及可视化调试输入，都能与代码和文本一样，成为同一对话中的一部分。.

DeepSeek V4.1 基准测试：官方结果揭示了什么

DeepSeek 针对 V4.1 Flash 的最强主张主要集中在编码和代理基准测试方面。该供应商以实验努力度 100 对指令模型进行了评估，并将该数值作为最大推理努力度向公众公布，使用的是 temperature=1.0 和 top_p=0.95. 代码代理测试使用了命名测试框架和100万令牌的上下文；视觉代理测试使用了Claude Code模型，配合512K令牌的上下文。.

这种模式虽有参考价值，但其适用范围比“更优模型”这一笼统的说法要窄。在上述显示的五个方面（编程、终端、安全与自动化）中，V4.1 Flash 均领先于 V4 Pro。 在 GPQA Diamond 以及“Humanity’s Last Exam”的纯文本子集上，V4 Pro 仍保持领先。开发者若需比较更广泛的编程候选模型，可使用我们的 编程指南中的最佳AI模型, ，但应用层面的评估仍比一张表更为重要。.

推理工作量也会影响成本和结果。在 DeepSeek 的报告中，将实验工作量从 25 提高到 100 后，DeepSWE v1.1 的得分从 66.0 升至 74.2，Terminal-Bench 2.1 的得分从 82.4 升至 90.6， 同时消耗的输出令牌数量大约增加了2.5倍。报告中提到的八种智能体配置从同一检查点出发也产生了实质性不同的结果，因此框架的选择是被测系统的一部分。.

DeepSeek指出，该模型在极端输入条件下的鲁棒性尚未得到全面表征。报告指出，CSA2的选取错误以及基于近似滑动窗口注意力机制的状态重建，可能会降低其在测试套件之外边界场景中的表现能力。报告还承认，在最棘手的边界推理和边界案例任务方面仍存在差距。这些保留意见应与主要得分结果一并考虑。.

用于评估 V4.1 Flash 的两个可重复任务

以下任务旨在测试具体行为，且不以“未运行”提示作为证据。请使用完全相同的提示，在记录中保留模型和计算强度设置，并根据所列标准对答案进行评分。单次运行的结果应作为带日期的观察结果进行报告，而非作为一般性基准。.

请阅读附件中的 DeepSeek 技术报告基准测试表。仅返回 JSON 数据，且必须采用以下完全一致的顶级结构：
{
  "Codeforces": {"DeepSeek V4.1 Flash": ..., "DeepSeek V4 Pro": ..., "DeepSeek V4 Flash": ..., "leader": "..."},
  "Terminal-Bench 2.1": {"DeepSeek V4.1 Flash": ..., "DeepSeek V4 Pro": ..., "DeepSeek V4 Flash": ..., "leader": "..."},
  "DeepSWE v1.1": {"DeepSeek V4.1 Flash": ..., "DeepSeek V4 Pro": ..., "DeepSeek V4 Flash": ..., "leader": "..."},
  "GPQA Diamond": {"DeepSeek V4.1 Flash": ..., "DeepSeek V4 Pro": ..., "DeepSeek V4 Flash": ..., "leader": "..."}
}

仅提取这四行数据。保留所有数字与原样完全一致。不要推断无法识别或缺失的值；应使用 null 代替。根据每行中数值最大的项确定 `leader`。.

您正在查看一个 TypeScript 并发辅助函数。它旨在同时运行至多 `limit` 个任务，保持结果顺序，并且如果任何任务被拒绝，则返回拒绝结果。

```ts
export async function mapLimit(
  items: T[],
  limit: number,
  fn: (item: T, index: number) => Promise,
): Promise {
  const results = new Array(items.length);
  let next = 0;

  async function worker() {
    while (next < items.length) {
 const index = next;
 await Promise.resolve();
 next++;
      results[index] = await fn(items[index], index);
    }
  }

  await Promise.all(
    Array.from({ length: Math.min(limit, items.length) }, worker),
  );
  return results;
}
```

返回恰好三个部分：
1. 根本原因
2. 最简统一差异
3. 一个用于测量峰值并发量和结果顺序的 Vitest 回归测试

不要重新设计 API。此外，若 `limit <= 0`，则应抛出 `RangeError` 异常。.

DeepSeek V4.1 闪存定价

DeepSeek API 定价采用两种计费方案，下文中的所有数字均为每百万个代币的美元金额。高峰时段为 周一至周五，协调世界时（UTC）01:00-04:00 和 06:00-10:00. 其余时间均属非高峰时段。缓存输入、未缓存输入和输出的计费标准各不相同。.

