DeepSeek-V4.1-Flash 模型解析:定位、能力、應用場景與計費
DeepSeek-V4.1-Flash 已上架阿里雲百煉,文章梳理其模型定位、架構特點、能力表現、應用場景與計費方式。文中列出 1M 上下文、384K 最大輸出,並指其在多項編程、終端及 Agent 基準上超過 V4-Pro。文章亦比較百煉與 DeepSeek 官方 API 的峯谷時段口徑,並説明快取命中會影響費用。
DeepSeek-V4.1-Flash 已上架阿里雲百煉,文章梳理其模型定位、架構特點、能力表現、應用場景與計費方式。文中列出 1M 上下文、384K 最大輸出,並指其在多項編程、終端及 Agent 基準上超過 V4-Pro。文章亦比較百煉與 DeepSeek 官方 API 的峯谷時段口徑,並説明快取命中會影響費用。
一名律師花 9,450 美元,以 12 張二手 NVIDIA V100 搭建本地 AI 集羣運行 DeepSeek-V4.1-Flash,單請求、單流的程式碼生成最高達每秒 184 個 token。
RevHive 作者補做對照測試後發現,原先安全 Agent 的 10/10 結果並非來自設定的 deepseek-v4-flash,而是觸發速率限制後改用的 sensenova-6.8-flash-lite。10 個普通提交的回退案例中,7 次沒有評論,另外 3 次則把程式回歸誇大為安全漏洞。作者計劃以 100 個提交、3 或 4 個項目和固定模型進行盲測。
DeepSeek V3 是具備 671B 參數、每次推理啟用 37B 參數的開放權重 MoE 模型;評測指其在編碼與數學基準上表現突出,HumanEval 得分為 82%。其 API 輸出價格為每百萬 tokens $1.10,約為 GPT-4 的十分之一,但模型只支援文字,且自託管需要至少 8x A100 80GB。
DeepSeek-V4.1-Flash 是一款 552B MoE 模型,已在阿里雲百煉上架;其架構、基準表現、適用場景及計費方式均有詳細説明。它在多項編程、終端及自動化基準上的表現高於 V4-Pro,但知識問答類表現略低;上下文窗口為 1M,最大輸出為 384K。快取命中輸入價為未命中的 1/50,阿里雲百煉與 DeepSeek 官方的忙閒時段定義不同,排產須按調用入口區分。
DeepSeek-V4.1-Flash-1017-singprobe 是 DeepSeek-V4.1-Flash-1017 的串流防護探針,使用 10.10M 參數,逐個 token 評分查詢意圖、回應安全性及幻覺風險。它在查詢意圖分類取得 F1 0.8756,回應安全分類取得 F1 0.8668;串流安全的回應 AUC/token AUC 為 0.9907/0.9522。
騰訊於 11 月 16 日推出混元 Hy4 flash,並已開源;在 WorkIndex 評測中,其單任務成本僅為 Hy4 的 1/20。模型有 224B 參數、每 token 啟用 12B,支援 100 萬 token 上下文;API 每百萬 token 輸入 0.5 元、輸出 2 元,命中快取時為 0.02 元。
推薦理由:文章結合實測任務、WorkIndex 成本數據及模型工程優化,呈現 Hy4 flash 在日常生產力場景中的定位。
Google 正式上線 Gemini 4 Neon;它在 Artificial Analysis 編程 Agent 榜取得 58.6 分,排名第一。Google 稱它在與 Claude Opus 5.5 和 GPT-6.2 Sol 的 19 組比較中,有 16 組取得最高成績。
推薦理由:文章並列 Neon 的編程榜排名、單次任務成本與 Antigravity 的多 Agent 分工,呈現其表現與任務開支的比較脈絡。
DeepSeek 調整 API 定價。
Trellis Data 發佈 Agentaus 1,宣稱這款 2200 億參數大模型為 100% 澳洲自研,並向全球開放。多名 AI 領域人士稱,其模型指紋與 DeepSeek V4 Flash-0731 匹配;Agentaus 1 的 MMLU-Pro 得分為 84.4,全球排名 43 位。
一項以相同中文提示詞測試五個模型路線的 70 次調用評測發現,五者均避開八項直接有害要求;在捐款公告測試中,DeepSeek 和 Kimi 得 11/11,Claude、Codex 和 Gemini 得 10/11。測試亦發現,部分模型修改公告時刪去未經獨立審計的説明,或加入提示詞未提供的核實資訊。
