DeepSeek-V4.1-Flash 对比 V4-Pro 与 V4-Flash：基准测试、定价与吞吐全解析

DeepSeek 在 2026 年 9 月 10 日发布了 DeepSeek-V4.1-Flash 的模型卡，而里面的数字对 V4-Pro 用户来说有点尴尬。这个更小、更便宜的模型，在 DeepSeek 列出的每一项编码和 Agent 基准测试上都高于旗舰型号，高峰时段每 token 成本低 70% 到 77%，并且从 9 月 14 日起它会完全吸收 V4-Pro：所有 deepseek-v4-pro 请求都会被路由到 V4.1-Flash，并按 Flash 的价格计费。

这不是常见的“小模型对大模型”的取舍，而是一场带有截止时间的对比。如果你在生产环境里跑 V4-Pro，你只有四天时间去搞清楚重路由生效后会发生什么变化。如果你跑的是 V4-Flash，变化已经发生：今天 deepseek-v4-flash 这个名字已经由 V4.1-Flash 提供服务。

下面依次是：三款模型在架构、DeepSeek 公布的基准测试、美元定价和吞吐上的对比，然后是一套工作流，让你在切换前用同一组 prompt 分别在 Apifox 里跑 deepseek-v4-pro 和 deepseek-flash，对比输出、延迟和用量计数。想深入了解架构，先读 DeepSeek-V4.1-Flash 是什么；迁移清单请见 V4-Pro 退役指南。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

TL;DR

• V4.1-Flash 在 DeepSeek 自家基准测试上胜出。 最亮眼的是 DeepSWE v1.1：74.2，而 V4-Pro 是 62.7，V4-Flash 是 54.4。
• 它是三者中最便宜的。 高峰时段缓存未命中的输入价格为每 100 万 token $0.30，而 V4-Pro 是 $1.32，旧的 V4-Flash 是 $0.44。
• 它是为吞吐而生的。 prefill 阶段 8B 激活参数，KV cache 每 token 890 字节，并发上限 2,500。
• 9 月 14 日之后只剩一个选择。 V4-Pro 的流量会重路由到 V4.1-Flash。问题变成你会得到什么、失去什么，而不是选哪一个。

规格对比

V4.1 这一代是全新架构，不是重新做后训练。DeepSeek 称其为 Causal Encoder-Decoder（CED）：40 层拆成 20 层 encoder 和 20 层 decoder，每层有 384 个路由专家外加 1 个共享专家。模型卡显示主干网络为 552B 参数（含视觉编码器为 763B）。

值得注意的细节是激活参数的拆分：V4-Flash 每个 token 都花 13B，而 V4.1-Flash 在输入上花 8B、在输出上花 16B，而质量恰恰在输出上。

基准测试：这 11.5 分从哪来

下面的每一个数字都来自模型卡，由 DeepSeek 自己报告。目前没有公开发表的独立测试结果，退役通知里那句“由多方测试”也没有点出是谁。请把它们当作厂商声明，用自己的 prompt 去验证。

DeepSWE v1.1（比 Pro 高 11.5，比 V4-Flash 高 19.8）。 这是最亮眼的数字，也是唯一大到足以改变决策的差距。DeepSWE 衡量的是多文件软件工程任务，也就是编码 Agent 整天都在跑的工作负载。如果它在你自己的仓库上成立，那 V4.1-Flash 的编码能力就超过了贵四倍的模型。

Terminal-Bench 2.1（+2.7）。 Shell 驱动的 Agent 任务。V4-Flash-0731 在 7 月就已经在这项上赢了 V4-Pro-Preview；V4.1 把领先优势扩大到接近 3 分。是真实提升，但不算决定性。

HumanEval（+2.6）和 GSM8K（+0.4）。 两项都接近饱和：所有模型在 GSM8K 上都超过 90，而 HumanEval 对生产代码的参考价值有限。不要给这两行太大权重。

MiniMax M3 vs DeepSeek V4 vs Qwen 3.7 里有 V4 一代与其他开源模型的数字对比；但都还没有包含 V4.1。

成本：三款模型，六档价格

高峰时段是周一至周五的 01:00 到 04:00 以及 06:00 到 10:00 UTC，其余时间都是非高峰，价格减半。费率均为每 100 万 token，出自定价页，自 9 月 10 日起生效。V4-Flash 的两行使用它 2026 年 8 月 21 日的美元费率，作为“变更前”的对照列。

相比 V4-Flash，V4.1 把缓存命中输入降低约 57%，缓存未命中输入降低约 32%，输出降低约 9%。相比 V4-Pro，高峰时段的缓存未命中输入降低 77%，输出降低 70%。

一个月的实例测算。 假设某个编码 Agent 每月处理 2B 输入 token，缓存命中率 70%（system prompt 和仓库上下文在多轮之间复用），并产生 300M 输出 token，全部按高峰时段计。

这比 V4-Pro 少 73%，把批处理任务挪到非高峰时段还能再减半。输出 token 在每一列里都占大头，所以输出降价 70% 比缓存命中那个标题数字更重要。V4.1-Flash 定价拆解里有缓存命中的算法说明。

速度与吞吐

DeepSeek 没有公布每秒 token 数，所以吞吐这件事只能靠三个架构事实和一个轶事来支撑。

• KV cache 每 token 890 字节。 FP4 主 KV 缓存把全局缓存压到大约 V4-Flash 的四分之一。发布说明里写的是上一代 HBM 的 1/4、SSD 存储的 1/8。完整的 1M token 上下文大约需要 0.9 GB 缓存。
• prefill 阶段 8B 激活参数。 每个输入 token 的计算量低于 V4-Flash 的 13B，所以大上下文下的首 token 延迟应该会下降。
• 并发 2,500 对 500。 被重路由的 V4-Pro 流量会继承 Flash 的上限，对 Agent 集群来说是 5 倍的提升。
• 一位用户的报告：“接近 400 t/s”。 一位 X 用户在 beta 期间通过视频测试发了这个数字；这是轶事，不是基准测试。HN beta 帖里也基本是同样的热情。

