DeepSeek V4.1 Flash 正式上线,9 月 14 日 12 点起原 V4 Pro 请求将全部路由至新模型,并按 Flash 价格计费。本次更新不仅将长上下文成本打至新低,还同步推出开箱即用的 DeepSeek Harness 桌面版,整合了编码、Agent、视觉等多维度能力,被业内称为 “梁圣回归”。 一、产品核心:价格大幅下探,长上下文成本迎来拐点
本次更新最直观的冲击是价格与成本:缓存输入成本降低 7 倍以上,输出成本下降三分之二,长任务的上下文消耗大幅减少。
架构层面,V4.1 Flash 采用 552B 参数的 MoE 架构,输入仅激活 8B、输出激活 16B,搭配 196B 的 Engram 记忆参数,通过稀疏查找访问;支持 1M 上下文窗口,最大输出 384K,且首次原生支持视觉能力。
核心优化在于 KV 缓存,每 token 缓存压缩至约 890 字节,仅为上一代的四分之一,硬件存储需求降至八分之一,从根源上降低了长 Agent 任务的运行成本。
基准测试中,它在软件工程基准 DeepSWE v1.1 上超过 GPT-5.6 Sol 与 Claude Opus5,多项编码与 Agent 基准追平甚至超越头部闭源模型;但在复杂科学任务、高阶图像分析上,和顶级闭源系统仍有差距。 二、Harness 桌面版:Agent 工具从命令行走向开箱即用
伴随新模型同步更新的 DeepSeek Harness 桌面版,解决了此前命令行版本配置繁琐、报错不透明的痛点。 此前命令行版本需要手动配置、安装插件,报错仅提示失败,无步骤信息,排查成本极高;桌面版实现一键接入,可视化展示配置错误与运行节点,问题定位效率大幅提升。
功能层面和原有版本完全一致,支持本地 Agent 任务、代码生成与自动化操作。 目前产品仍存在少量体验问题:手机联动功能配置困难,实测无法正常传输消息;旧版本遗留的 “请求扩展准备失败” 问题仍偶有出现,任务卡壳概率依然存在。
三、多场景实测:从简单游戏到城市模拟,视觉能力跃升
多轮实测覆盖从轻量到复杂的全场景,新模型表现出明显的能力整合特征。 轻量测试中,单句指令生成的模拟小车采用手写 WebGL 实现,无外部依赖、双击即可运行、断网也可正常使用,完成度超出预期。
经典游戏 Crossy Road 测试中,V4.1 Flash 生成速度更快,但角色碰撞、操作稳定性略逊于 GLM 5.3 Flash。
3D 场景测试出现能力反转:日系郊区街道、像素山谷等复杂场景中,V4.1 Flash 在画面质感、光影氛围、视角交互、角色动画上全面领先,支持昼夜切换、全局俯瞰、快捷键交互,视觉表现相比前代有明显跃升。
高难度城市模拟测试中,复刻《城市:天际线》的浏览器版项目耗时约 2 小时,成功实现道路修建、地形编辑、天气变化、车流寻路,甚至内置了自洽的微观经济面板,完整度与可玩性均达到较高水平。
四、体验总结:价格是入场券,省心才是核心竞争力
本次更新最核心的变化,是打破了过去 “Flash 做轻量、Pro 做深度、Vision 做看图” 的模型边界,将分散在不同版本的能力整合到同一个模型中,用户无需再根据任务频繁切换模型。 在行业价格战的背景下,便宜只是入场券。
如果模型频繁出错、需要人工反复盯梢纠偏,省下的 Token 成本最终会被注意力成本抵消。
从实测来看,V4.1 Flash 在性价比、能力广度上优势显著,若后续能修复桌面版的小问题、提升任务稳定性,将重新定义高性价比大模型的基准线。