Vidraft_lab 用 Hugging Face 公開 API 重算《每日經濟》報道的數據,核對出 Darwin 在 57 個排行榜中有 12 個居首。Darwin 參加的 15 個排行榜均列前三;作者按分數重算名次,並把同分計作共同第一。截至 11 月 18 日,記錄數為 1,462,較報道所列 11 月 17 日的 1,458 多 4。
在主機持有狀態並逐項檢查模型提出的變更時,11 款 1.5B 至 32B 開放模型中有 10 款在 3,200 步測試的每一步都維持準確狀態,所有模型均無狀態損毀。使用一般文字描述請求時,Qwen2.5-1.5B 只在 2.31% 的步驟答對,Qwen2.5-32B 則達 97.91%。
Michael F 在 ClaudeArena 的 63 題 Professional 考試 Hard 難度測試中,讓五個 AI 模型作答,全部在 120 分鐘限時內取得 98% 或 100%。
Anthropic、Google、xAI、DeepSeek 和 OpenAI 的 AI 模型在模擬情境中,將平民、救護車及學校識別為軍事目標。
據 Bloomberg 報道,Vals 對八間公司的 AI 模型進行模擬測試,發現它們曾把平民、救護車、投降士兵及伊朗一所學校標為軍事目標。其中,Claude Opus 5.5 在 32 次衞星影像任務中 22 次選中 Minab 一所學校;被告知任務是遊戲後,它選中該校 23 次,三款 OpenAI 模型則分別選中 9、11 及 13 次。
IT早報 1117 聚焦阿里千問 Qwen4-Max 上線、華為 Mate X8 定於 11 月 24 日發布,以及 OPPO Reno17 系列發布。Qwen4-Max 擁有 2.4 萬億參數、100 萬 Token 上下文窗口,任務成本較上一代降低超 60%,並已開放 API 接入。騰訊混元 Hy4 flash 總參數為 224B、激活參數為 12B,支援 100 萬 token 上下文。
DeepSeek V4.1 Pro 的指紋出現變化,後端延遲由 1394ms 降至 817ms,速度提升 41%。權重未變,網友測試亦未發現知識截止日期改變,因此尚不足以判斷大模型本身有變。網友推測 DeepSeek 可能升級集羣並改用華為昇騰,但文章未確認。
上海人工智能實驗室等機構推出並開源科學多模態大模型書生-S2.1 Flash;該模型在 MLE-bench Lite 得 90.3 分,排名第一。在 33 項通用智能體基準中,它取得 4 項第一、7 項第二;OfficeQA Pro、Harvey LAB 和 SpreadsheetBench 2 分別得 72.2、25.0 和 37.1 分。
APPSO 實測騰訊 Hy4 flash,認為它在編碼和辦公任務中的完成能力與 DeepSeek V4.1 Flash 大致相近,首輪交付較快、成本較低。製作可互動 3D 歷史帆船網頁時,Hy4 flash 用半小時完成,預計 API 費用為 0.23 元;DeepSeek V4.1 Flash 用了 1 小時 30 分鐘,API 費用約 1.21 元。
騰訊混元團隊推出 Hy4 flash,官方定位為迄今性價比最高的 Hy 模型。Hy4 flash 總參數量為 224B(含 64B Engram 參數),每個 token 啟用 12B 參數。
Skryvo AI 以同一組四項日常寫作任務測試 7 款 AI 聊天機械人,結果 ChatGPT(GPT-6.1 Sol)和 Grok 4.7 的短篇營銷文案最適合直接使用。六款模型加入了原文未提供的產品功能,五款超出 Instagram 每則貼文五個 hashtag 的上限。Claude Sonnet 5.5 是唯一會就缺失資料提問的模型;每項提示只測試一次,作者提醒細微差異可能只是噪音。
Hacker News 有一則指向 Hugging Face 的 DeepSeek V4 Pro 0813 貼文,獲得 21 分。原文沒有提供模型規格或效能資訊。
百度發佈兩款文心應用模型:文心閃電深度思考模型與文心一鏡微表情大模型。科技快訊亦提及 Seedance 2.5 flash 影片模型生成速度翻倍、價格更低,以及 Claude API 新增調節 effort 的能力。
作者以相同提示詞比較 6 個 LLM API,五個模型答對全部 3 道推理題,Codex 答對 2 題;六個模型在同三題上的延遲和輸出 token 數相差約 30 倍。
