博客 · 分析

DeepSeek V4.1 Flash 开启限时内测 ——新结构、原生多模态，只有两天可测

2026 年 9 月 8 日 · dshbase · 这次内测到底是什么，对 Harness 用户意味着什么

9 月 8 日下午，DeepSeek 在官方交流群里直接丢出一个模型让开发者试用：V4.1 Flash 的中间 checkpoint，只要把模型名改成 deepseek-v4.1-flash-expires-on-0910 就能调用。没有发布博客，没有技术报告，没有 benchmark 表，截至本文写作时 API 的 Change Log 里也没有它。有的只是一段群通知、一个已经能用的接口，和一个写死在模型名里的过期日期——两天之后，它就没了。

这种发布方式即使在 DeepSeek 身上也很少见，也因此特别容易被过度解读。所以在下结论之前，先看清楚：这次内测确认了什么、社区测出了什么，以及 DSH 用户会在哪两处撞上摩擦。

确认的事实，仅此而已

官方原话（群内通知转述）：模型采用了新的模型结构，原生多模态支持、能力更强、速度更快、且成本更低。这就是全部官方信息。下面的内容，要么来自现有价目表上的算术，要么来自社区的实测。

「原生多模态」到底改了什么

DeepSeek 从 8 月 21 日 的 deepseek-v4-flash-vision-exp 就开始铺路了。那个模型能接受图片，但它是外挂式的：在 V4-Flash-0731 的纯文本底座上，外接了一个视觉编码器和一个对齐器，作为独立模型名与文本模型并列。官方当时的说法是，Vision-Exp 在纯文本、推理和 Agent 能力上与普通 V4 Flash 基本相当，提升集中在需要视觉理解的任务上，多模态 Agent 能力「接近 Opus 4.8」。

V4.1 Flash 是 DeepSeek 第一次使用「原生多模态」这个说法——图文在基础模型内部处理，而不是外挂上去。如果正式版延续这个设计，独立的 vision 端点就不再是未来的形态，多模态会成为 Flash 主线自带的属性。

必须说清楚的保留意见：没有参数规模、没有架构细节、没有多模态跑分。「原生」目前是官方形容词，不是可验证的属性。另外有开发者反馈，在 DSH 里这个模型显示为不支持图片——下一节会说明，这更多是客户端目录的问题，而不是模型的问题。

社区测出来的数字

几个小时内，公开社区就出现了大量实测。最一致的结论是：快。

• 延迟与吞吐。 有开发者发一句「你好」，思考时间约 0.3 秒，生成速度瞬间到 159.3 token/s；持续生成稳定在 350 token/s 左右，瞬时能冲到约 420 token/s，也有多人报告 400–500 token/s。对 Flash 线来说，这是数倍级别的变化。
• 同任务对比 V4 Flash Vision-Exp。 国内技术博主做了端到端对比，报告了大幅加速：49k 超长上下文检索 5.2 倍、SVG 代码生成 6.0 倍、Manacher 回文算法 4.6 倍、大型 SQL 生成与优化 5.0 倍、asyncio 异步重构 3.9 倍。
• 视觉的非正式测试。 一位博主发了一张西装照，模型回答「条纹西装」。他以为又是幻觉，打开大图细看——确实是条纹西装。

以上全部只能当方向，不能当规格。它们是自测、单人、且针对一个两天后就会删除的 checkpoint，目前没有任何可复现的评测框架。

关键在于：单价没变，账单照样可能变贵

这正是「成本更低」这个说法最容易掩盖的地方。计费与 deepseek-v4-flash 完全相同——每百万 token，空闲时段：缓存命中输入 0.05 元、缓存未命中输入 1.5 元、输出 4.5 元；高峰时段各翻倍。按美元口径就是熟悉的 Flash 价目：高峰时缓存未命中输入 $0.44、输出 $1.32，非高峰减半；V4 Pro 约为这三倍（$1.32 / $3.96）。

所以「成本更低」不是单 token 更便宜，而是同一个任务用更少算力完成——更少的 token、更少的轮次、更短的时间。它是否体现在你的账单上，完全取决于你的负载。早期用户的实际反馈甚至相反：「5 分钟 10 块钱」「瞬间几十块没了」——生成更快，token 烧得也更快；而 20 并发是内测限制，不是生产配置。

