8.0
深览指数
产品虎嗅·夕小瑶科技说©··AI 生成
DeepSeek V4.1 Flash实测，花3亿token，14组任务，居然比上代贵
作者对DeepSeek V4.1 Flash内测版进行了深度实测，共投入约3亿token完成14组任务，并与V4 Flash版本进行对比。结果显示，V4.1在原生多模态视觉理解、前端渲染、代码生成速度上有明显提升，但在处理复杂长任务时更倾向于开启多Agent协作，导致总Token消耗和花费反而比前代更高（约贵36%），且长上下文能力存在前后不一致的问题。文章适合对AI大模型能力边界、成本结构和实际应用开发有兴趣的从业者阅读。原文 ↗
核心观点
- ▍DeepSeek V4.1 Flash在原生多模态视觉理解（看图、画图、视觉推理）上进步显著，但复杂任务中倾向开启多Agent协作，导致Token消耗和总花费反而高于前代V4 Flash。
- 01V4.1能直接解释图片内容（如识别海报上的「黄牛」和「OX」），而V4 Flash需要先跑OCR和工具分析，耗时200秒到751秒不等。
- 02V4.1在画图任务中加入了自检和迭代纠错（如嫌鹈鹕像天鹅、小熊头太小），但最终画面仍存在遮挡和接触问题。
- 03在「星光邮局」游戏任务中，V4.1正确还原了角色颜色和关卡布局，V4 Flash则错误地做成了7x7网格，角色变为橙衣小人。
- 04在「孪生素数星系图」任务中，两个模型计算出的58980对素数结果均正确，但V4.1能成功渲染螺旋星系并定位，V4 Flash页面画布为空。
- 0514组并发任务初期，V4.1的吐字速度约为284 Token/s，接近V4 Flash（97 Token/s）的3倍。
- 06在「星光邮局」和网文写作等复杂任务中，V4.1共开启了37个子Agent，导致总Token消耗（游戏+小说超1亿Token）和花费（61.96元 vs 45.47元，贵36%）显著增加。
- 07V4.1生成的十万字网文出现将扫地遍数记乱、A股回测报告中摘要与图表数据不一致（年化15.1% vs 17.8%）等前后对不上的问题。
反方 / 局限
- — V4.1在复杂任务中更倾向多Agent协作带来了更高的Token消耗和成本开销，多Agent产生的交接和返工（如字数核对错误）并未显著提升交付效率。
- — 尽管V4.1吐字速度更快，但在需要工具验证的任务中（如关卡搜索），等待时间反而更长，导致整体交付时间不一定更快。
- — 官方内测问卷直接询问「能否全面替换线上V4 Pro」，暗示V4.1 Flash在定位和能力上仍存在不确定性。
DeepSeekDeepSeek V4.1 FlashDeepSeek V4 FlashDeepSeek V4 Prodeepseek harness原生多模态子AgentToken辞旧迎新（公众号）丸美小沐
18 分钟 · 4 卡片 · 11 资料
读原文 →