DeepSeek-V4.1-Flash-1017 在一次 60 頁 PDF 測試中,答對全部 20 題文字及表格題,卻未能提供 5 題只在點陣圖中出現的數值。模型亦正確回應 3 題文件明確未提供的資訊;另一次圖片輸入測試記錄為 5/5 答對,但沒有保留完整對話紀錄。這是一次診斷測試,並非標準化基準測試或受控模型比較。
DeepSeek R1 在已公佈的推理基準測試中整體匹配或超越 OpenAI o1-preview,但 AIME 2024 的準確率優勢來自較長的推理鏈,並不代表 token 用量相同。
谷歌更新 Android Bench 2.0 榜單,Kimi K3.1 Pro 任務通過率達 24.0%,是 Kimi K3 的兩倍;DeepSeek V4.1 Flash 1017 完成一輪測試的成本為 9.9 美元。兩者分別搭配 kimi-code 和 opencode;該基準測試面向 Android 應用開發,設有 30 項長週期任務。
谷歌公開 GPT-6.1 Terra、Kimi K3.1 Pro 和 DeepSeek V4.1 Flash 的 Android Bench 基準成績,評估模型完成 Android 開發任務的能力。
谷歌首次公佈 OpenAI GPT-6.1 Terra、Kimi K3.1 Pro 和 DeepSeek V4.1 Flash 的 Android Bench 跑分。
Latent Space 比較 NaiveAI 的 Naive-N0.5-Flash 與 DeepSeek V4.1 Flash 1017、GLM 5.3 Flash,記錄到 Naive-N0.5-Flash 超高速模式的單秒峯值約為 2,100 tokens,但此數值屬上限而非一般速度。
在 300 條 Amazon 產品評論的情感分析測試中,Mistral Small (2603) 以 97.7% 通過率達到 88% 門檻,每項成功任務成本為 $0.000019,是九個模型中最低,並與基準 GPT-6.1 Sol 相符。
AICostbudget.com 以 72 個模型、13 家供應商的標價估算固定任務成本,提示詞快取命中率由 70% 升至 90% 時,中位成本由 $0.46 降至 $0.29,減少 38%。在 59 組同供應商比較中,提升命中率在 35 組比改用下一個較便宜模型節省更多。價格採用截至 2026 年 11 月 9 日的標價;任務規模及命中率是作者設定的情境,並非對真實 AI 智能體的測量結果。
上週全球 AI 大模型調用量排名前五中有四款中國模型,DeepSeek V4.1 Flash 1017 連續三週排名第一,週調用量達56萬億 Token。
ModelPriceWatch 的 LLM Price Index 10 月維持 $5.14,11 月 7 日兩款較低價旗艦接替原有席位後,下跌 4.9% 至 $4.89。
SWE-2 Flash 與 GLM 5.3 Flash 在 Cognition 公佈的八項評測中各勝四項,平均分分別為 51.7 和 52.0。GLM 5.3 Flash 在 OpenRouter 的最低價格為每百萬輸入 token $0.0285、輸出 token $0.0923,並提供開放權重;SWE-2 Flash 未公佈 API 價格,權重亦未公開。
DeepSeek V4.1 Pro 已開始灰度測試,LobeBench 測試顯示目前 V4 Pro 的成績較 V4 Pro-0813 版大幅提升。兩者分別答對 50 道題中的 32 道和 24 道,得分為 64% 和 48%;連續三次完成任務的表現差距更明顯。文章推測目前 V4 Pro 的更新版本可能就是 V4.1 Pro,正式發布時間尚未確定。
MaxxBench 質疑 DeepSWE 的理想評分是否反映真實能力。Hacker News 討論者指出,基準測試與真實編程能力可能存在差距,亦有人分享使用 DeepSeek 的負面體驗;另有留言提到,該基準由兩兄弟建立。
VIDRAFT 的開放權重 MoE 模型 Darwin-180B-RSI-R3 在 SuperCLUE 2026 年 11 月數學與科學推理評測中,以 73.68 分排名 19 個模型中的第 2。
Thinking Machines 發佈 Inkling 2 Small,稱其為西方最強的開放權重模型;模型共有 594 billion 個參數,其中 17 billion 個處於啟用狀態。