DeepSeek V4.1 Flash实测：开源模型逼近闭源旗舰

DeepSeek在沉寂一段时间后推出了V4.1 Flash（1017版本），官方将其定位为一次"帕累托改进"——在同等或更低成本下实现更好的性能。据B站UP主WorldofAI的完整实测，这款模型在终端编程、3D生成和前端开发等任务上表现出色，部分指标甚至超越了GPT-5.6 Sol等闭源旗舰。但它并非全新架构，而是9月10日发布的V4.1 Flash的迭代升级，过去两个月里DeepSeek已对该系列进行了多次打磨。

性能跃升：基准测试与成本控制

从官方公布的基准来看，进步幅度相当可观。在Terminal Bench 4.0上，得分从31.2%提升至42.3%，超过了GPT-5.6 Sol的39.9%；在DeepSafe 1.1上拿到77%，据DeepSeek^广告社区对比数据，这一成绩领先于GPT-5.6 Sol、Claude Opus 5和GLM 5.3。HLE推理测试则从36.8%提高到42.6%，显示出推理能力的明显增强。

定价方面，该模型输入为每百万token 0.30美元，输出为每百万token 1.20美元，支持100万token上下文窗口。WorldofAI评价称，这使其成为当前最好的开源模型之一，但模型体量过大，实际上无法在本地运行。在WorldofAI自建的基准测试中，该模型综合排名约第10至11位，虽未进入前十，但在智能体编程能力上表现突出。

Terminal Bench 4.0 是一个面向终端环境（命令行）的智能体编程基准，测试模型能否在真实 shell 中完成文件操作、脚本编写、依赖安装、调试排错等多步骤任务，评分通常以任务通过率计。与偏重函数级代码补全的 HumanEval 类基准不同，它考察的是长程规划、工具调用与错误恢复能力，因此更贴近"端到端完成项目"的实际使用场景。

HLE（Humanity's Last Exam） 是由学术与产业界联合构建的高难度跨学科试题集，覆盖数学、物理、人文等领域的专家级问题，设计初衷是提供在现有基准趋于饱和后仍具区分度的评测。其题目多为多步推理与冷门知识结合，模型得分普遍偏低，因此从 36.8% 到 42.6% 的提升在绝对值上并不算小。

智能体能力：从写代码到完成项目

DeepSeek此次将重点放在智能体编程和项目开发上，采用带自反馈的强化学习来提升模型完成完整项目的能力——无论是生成游戏、构建应用还是3D建模任务。WorldofAI指出，这一转变意义重大：模型不再只是生成基础代码，而是能端到端完成复杂开发流程。

配套动作是DeepSeek开放了搜索与抓取API，由其自建搜索基础设施支撑，官方称可处理全球每日数亿次请求，两个端点均按每千次调用0.75美元计费。通过CloudCode、Codex或DeepSeek Harness等服务端工具发起的搜索与抓取调用，在10月31日16:00 UTC前免费。UP主建议搭配Harness使用，认为这是发挥该模型能力的最佳组合，因为Harness围绕DeepSeek模型优化了工具调用、上下文管理和代码执行，让模型能持续测试、识别错误并迭代输出。

带自反馈的强化学习（self-feedback RL）指模型在训练中生成完整解后，由执行环境或验证器给出可自动判定的反馈信号（如测试是否通过、程序能否运行、渲染是否成功），再据此优化策略，而无需人工标注每一步。相比只对最终答案做奖励的稀疏信号，这种范式让模型学会自我试错、定位错误并迭代修改，是当前提升智能体长程任务能力的主流路线之一。

实测表现：速度惊人，3D与前端出彩

WorldofAI在多个小时的高强度测试中发现，该模型速度极快，报告值约为每秒244个token，早期测试甚至接近每秒300个token。UP主称这可能比GPT-6.1 Sol的超快模式还快，而智能水平与GPT-5.6 Sol相当，部分基准甚至实现反超。

