DeepSeek V4.1 Flash内测开启：速度飙升507 tokens/s，成本直降35%

徽声在线科技频道
撰稿人 林晓
审校 陈明轩

徽声在线9月8日独家报道，人工智能领域迎来重大突破——DeepSeek今日正式宣布启动DeepSeek V4.1 Flash中间版本的内测程序。该模型采用突破性混合架构设计，在保持原生多模态支持的基础上，实现了性能三重跃升：推理速度提升40%、综合成本降低35%、多任务处理能力增强2.8倍。

技术文档显示，开发者可通过保留现有API端点，仅需将模型标识符更新为deepseek-v4.1-flash-exp-0910即可完成无缝迁移。系统沿用动态限流机制，默认设置单账号20并发请求上限，有效防止资源过载。

价格体系延续阶梯式定价策略：非高峰时段（0:00-8:00）每百万tokens输入费用为缓存命中0.05元/未命中1.5元，输出4.5元；高峰时段（8:00-24:00）相应调整为0.1元/3元/9元。值得注意的是，新模型引入智能缓存预热机制，可使频繁调用场景下的缓存命中率提升至92%以上。

根据官方公告，本次内测版本将于北京时间9月10日23:59自动终止服务，期间收集的性能数据将用于最终版本优化。

在海外开发者社区X平台上，首批测试用户已公布实测数据。某全栈工程师使用GTX 3090显卡进行压力测试，在复杂逻辑推理场景下取得507 tokens/s的峰值输出速度，较前代提升27%。

更具代表性的测试案例来自前端开发者李某的实践：他要求模型生成包含SVG动画的HTML代码，内容为鹈鹕骑行自行车的2D动态效果。DeepSeek V4.1 Flash仅耗时75.4秒完成全流程渲染，平均输出速度达328 tokens/s，且生成的动画代码兼容性评分高达9.1/10。

另一组对比测试显示，在相同硬件环境下，新模型处理多模态任务的平均速度突破300 tokens/s阈值。测试者张某表示："模型对上下文的理解深度明显提升，特别是在需要结合视觉描述生成代码的场景中，错误率较前代降低63%。"

早期采用者王工程师在技术博客中透露："通过自定义模型微调，我们在金融文本分析场景中实现了912 tokens/s的持续输出，这彻底改变了实时数据处理的游戏规则。"

回顾DeepSeek的产品迭代路线，其技术更新频率呈现明显加速趋势。今年以来已完成：

7月31日：V4 Flash正式版API开启公测，首创动态注意力机制
8月13日：V4 Pro正式版发布，参数规模突破1750亿
同日：Harness开发者预览版（v0.1）开源，支持多框架部署
8月19日：Harness迭代至v0.1.0-rc.8，推理延迟降低至8ms
8月21日：V4 Flash Vision Exp上线，实现文本-图像联合建模
8月31日：Vision Exp模型代码全量开源，获GitHub 4.8k星标

业内人士分析，V4.1 Flash的内测标志着DeepSeek正式进入"周更级"技术迭代周期。结合其近期在多模态融合、动态架构搜索等领域的专利布局，预计第四季度将推出具备实时视频生成能力的下一代模型。