以一个简单的算术示例来说，一个包含 800,000 个未缓存的输入令牌和 20,000 个输出令牌的非高峰时段请求，其成本约为 $0.132：输入部分为 $0.12，输出部分为 $0.012。 若按峰值速率计算，相同的令牌计数成本约为 $0.264。此计算仅供说明，并非实际测得的工作负载账单；缓存命中率、重试次数、工具轮次及推理长度都会影响总成本。.

在两种计费方案中，缓存输入的成本都比未缓存输入低50倍，这使得稳定的提示词前缀和可重用的上下文在经济上具有重要意义。DeepSeek公开API的资费与GlobalGPT的访问和计费是分开的。请勿将这些代币价格视为GlobalGPT的订阅费或信用额度价格。.

DeepSeek V4.1 API、愿景与局限性

直接的 DeepSeek API 使用 deepseek-flash. 开发者可以调用位于 https://api.deepseek.com, 、位于同一基座上的 Responses API，或者位于 https://api.deepseek.com/anthropic. “响应”中支持函数工具。DeepSeek 还记录了 应用补丁 自定义工具；其他响应中的内置工具类型将被忽略，而非执行。.

视觉元素的格式与放置规则

DeepSeek 支持 JPEG、PNG、GIF 和 WebP 格式的图像输入。 内联图像的最大大小为 32 MiB，而文件图像的最大大小为 64 MiB。文档中规定的共享限制允许单次请求中包含最多 600 张图像。该上限并非建议值：过大的批次会增加提示词的篇幅、延迟，并增加追踪特定图像与答案对应关系的难度。.

对于“回复”API，图片内容应包含在用户消息中。放置在 系统 或 助理 消息返回 HTTP 400 状态码。兼容性层不接受通用文件输入作为输入项，因此应用程序应遵循文档中规定的 image-input 形状，而不是假设其与 OpenAI 响应功能完全一致。.

上下文、输出和并发限制

上下文的最大长度为100万个令牌，输出最大为384,000个令牌。输入和输出总和必须能容纳在上下文窗口内。Flash 允许每个账户拥有2,500个并发连接；超过该账户限额的请求将收到 HTTP 429 状态码。因此，容量规划应跟踪活跃连接的使用情况和重试行为。.

DeepSeek V4.1 Flash 与 V4 Pro 对比

对于高吞吐量的编码代理、视觉输入和长上下文应用而言，V4.1 Flash 是更实用的默认选择。在短暂的过渡期内，V4 Pro 作为推理基线仍具参考价值，但它不支持视觉功能，且已记录的并发能力较低。我们之前的 DeepSeek V4 Pro 评测 该测试以自身标准涵盖了该检查点；其实际测试结果不应被重新标记为V4.1的证据。.

在非高峰时段费率下，Flash 的未缓存输入比列出的 Pro 费率便宜约 77%，而 Flash 输出则便宜约 70%。这些百分比是根据官方费率表计算得出的，并非实际测得的节省金额。 实际节省金额取决于缓存重用率、输出长度、重试次数，以及工作负载是否需要在选定的推理行上获得 Pro 版本更强的结果。.

更紧迫的区别在于操作层面。DeepSeek 正在保持 deepseek-v4-pro 名称，同时临时更改其背后的模型。稳定的 API 名称并不能保证输出行为的稳定性。请在 9 月 14 日之前保留具有代表性的 V4 Pro 响应、工具跟踪信息、延迟和故障案例，然后在路由更改后运行相同的验收测试套件。关于旧版检查点比较框架，请参阅 DeepSeek V4 Pro 与 Flash 对比.

开发者的看法

关于吞吐量、缓存效率和代理评分，初步反响较为积极，但相关证据尚不充分。部分评论针对的是预览版而非最终正式版，有些报告总结的只是演示结果，而非受控测试结果。因此，最有价值的公开讨论应聚焦于“在哪里进行测试”，而非“发布当天的某个数据能否一锤定音”。.

这些反应表明，在任何实际部署中都值得进行三项检查：在固定工作量设置下比较输出质量；观察长推理是否会推高输出成本；以及当别名更改了端点背后的模型时，重新运行回归测试用例。 吞吐量和安全性结果的预览可为测试设计提供指导，但不应将其与 DeepSeek 的表 3 混为一谈，仿佛它们来自同一个受控基准测试。.

如何访问 DeepSeek V4.1 固件

共有三种不同的访问途径。请根据您是否需要直接控制 API、自主托管权重，或是便于切换模型的浏览器工作区来选择。不同途径的条款、定价和运营责任各不相同。.