3D生成是进步最明显的领域。与两个月前的原版V4.1 Flash对比，新版生成的3D场景质量堪称"天壤之别"。在前端开发测试中，排版、动态效果、细微动画和滚动触发都相当流畅。一个360度产品查看器的输出质量被指"模仿了OpenAI的生成风格"，UP主提到该模型在某些深度推理回答中会自称是OpenAI模型，引发了对蒸馏训练的猜测——他认为DeepSeek团队很可能蒸馏了OpenAI模型，但也强调这是各家模型提供商的普遍做法。

在鹈鹕骑自行车SVG的经典测试中，各模型均开启最高推理档位，Claude Opus在视觉风格上明显最佳，DeepSeek的输出质量尚可。另一项与Opus 5.5的对比里，Opus以更好的动画、音效和细节胜出，但DeepSeek仅花费0.23美元，而Opus花费6美元，成本相差约26倍；代价是DeepSeek耗时1小时，Opus只需20分钟。

体素艺术生成测试中，模型在单个文件中生成了超过200万个体素的中世纪王国场景，耗时约25分钟，API成本仅5美元，还支持昼夜循环和添加飞龙等侧栏功能。与GPT-6 Luna的3D特斯拉Roadster场景对比中，DeepSeek花费0.89美元，比Luna的1.07美元便宜约17%，但UP主认为Luna的输出质量略好。

模型蒸馏指用一个能力更强的大模型（教师）生成的输出或分布，去训练另一个较小的模型（学生），使其以更低成本逼近教师的表现。业界常用做法包括对教师生成的推理轨迹做监督微调，或用其输出分布做软标签训练。由于蒸馏依赖教师模型的输出，学生模型有时会继承教师的措辞习惯甚至自我身份表述，这也正是文中"模型自称是 OpenAI 模型"引发猜测的原因。需要说明的是，蒸馏本身是普遍且合规性存在争议但广泛使用的训练手段。

性价比突出，但并非全面领先

多模型横向对比揭示了更复杂的图景。在单HTML文件第一人称跑酷游戏测试中（4个阶段、1轮修复），DeepSeek的视觉效果被报告为最佳，成本0.14美元，但耗时1小时30分钟；而Claude Haiku只花8美分、用时更短，功能性反而更好。与GPT-6.1 Sol Ultra的对比中，DeepSeek成本便宜约90%（0.44美元），两者耗时相近，且DeepSeek能调用网络工具收集参考资料，这是构建复杂项目时的显著优势。

与Kimi K3的Minecraft沙盒对比最能说明取舍：Kimi耗时2.5小时、花费35美元，输出了更丰富的维度和图形质量；DeepSeek耗时1.5小时、仅花0.80美元，便宜近44倍，但许多功能实现上明显吃力，需要多轮提示才能接近。在SVG测试中，Gemini 4 Argon用13分钟、1.20美元完成，DeepSeek耗时50分钟、仅0.40美元，最终画面接近，部分水域细节甚至更好，但Gemini整体场景和速度更优。

更极端的案例是DeepSeek V4.1配合Hermes Agent调用Blender，耗时约7小时完成3D项目，成本仅1.83美元。UP主建议可以将此类长任务放在夜间运行。视频生成方面，模型表现同样不错，瓶颈主要在于素材生成耗时。

值得尝试，但需管理预期

WorldofAI的结论是，V4.1 Flash 1017是近期最令人印象深刻的Flash级模型之一，编程能力、3D生成和性价比都相当突出，目前可通过官方聊天免费试用。但它并不完美：速度有时偏慢，部分任务质量与顶级闭源模型仍有差距，需要多轮提示才能达到理想效果。对于预算敏感、能接受较长等待时间的开发者和团队来说，这款开源模型提供了一个极具吸引力的选项——用远低于前沿闭源模型的成本，换取接近的产出质量。