DeepSeek-V4.1-Flash

DeepSeek · 2026-09-10 · 类别未确认

DeepSeek-V4.1-Flash

DeepSeek 新一代非对称 Causal-Encoder-Decoder (CED) 架构的首款多模态 MoE 模型，总参 552B 仅激活 8B 输入与 16B 输出，KV Cache 显存缩减至 1/4；在 Terminal-Bench 2.1 达到 90.6%、GPQA Diamond 90.9%、DeepSWE v1.1 74.2% 与 CyberGym 88.1%，全面替代并下线 V4-Pro。

输入模态: 文本 / 图像 / 代码
上下文: 1M
参数: 552B (8B prefill / 16B decode active)
价格（每百万 tokens）: USD 输入 0.15 / 输出 0.3 · 高峰时段 $0.15/$0.30 每百万 tokens，闲时（00:30-08:30 UTC）减半至 $0.075/$0.15，缓存命中 $0.003-$0.006

本变体的评测证据

terminalbench 90.6% 模型 deepseek-v4-1-flash · 版本 2.1 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-11 · 距快照 23 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Evaluation Results · table: Benchmark Results · row: Terminal-Bench 2.1

{
  "harness": "Terminus-2",
  "tools": [
    "bash"
  ],
  "shots": null,
  "reasoning_effort": "high",
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Hugging Face 官方模型卡明文大表转录，Terminal-Bench 2.1 报告 90.6%。

打开官方来源

gpqa 90.9% 模型 deepseek-v4-1-flash · 版本 Diamond · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-11 · 距快照 23 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Evaluation Results · table: Benchmark Results · row: GPQA Diamond

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": "high",
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Hugging Face 官方模型卡明文大表转录，GPQA Diamond 达到 90.9%。

打开官方来源

deepswe 74.2% 模型 deepseek-v4-1-flash · 版本 1.1 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-11 · 距快照 23 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Evaluation Results · table: Benchmark Results · row: DeepSWE v1.1

{
  "harness": "mini-swe-agent",
  "tools": [
    "bash",
    "editor"
  ],
  "shots": null,
  "reasoning_effort": "high",
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Hugging Face 官方模型卡明文大表转录，DeepSWE v1.1 报告 74.2%，仓库级代码编辑能力显著提高。

打开官方来源

cybergym 88.1% 模型 deepseek-v4-1-flash · 版本未说明 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-11 · 距快照 23 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Evaluation Results · table: Benchmark Results · row: CyberGym

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": "high",
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Hugging Face 官方模型卡明文大表转录，网络安全攻防沙箱 CyberGym 达到 88.1%。

打开官方来源

apex 65.6% 模型 deepseek-v4-1-flash · 版本未说明 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-11 · 距快照 23 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Evaluation Results · table: Benchmark Results · row: MathArena Apex

{
  "harness": "MathArena-aligned",
  "tools": null,
  "shots": null,
  "reasoning_effort": "high",
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: matharena-apex not yet in data/benchmarks/. Hugging Face 模型卡明文大表转录，Apex 竞赛高难度数学基准得分 65.6%。

打开官方来源

hlehle 63.9% 模型 deepseek-v4-1-flash · 版本 with-tools · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-11 · 距快照 23 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Evaluation Results · table: Benchmark Results · row: HLE (w/ tools)

{
  "harness": null,
  "tools": [
    "python",
    "search"
  ],
  "shots": null,
  "reasoning_effort": "high",
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

HLE 人类最后考试带工具评测，得分 63.9%。

打开官方来源

automationbench 54.8% 模型 deepseek-v4-1-flash · 版本未说明 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-11 · 距快照 23 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Evaluation Results · table: Benchmark Results · row: Automation-Bench

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": "high",
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Automation-Bench 长程自动化基准得分 54.8%。

打开官方来源