今日，AiPy 官方正式发布《AiPy 适配度评测报告 · DeepSeek-V4.1-Flash（0910）》。报告基于 AiPy Pro 2.0.1 客户端，以 DeepSeek-V4.1-Flash（0910）为执行内核，对 63 项真实办公与开发任务进行了端到端评测，覆盖多模态理解、文档与数据处理、联网检索与调研、系统与桌面操控、代码与工具开发、内容创作与设计六大能力维度，全面评估该模型在智能体场景下的适配表现。
一、核心结论：成功率 93.7%，速度最高 500+ tokens/s，全面超越前代
本次评测中，DeepSeek-V4.1-Flash（0910）在 63 项任务中成功交付 59 项，综合成功率达 93.7%，属于“高可用”水平。这一成绩不仅显著领先同门前代模型，更在速度与成功率两个关键指标上实现了对上一代 Pro 系列的全面超越——新一代的进步，不是小幅优化，而是代际跃升。
速度方面：V4.1-Flash（0910）实测最高输出速度可达500+ tokens/s，大部分回复稳定在高速区间，交互体验接近“秒回”。作为对比，同门前代V4-Flash此前测试最高约218 tokens/s，V4-Pro则不到70 tokens/s——V4.1-Flash（0910）的峰值速度约为V4-Flash的2.3倍、V4-Pro的7倍以上。
成功率方面：V4.1-Flash（0910）以93.7%的成绩，较V4 Pro的88.4%提升5.3个百分点，较V4 Flash的82.6%提升11.1个百分点。这意味着新一代Flash不仅跑得比前代Flash快，成功率也反超了前代Pro——“轻量”与“旗舰”的界限，正在被重新定义。
图 DeepSeek 系列 AiPy 适配度成功率*速度对比
二、评测概况：63 项真实任务，59 项成功交付
本次评测围绕“AiPy 适配度”展开，即在真实客户端环境中，模型能否理解用户意图、正确调用本地工具与联网能力、并最终产出符合要求的交付物。63 项任务全部来自真实办公、开发与生活场景，且均要求产出可交付的实体文件（HTML／Word／PPT／PDF／图片／音视频／可执行程序），而非单纯的问答对话。
图 63项任务结果分布
核心结论：DeepSeek-V4.1-Flash（0910）在 AiPy Pro 2.0.1 上的整体适配度达到 93.7%，其中文档与数据处理、代码与工具开发、内容创作与设计三大维度实现 100% 通过，说明模型在“结构化数据—可交付文件”这条主链路上非常稳定。
三、能力亮点：四大维度实现 100% 成功率
在细分能力维度上，DeepSeek-V4.1-Flash（0910）表现亮眼：多模态理解（1/1）、文档与数据处理（13/13）、代码与工具开发（9/9）、内容创作与设计（10/10）均实现 100% 成功率；联网检索与调研达到 90.5%（19/21）。
图 六大能力维度成功率
满分维度的共同点是“输入明确、产出可校验”，模型能够稳定地读取文件、写代码、生成 HTML／Word／PPT／PDF，并在本地落盘。
四、短板与洞察：系统级集成仍是待打通环节
评测也揭示了模型的适配短板：系统与桌面操控维度成功率为 77.8%（7/9），失败集中在需要深度操控本机应用（日历、绘图软件）以及图表渲染完整性要求极高的场景。4 项失败中有 3 项属于“系统级集成”问题——模型理解意图没问题，但工具调用链路、应用适配层或结果校验环节存在断点；另有 1 项属于“模型输出格式与下游流程不匹配”，可通过格式约束与自动重试缓解。
图 4项失败任务归因（语义归纳）
值得注意的是，这些失败并非模型“不会做”，而是调用链路与权限边界尚未完全打通，属于工程适配问题而非模型能力短板。
五、资源特征与优化建议
从资源消耗看，任务耗时中位数远低于均值，说明大部分任务可在 1 分钟内完成，简单查询类任务仅需 10 至 30 秒，符合 V4.1-Flash（0910）“极速响应”的定位。少数长尾任务会显著拉高总耗时，最长任务为“俄罗斯方块游戏开发”，耗时 13849 秒、累计消耗超 600 万 tokens，但最终成功交付，体现了长链路任务的稳定性。
图 各任务耗时分布（对数刻度，红点为失败任务）
图 各能力维度单任务 Token 消耗分布
-
针对系统操控类任务，补齐应用适配层并增加操作结果校验，避免“生成了中间文件但未真正完成任务”。
-
对图表生成类任务，增加渲染后自检与缺失图片兜底重绘，提升交付物完整性。
-
对需要结构化数据输出的任务，强化格式约束与自动重试，降低下游流程中断概率。
六、结语
DeepSeek-V4.1-Flash（0910）是深度求索于 2026 年 9 月 8 日开启限时内测的中间版本大模型，采用全新模型结构，在架构层面原生支持多模态输入，最长支持 100 万 tokens 上下文，计费标准与 DeepSeek-V4-Flash 持平。
从 V4 Flash 到 V4 Pro 再到 V4.1 Flash（0910），DeepSeek 系列在 AiPy 上的适配度呈阶梯式上升。V4 Pro 以 88.4% 证明了“能力优先”路线的高度，V4 Flash 以 138 秒的平均耗时守住“效率优先”的底线，而 V4.1 Flash（0910）则在两者基础上进一步把成功率推到 93.7%，峰值速度提升至 500+ tokens/s——既保留了 Flash 系列的响应速度优势，又在复杂任务稳定性上向 Pro 看齐甚至反超。
新一代远远超过前一代，无论是成功率还是速度，甚至超过了前一代的 Pro 系列。这标志着国产大模型在“智能体适配”这一关键赛道上，正加速进入“前沿智能、普惠成本”的新阶段。AiPy 将持续推进模型适配评测工作，为用户提供更优质的智能体服务体验。