在相信这一切之前，先测你自己的 p50 和 p95。

9 月 14 日之后你会失去什么、得到什么

切换之后就不存在“该选哪个模型”这个问题了。deepseek-v4-pro 会变成一个别名，所以更诚实的说法是列一张收支表。

你会得到： 所有列出的基准测试分数都更高、高峰价格低 70% 到 77%、5 倍并发、不需要单独的视觉模型 id 就能原生输入图片，以及一个 DeepSeek 称为可在 1 到 100 之间连续调节的 reasoning-effort 旋钮。

你会失去： 锁定 V4 一代 checkpoint 的能力。为 V4-Pro 的风格、啰嗦程度或 tool call 格式调过的 prompt 可能会漂移。输出长度和 reasoning token 数量可能变化，而这会以费率表看不出来的方式改变你的账单。而且重路由是按 DeepSeek 的时间表发生，不是按你的。

正因为有这第二条清单，你才应该在 14 日之前做对比，而不是之后。

切换前在 Apifox 里对比 V4-Pro 和 V4.1-Flash

Apifox 测的是 API 层，所以它正是用同一组 prompt 跑两个 model id、并对比返回结果的地方。

1. 添加接口。 新建一个项目并添加 POST https://api.deepseek.com/chat/completions，或者导入 OpenAPI 规范。
2. 把 key 和 model id 放进环境。 存好 DEEPSEEK_API_KEY 和一个 MODEL 变量。创建两个环境：v4-pro 用 MODEL=deepseek-v4-pro，v41-flash 用 MODEL=deepseek-flash，然后分别以 Bearer {{DEEPSEEK_API_KEY}} 放在 header 里、"model": "{{MODEL}}" 放在 body 里引用。
3. 把真实 prompt 存成请求。 挑 20 到 30 条能代表生产环境的 prompt：你的 system prompt、一轮 tool call、一次长上下文摘要、一次多文件代码修改。每条都用 stream: false 保存，这样 usage 对象会出现在响应体里。
4. 对影响账单的字段做断言。 用保存的请求构建一个测试场景，并对 usage.prompt_tokens、usage.completion_tokens 和 usage.prompt_cache_hit_tokens 添加断言。记录每一步的响应时间，再加一个前置脚本，把环境名写进 header，方便给每次运行打标签。
5. 每个环境各跑一次，然后对比。 先在 v4-pro 下跑场景，再在 v41-flash 下跑。对比 completion token 数（重路由会改变你的输出账单）、每一步的延迟，以及内容本身是否有格式漂移。
6. 14 日在 CI 里重跑。 切换时在你的流水线里用 apidog-cli 跑同一个场景。重路由弄坏的东西会变成一条失败的断言，而不是一张支持工单。

同样的对比，用脚本实现：

import os, time
from openai import OpenAI

client = OpenAI(api_key=os.environ["DEEPSEEK_API_KEY"],
                base_url="https://api.deepseek.com")

prompt = "Make payment retries in the checkout service idempotent. Return a unified diff."

for model in ("deepseek-v4-pro", "deepseek-flash"):
    start = time.perf_counter()
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    print(model, f"{time.perf_counter() - start:.2f}s",
          r.usage.prompt_tokens, r.usage.completion_tokens)

FAQ

V4.1-Flash 在编码上比 V4-Pro 更好吗？ 按 DeepSeek 公布的数字，是的：DeepSWE v1.1 上是 74.2 对 62.7，Terminal-Bench 2.1 上是 90.6 对 87.9。关于 V4 一代与 Claude 在编码上的对比，见 DeepSeek V4 与 Claude Opus 编码对比。

9 月 14 日我的 V4-Pro 集成会怎么样？ 从 04:00 UTC 起，每个 deepseek-v4-pro 请求都由 V4.1-Flash 提供服务，并按 Flash 的费率计费。你的代码照常能跑，只是背后的模型换了。完整清单见迁移指南。

我需要把 deepseek-v4-flash 改名成 deepseek-flash 吗？ 目前不用。deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 仍然被接受，并由 V4.1-Flash 提供服务。DeepSeek 还没有给出下线日期，所以下次动配置的时候顺手换成 deepseek-flash 就行。

V4.1-Flash 比 V4-Pro 更快吗？ DeepSeek 说是，但没有公布任何数字。架构支持这个说法：prefill 阶段 8B 激活参数，KV cache 只有 V4-Flash 的四分之一。还是自己测吧。

我还能在别的地方跑 V4-Pro 吗？ 14 日之后不能在 DeepSeek 的 API 上跑。V4 一代的背景见《DeepSeek V4 是什么》；V4.1-Flash 的权重以 MIT 许可发布在 Hugging Face 上。

简而言之

V4.1-Flash 同时做到了更小、更便宜、分数更高——至少在厂商的表格上是这样，而那张表格没法告诉你它对不对你的 prompt 更管用。这周就在 Apifox 里用同一组 prompt 跑这两个 model id，把差异留档，你就能在用户之前知道 9 月 14 日会发生什么。

HiFox ：将 Agent 变成真正的队友

另外，我们也在思考，AI 如何从个人提效走进团队协作。

HiFox 是一个让人和 AI Agent 在同一个工作现场协作的平台：你可以像给同事分派任务一样指派 Agent，在任务看板中跟踪进度、查看结果，让 Agent 成为团队里的队友。

👉 立即体验 Hifox：https://hifox.com

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。