大数跨境
首页
>
DeepSeek V4.1 Flash 跑分追平 Opus 5，实测两极分化，开源越做越大，本地部署越来越难
>

DeepSeek V4.1 Flash 跑分追平 Opus 5，实测两极分化，开源越做越大，本地部署越来越难

DeepSeek V4.1 Flash 跑分追平 Opus 5，实测两极分化，开源越做越大，本地部署越来越难 至顶AI实验室
2026-09-17
8
导读：分数不重要，能不能替你干活才重要。DeepSeek V4.1 Flash 一周实测汇总，顺便聊聊：开源模型为什么都不管端侧了

  作者 | ZDTL

来源 | 至顶AI实验室


过去一周，AI 圈有一个绕不开的名字， DeepSeek V4.1 Flash。
9月8 日，DeepSeek 先在交流群里放出限时内测，10 号正式上线，总参数552B，MOE模型，输入激活8B，输出16B，跑得快、成本低，完全开源。
价格依然很诱人，非高峰时段，每百万token 输入1 块钱、输出4 块，缓存命中的输入只要2 分钱，高峰时段翻一倍。
这种价格基本表明Flash就是一个走量的模型，但却被官方摆到了接班4.0 Pro 的位置上，这或许源自其不错的成绩。
在软件工程测试DeepSWE 上，V4.1 Flash 拿了74.2，相比的Claude Opus 5 是74.0，GPT-5.6 Sol 是73.0，V4.1 Flash又一次排在了两家顶级闭源模型的前面。
不过在专家级学科知识的Humanity's Last Exam的评测上，它只有36.8，比Claude Opus5少了近20 分。
分数一出来，国内外的博主几乎同时开测。
国内被打动的是价格和速度，我印象中有篇实测，标题是"降价后熟悉的梁圣又回来了"，当年DeepSeek 靠价格掀桌子的那股劲，又让人想起来了。
内测刚开放就有大量自媒体晒对比，同一批任务，和之前的视觉实验版相比，生成SVG 代码快了6 倍，长文档检索快了5 倍多，每秒三四百token，字几乎是往外喷的。
B 站上"吊打自家Pro"这类标题，一搜一大把。
冷静一点的声音也有，一位UP 主做完六项能力测试，只留了一句"好像有点不一样？"。小红书上一篇实测的结论：道阻且长。
国外博主测得更细，意见也更分裂。
WorldofAI在内测期间就发了完整视频，编程、3D 模拟、网页小游戏、智能体任务、看图，挨个过了一遍，给的评价是又快又省又好用。
可MindStudio 汇总的几项实测，画风完全不一样。
让它写代码画一幅图，59 秒搞定，花了不到2 分钱，效率确实没话说，画出来的东西却明显比同台几个强模型差。让它做个魔方模拟，打开一看有模有样，能转能动，可一打乱就露了馅，色块会莫名其妙地变颜色；点"还原"，它根本没去算怎么解，只是把打乱的步骤倒着放一遍，来回几次，魔方彻底乱套。再让它用画图软件临摹一张肖像，能认出画的是谁，但整张画是平的，没有强模型那种一层层叠上去的笔触。
MindStudio对它的评价是，花架子，看着像样，逻辑混乱。
独立评测机构给出的数字，和这个感觉差不多。
Artificial Analysis的综合智能指数给了它40 分，在同体量的开源模型里已经算很高了，输出速度实测每秒214 token，也很突出。可就在同一张榜上，智谱的GLM-5.3-Flash 拿了42 分，压了它一头，跟最前沿的那几个闭源模型比，差距就更大了。Kingy AI 还做过一个小范围的对照，让它和Qwen3.8-27B 做同一批编程、看图和工具调用任务，Qwen 8 次全过，DeepSeek 过了7 次，胜在花钱少。
回过头再看，夸它的人盯着速度和价格，挑毛病的人盯着活到底干没干对，两拨人各说各的。
同样Terminal-Bench，V4.1 Flash 在2.1 版上是90.6，换成更难的3.0 版就只剩30。同一个模型，测试版本一换，分数差出三倍，一个数字讲出两种故事。
编程跑分标准，大多是写出来的代码能不能通过一套现成的测试，可平时我们交给模型的活，很多压根没有标准答案，我们做一个真能用的小工具，理清一段绕来绕去的逻辑，要把一件事从头办到尾。
魔方模拟就是现成的例子，界面好看，分数也高，偏偏不能用。
我个人始终认为，能干活的模型才是好模型，跑分最高的未必是。
V4.1 Flash确实快和便宜，批量处理文本、写草稿、搭个简单网页、跑自动化流程，这种够用就行的任务交给它，很可能是眼下最划算的选择。