当您需要程序化控制、使用统计以及访问 DeepSeek 的文档化接口时，直接 API 无疑是最佳选择。开放权重适用于能够验证推理支持并运行超大规模 MoE 模型的团队。GlobalGPT 则是用于交互式使用和在 一体化 AI 模型工作流.

DeepSeek的官方发布帖称，该公司将与开源社区合作推进推理支持，并探索更多部署方案。请将此视为路线图声明，而非证明所有本地服务栈都已高效支持V4.1 Flash。.

哪些人应该使用 DeepSeek V4.1 固件？

为了进行更广泛的模型选择，该 GPT-5.5 与 DeepSeek V4 对比 将“100万代币”的上下文和价格位置与另一个前沿选项并列。专注于代码输出风格的团队还可以参考 DeepSeek 与 ChatGPT Python 代码测试. 这些文章回答了相关问题；但两者都不能替代对生产环境中实际使用的 V4.1 Flash 端点的测试。.

普通用户在不同生态系统之间抉择时，可能会发现更广泛的 DeepSeek 与 ChatGPT 的对比 比架构层面的评审更有用。当V4.1 Flash的具体优势——长输入、图像理解、工具以及低令牌成本——与实际工作流程相契合时，其吸引力最为突出。.

判决

从一个小型验收测试套件开始：一个具有代表性的编码任务、一个基于图像的提取任务、一个长上下文案例以及一个工具工作流。固定推理设置，记录模型推理路径，并比较各种失败模式以及平均质量。这样得出的决策具有说服力，且无需将供应商的基准测试结果或发布当天的反响视为应用性能的保证。.

常见问题

什么是 DeepSeek V4.1 闪存？

DeepSeek V4.1 Flash 是一款于 2026 年 9 月 10 日发布的、具有多模态和开放权重的专家混合模型。它支持文本和图像输入、文本输出、100 万令牌的上下文窗口、思考模式和非思考模式、JSON 输出以及工具调用。.

DeepSeek V4.1 Flash API 的价格是多少？

非高峰时段的 DeepSeek API 费率分别为：每 100 万个缓存输入令牌 $0.003、每 100 万个未缓存输入令牌 $0.15，以及每 100 万个输出令牌 $0.60。 高峰时段的费率分别为 $0.006、$0.30 和 $1.20。这些是 DeepSeek API 的价格，而非 GlobalGPT 的价格。.

对于 DeepSeek V4.1 闪存，我应该使用哪个 API 模型名称？

使用 deepseek-flash 使用官方的 DeepSeek API。DeepSeek 还支持在 https://api.deepseek.com 以及与 Anthropic 兼容的呼叫，请访问 https://api.deepseek.com/anthropic.

其上下文、输出和并发限制分别是什么？

DeepSeek V4.1 Flash 具有 100 万个令牌的上下文窗口，最大输出为 384,000 个令牌；输入和输出总和必须位于上下文范围内。DeepSeek 规定每个账户最多支持 2,500 个并发连接，超过此限时将返回 HTTP 429 状态码。.

DeepSeek V4.1 Flash 比 V4 Pro 更好吗？

这取决于具体任务。在DeepSeek的厂商提供的对比表中，V4.1 Flash在显示的编码、终端、安全性和自动化基准测试方面领先于V4 Pro，而V4 Pro则在GPQA Diamond和HLE纯文本测试中领先。此外，Flash价格更低，支持视觉功能，并支持更多的并发连接。.

DeepSeek V4.1 Flash 是否支持图片？

是的。它支持 JPEG、PNG、GIF 和 WebP 格式的输入，并生成文本。DeepSeek 文档规定：内联图片大小上限为 32 MiB，文件图片上限为 64 MiB，且每个请求的图片数量不得超过 600 张（受共享配额限制）。API 响应中的图片必须放置在用户消息中。.

DeepSeek V4.1 的闪存权重数据可以下载吗？

是的。DeepSeek 在 Hugging Face 上以 MIT 许可协议发布了 DeepSeek-V4.1-Flash 模型权重。尽管该许可协议较为宽松，但并不免除基础设施的要求：各团队仍需配备兼容的模型服务软件，以及足以支持 552B MoE 骨干网络的硬件。.

我可以在 GlobalGPT 上使用 DeepSeek V4.1 固件吗？

是的。GlobalGPT 提供了一个专用于基于浏览器的 DeepSeek V4.1 Flash 入口。其访问和计费与 DeepSeek 的直接 API 资费方案相互独立，且平台的可用性并不独立验证 DeepSeek 公布的基准测试结果。.