DeepSeek V4.1 Flash第三方实测：没夺回国模第一，但成本只有Kimi、GLM七分之一

动察 Beating AI 快讯，Artificial Analysis 完成 DeepSeek V4.1 Flash 独立测试，综合智能指数拿到 40 分。它已经超过自家 V4 Pro 0813 的 36 分，但仍低于 Kimi K3 的 44 分和 GLM-5.3 的 45 分。按这套第三方榜单，DeepSeek 还没夺回国产模型第一。

但价格差距非常夸张。V4.1 Flash 跑完一个 Intelligence Index 任务平均只花 0.27 美元，Kimi K3 和 GLM-5.3 都在 2 美元左右，相差约 7 倍。输出速度达到 197 Token/s，也远高于 Kimi K3 的约 36 Token/s 和 GLM-5.3 的约 58 Token/s。

Agent 依然是它最强的部分。AutomationBench-AA 上，V4.1 Flash 拿到 69%，追平 GPT-6 Astra，并超过 GLM-5.3 的 62%；长上下文测试 AA-LCR 也拿到 84%。缺点是它特别能说，AA 测试中单任务平均输出约 8.9 万 Token，比 V4 Pro 多 62%，吃掉了一部分价格优势。

AI 解读

DeepSeek 用 V4.1 Flash 打了一场「用成本换王座」的仗。9 月 10 日正式发布的 552B 新架构（输入仅激活 8B、输出 16B），到第三方实测落地，智能指数 40 分虽超自家 V4 Pro 0813（36），仍落后 Kimi K3（44）与 GLM-5.3（45）。这不是孤立的翻盘——V4 Flash 0731 曾以单题 3 美分卡进性价比帕累托前沿，如今 0.27 美元/任务把 Kimi、GLM 的约 2 美元甩开 7 倍，配合 197 Token/s 的输出速度，指向的是开发者流量的结构性迁移，而非榜单名次。

最值得注意的反差藏在末尾：Agent 能力追平 GPT-6 Astra（AutomationBench-AA 69%），但单任务平均输出 8.9 万 Token，比 V4 Pro 多 62%。一句话——模型越强越能说，成本优势被自己的冗长吃掉一截。定价战的下一回合，可能在推理控制而非参数。

展开

原文链接 #前沿趋势

纠错/举报