要是打算让它扛那些逻辑要严丝合缝、长流程的任务，先别看排行榜，拿自己手头的真实任务跑一遍再说。
开源了，本地跑得动吗？
前面提到的Kingy AI 那次对照，他有一个观点我很认同，要论在普通电脑上跑本地模型，Qwen 更现实。
这是本地AI应用者最关心的事情，开源了，我能不能直接在本地跑？
上一代Flash 在这件事上其实做的还可以，V4 Flash 总参数284B，社区压缩之后一百来个G，量化后，192G内存的机器就装得下，单台 AI Max+ 495的设备每秒也能出十几个token，整体看还不算太离谱。
到了 V4.1，参数翻了将近一倍，官方放出来的原版权重就有480G 左右，想跑起来，基本得上一台8 卡服务器。
Youtube上有人拿单台DGX Spark 试过，128G 内存装不下，就把大部分权重留在固态硬盘上，用到哪块读哪块。模型跑起来了，可每秒还出不了1 个token，问一句话，等第一个字蹦出来要74 秒，能处理的上下文也只开到2048 个token。
能跑吗，能，能用吗，不能。
目前本地部署最顺利的，是Diffbot 在Hugging Face 上放出的一套方案：把权重狠狠压缩到2 比特左右，塞进两张96G 显存的RTX PRO 6000，单路生成每秒113 个token，4 路同时跑，加起来接近280。
他们拿真实的编程智能体任务连续跑了40 分钟，处理了184 次请求，模型压得太狠，关掉思考模式后，简单任务看不出损失，复杂任务完全拉垮。
其实我们知道，本地AI 最看重的不是算力，是显存，目前看，下周开始交付的512GB 版Mac Studio，量化之后或许装得下，我们等着看实测。
所以想把V4.1 Flash 搬回家的，先掂量掂量手里的显存，别被"开源"两个字晃了眼，用API 调它，一百万token 才几块钱；自己部署，门槛是两张专业卡起，起码20万+。
其实不止DeepSeek一家，我们把今年国产开源模型放到一起，就会发现，现在的开源模型越做越大，端侧似乎被遗忘了。
DeepSeek的Flash，从上一代的284B 涨到这一代的552B；智谱之前的GLM-4.7-Flash，还常被列进适合消费级显卡的推荐名单，到了GLM-5.3-Flash，总参数已经是320B。MiniMax M3 开源出来的权重约428B，Kimi K3 比通义2.4T 的旗舰还要大。
Flash原本的意思是快、轻、便宜，现在只剩便宜。
可日常办公真正用得上的本地模型，恰恰是20B 到100B 这一档，写周报、改文档、总结会议纪要、查资料、写个小脚本，这些活用不着几百B 的模型，要的是在自己电脑上跑得起来，数据不出门。
按现在的硬件，32G 内存的机器能跑三十多B 的量化版，比如Qwen3.8-27B 压缩后只有20G 左右，今年厂商们卖得最卖力的AI PC、统一内存小主机和桌面工作站，对应的正是这个区间。
而国外厂商在这一档并没有缺席，Google 的Gemma 4 有26B 的版本，OpenAI 的gpt-oss 有20B 和120B 两个尺寸，英伟达也有自己的Nemotron 系列。
国产头部厂商里，还在认真做这一档的，几乎只阿里通义。Qwen3.8 这一代，旗舰做到了2.4T，同时开源了一个27B，用的还是最宽松的Apache 协议，而且还足够聪明。
为什么大家都往大了做，原因我觉得也不难猜。
模型大才冲得上排行榜，才撑得起API 生意，发布会上报出一个几百B、上万亿的数字，声势也足，一个 30B 以内的小模型，很难上热搜。
另外，模型厂商也要赚钱，能在端侧用模型的偏C端用户，从来就不是这几个模型厂商的主力付费用户，端侧一旦跑起来，还会影响自家的API生意。
大参数的模型开源，主要针对大型国央企等数据不能上云的公司，他们大多除了部署模型，还会为定制化付费。
所以，开源大参数模型，名声有了，钱也赚了，何乐而不为。
至于端侧，谁让你穷呢….
最后，由衷的致敬阿里通义实验室！



END
本文来自至顶AI实验室，一个专注于对AI计算机、工作站及各类AI相关硬件设备，开展基于真实使用场景评测的研究机构。





【声明】内容源于网络
0
0
至顶AI实验室
一个专注于探索生成式AI前沿技术及其应用的实验室。
内容 51
粉丝 0
至顶AI实验室 一个专注于探索生成式AI前沿技术及其应用的实验室。
总阅读797
粉丝0
内容51