DeepSeek-V4.1-Flash 八卡H20 实测来了，一起看下552B 参数加 196B Engram 参数的模型在SGLang运行结果 启动参数： sglang serve --model-path /model --served-model-name deepseek-v41-flash --tp 8 --ep-size 8 --context-length 32768 --max-running-requests 32 --mem-fraction-static 0.85 --attention-backend dsv4 --moe-runner-backend flashinfer_mxfp4 --reasoning-parser auto --tool-call-parser auto --enable-metrics --disable-radix-cache --host 0.0.0.0 --port 30000 测试方法： 核心矩阵为 1,024/128、8,192/128、1,024/512、24,576/128 Token，各测 C1、C8、C32，每组单独预热后正式重复三轮。各轮请求数分别为 8、16、64。C 是客户端并发上限，服务端最大运行序列也是 32 和历史V4测试对比结果： DeepSeek-V4.1-Flash 结果稍快一点，但开始回答之后，输出速度比 DeepSeek-V4-Flash 慢，整体吞吐也更低，实际token/s 速度达不到DeepSeek API 中V4.1三倍提升的效果🤣

坏了，DeepSeek V4.1 Flash 好像有点吹过头了，我这两天高强度使用写代码 大概是百万行代码级别的项目，DeepSeek 经常需要反复沟通修改一个问题才能达到目标，唯一的优点就是超级快，每次沟通都改很快 而如果是GPT5.6 Sol来写，基本一次就改好了🤣 刚才去看了下Artifical Analysis的评测数据，也佐证了这一点 目前在性能甚至没打过GLM-5.3-Flash和Qwen3.8-Flash-Next 😭

鉴于 DS V4.1 Flash 模型在性能、费用、速度、总用时等各项指标上都全面超越了 V4 Pro。再以更高的价格、更慢的速度和更多的算力消耗给 DS 用户提供原有的性能较差的 V4 Pro 模型会不太合适。V4.1 Flash 正式上线之后，V4.1 Pro 上线之前，V4 Pro 模型的请求都会被路由到 V4.1 Flash，并按 Flash 的价格计费。

最近几个安全分析，DeepSeek V4.1 Flash 表现的不错，同样本下，居然比 gpt-6-astra/grok-4.6 输出的要好些，比 fable-5.1 差了一点。 当然，都没有完美的分析。 这个粗略的对比仅供参考，估计关键点在我做的 harness 工程上。

DeepSeek V4.1 Flash 为 552B 参数的 MoE 模型，采用了全新的 Causal-Encoder-Decoder 结构，输入和输出不对称，输入激活只有 8B，输出激活 16B，成本显著低于已知的同尺寸模型。同时，V4.1 Flash 还采用了新的预训练方式、经过了更大规模的强化学习后训练，在基准测试中，成功超越了包括 DeepSeek V4 Pro 在内的一众旗舰模型的智能水平。

DeepSeek 官方群里说，DeepSeek V4.1 Flash 发布了。 原生多模态能力更强了一些，改成图里的模型名称就能调用了。 有了智谱的 GL5.3Flash 以后，我都不太关心这玩意儿了。

欢迎试用 DeepSeek Harness v0.1.5 版本。新版本与 DeepSeek V4.1 Flash 模型训练深度结合，模型在 DeepSeek Harness  的不同配置中都进行了专项训练和优化。 与模型训练深度结合的实验性的 Agent Teams 功能也期待尝鲜试用。 DeepSeek Harness 团队仍在开放招聘中，欢迎加入我们，一起打造 “一切皆插件” 的下一步，一起探索模型与 Harness 共同进化的 Agent 智能上限。