DSH 目前的处境

这个内测模型名不在 Harness 的 catalog 里，由此带来两个实际后果：

• 文本能用，但要手动加模型。 在 Web UI 打开 设置 → 模型，在 DeepSeek 供应商下添加模型，模型 ID 填 deepseek-v4.1-flash-expires-on-0910。base URL 和密钥都不变。周边配置见模型接入教程。
• 图片暂时不能用。 对于 catalog 条目未声明图片输入的模型，DSH 的序列化层会直接拒绝图片内容（UNSUPPORTED_CONTENT）。一个原生多模态的端点在选择器里显示「不支持图片」，是目录缺口而不是模型缺口。有博主正是撞上这一点，改用第三方客户端才测到识图。我们在 Vision 教程 和 Excel 四列全算错那篇 里记录过同一类问题；修复方式是更新 catalog/适配器，预计正式版上线时会跟上。

换句话说：这两天，DSH 适合评估 V4.1 Flash 的文本与 Agent 那一半，不适合评估它的多模态那一半。先分清这一点，再判断这个模型是不是被吹过头了。

DeepSeek 真正在问的那个问题

随内测发放的反馈问卷里有一道很尖锐的题：「DeepSeek V4.1 Flash 中间版本能否全面替换线上的 DeepSeek V4 Pro？」 选项是可以 / 不可以 / 不确定 / 其他。这不是一道常规题。DeepSeek 在问自己最重度的用户：便宜的那一档，是不是已经追上贵的那一档了。

算一下账就明白为什么这么问。V4 Flash 的成本大约是 V4 Pro 的三分之一。如果一个 Flash 级别、且换了新结构的模型能承接相当一部分 Pro 级别的 Agent 工作，DeepSeek 就拿到了一个它非常需要的性价比故事：在 Artificial Analysis 的智能指数上，它目前是 36 分、排第 15——榜首仍是 Claude 与 GPT-6，国内则是智谱（第 7）、Kimi（第 9）、千问（第 13）在前。用新结构在提升能力的同时降低服务成本，是它重回第一梯队最可信的路径。

四十天、三次模型动作、一轮大扩招

把这次内测放回它诞生的时间线里看，会清楚很多：

• 7 月 31 日 —— V4-Flash-0731 正式版上线，架构与规模同预览版，只重做了后训练。Agent 跑分明显抬升：Terminal Bench 2.1 为 82.7、NL2Repo 54.2、DeepSWE 54.4、Toolathlon Verified 70.3。
• 8 月 13 日 —— V4-Pro 正式版发布，API 价格大改（峰谷计费），同时 DeepSeek Harness 开发者预览版开源。
• 8 月 19 日 —— Harness 新版本，补充多模态输入、子智能体协作与工具调用能力。
• 8 月 21 日 —— V4-Flash-Vision-Exp 上线 API；8 月 31 日开放权重。
• 9 月 7 日 —— DeepSeek 宣布约 150 人规模的资深工程师扩招。
• 9 月 8 日 —— V4.1 Flash 中间版本，在交流群里，带着过期日期。

Harness 负责人崔添翼对扩招的表述很直接：这不是常规业务堆人，而是「量的激增引发了复杂度的指数级爆炸」——数据的量、机器与容器的量、训练任务的量、评测任务的量、Agent 环境的量、用户的量、请求的量。这正是这次内测的潜台词：一个更快、更便宜、还多模态的 Flash，恰恰是最会放大沙箱与调度压力的那类模型，而 Harness 就是必须接住它的 Agent 层。

这两天该怎么用

• 有 API 权限的话，今天就拿自己的负载去测，并填问卷——这个窗口就是为这个开的。
• 不要做任何依赖这个模型名活到 9 月 11 日的事情。 名字里写着 expires-on-0910，它说到做到。
• 在 DSH 上： 手动添加模型，短期内选择器里只有文本，等正式版上线后的 catalog 更新。
• 盯三件事： 正式版 V4.1 Flash 是否带技术报告和真实跑分；价格是否真的会变（目前没变）；Harness 的 catalog 是否同时接上新模型名和它的图片能力。

来源：DeepSeek 官方交流群通知（经 Gate News、Hacker News、腾讯新闻转述）；价格来自第一财经转述的官方价目；社区实测来自 LINUX DO、V2EX 及国内技术博主对比；DSH 图片支持缺口来自阿里云开发者社区文章及本站记录。社区数字均为自测、未经独立验证，请据此判断。勘误：欢迎到 dshbase 仓库 提 issue。

全部文章 →