DeepSeek V4.1 Flash

深度求索的全部模型 →国内视觉模型综合智力第 32 名

便宜、能读长文、会看图的开源模型

加入对比查看评测视频

聪明世界#32

编程很强自报

记性1M

便宜$0.94

记性换算成体感：一次能读完《哈利·波特》全七部

DeepSeek V 系列的视觉模型 · 按发布时间

共 5 个 · 深度求索的全部模型 →

她的营地

电脑

没有公开的编程评测成绩

书架

5 层 · 记忆 1M tokens

黑板

数学与科学推理

日历

知识停在 2025-05

冰箱

支持上下文缓存，能存记忆

敞开的门

开源权重，谁都能进

身世

发布日期: 2026 年 9 月 8 日vercel-gateway
知识截止: 2025-05
参数量: 557.17B
开放权重: 是
开源许可: MIT
上下文窗口: 1M tokens
单次最大输出: 384K
输入价格: $0.23 / 百万 tokens
输出价格: $0.94 / 百万 tokens
模型类型: 视觉除了文字还能看图片或视频，输出文字
支持的输入: 图像、文字 → 文字
工具调用: 是
深度思考: 是
提示缓存: 是

战绩

综合智力: 155.6
AIME 数学: 98.3%
GPQA Diamond 科学: 89.8%
ARC-AGI-2 抽象推理: 72.9%
Fiction.liveBench 长文本: 未定级

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录，不代表它做不到——本站不会用估算值填补空缺。

编程战绩（按赛制分列）

DeepSWE74.2%
SWE-bench Verified 的一个变体测法，用不同的 agent 脚手架跑同一批题。厂商自报
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
Terminal-Bench90.6%
把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
NL2Repo64.0%
从一段自然语言需求直接生成一整个可运行的代码仓库。厂商自报
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
FrontierCode43.9%
Cognition 出的高难度代码题集，面向前沿模型。第三方实测
https://cognition.com/frontiercode
ALE-Bench1092
AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测
https://epoch.ai/benchmarks
WebDev Arena1614 Elo
让两个模型各写一个网页，由人来投票选哪个更好，按对战胜负算 Elo 分。考的是前端开发的实际观感，和「能不能修复一个后端 bug」不是一回事。第三方实测
https://epoch.ai/benchmarks

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

全部成绩（按榜单分列）

名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。

综合

综合智力155.6第 32 / 223
Epoch Capabilities Index，把十几项学术评测归并成一个总分。想看综合实力，先看这一栏。第三方实测
https://epoch.ai/benchmarks

数学

FrontierMath67.4%第 33 / 112
由职业数学家出的原创难题，连数学博士都要花几小时甚至几天。分数是解出的比例，能过一成就是前沿水平。第三方实测
https://epoch.ai/frontiermath
FrontierMath 第四层26.8%第 37 / 84
FrontierMath 里最难的一层，研究级别的问题，绝大多数模型接近零分。第三方实测
https://epoch.ai/frontiermath
AIME 数学98.3%第 23 / 205
美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测
https://epoch.ai/benchmarks
ProofBench54.0%第 30 / 96
不是算出答案，而是写出完整证明并由人评判。考的是数学推理的严谨程度。第三方实测
https://www.vals.ai/benchmarks/proof_bench

知识与推理

GPQA 科学89.8%第 49 / 209
博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测
https://epoch.ai/benchmarks
ARC-AGI-272.9%第 18 / 117
看几组图形样例找规律的智力题，人类轻松、模型艰难。专门测「没见过的题会不会做」。第三方实测
https://epoch.ai/benchmarks
ARC-AGI（第一代）94.5%第 15 / 116
ARC-AGI 的第一代题库，已被第二代取代。第三方实测
https://arcprize.org/
SimpleQA 事实问答42.9%第 50 / 108
一问一答的冷门事实题，测的是「知不知道」和「会不会瞎编」。分数低的模型更容易一本正经地胡说。第三方实测
https://www.kaggle.com/benchmarks/deepmind/simpleqa-verified
CritPt 物理14.3%第 41 / 178
研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测

智能体

APEX 专业任务39.5%第 41 / 63
投行、律所、咨询公司的真实工作任务，由业内专家出题与评分。第三方实测
Surface Evolver46.3%第 17 / 34
用一款专业的曲面数值软件完成计算任务，考的是驾驭陌生专业工具的能力。第三方实测
https://yhenon.github.io/surface-evolver-llm-eval/

游戏与谜题

国际象棋残局48.0%第 17 / 108
给一个棋局找出最佳着法。分数是解对的比例，随机乱走约 5 分。第三方实测
https://epoch.ai/benchmarks/chess-puzzles
推理游戏谜题43.0%第 14 / 104
Epoch 自建的一组推理小游戏，测的是在规则未知的环境里摸索规律。第三方实测
https://epoch.ai/benchmarks

其他

Dtbench89.9%第 54 / 211
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://conceptualreasoning.ai/dtbench
Furniture Assembly34.2%第 23 / 40
Epoch AI 收录的评测，暂无中文说明。第三方实测
Lmca47.0%第 29 / 195
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://conceptualreasoning.ai/lmca
Weirdml V36.0%第 17 / 19
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://htihle.github.io/weirdml.html

B 站上的 DeepSeek V4.1 Flash 实测6 个视频

在 B 站搜「DeepSeek V4.1 Flash 测评」↗

以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。

广告API 优惠：硅基流动Novita火山方舟