DeepSeek Advanced 开放权重 可在FlowHunt中使用

DeepSeek V4.1 Flash

DeepSeek V4.1 Flash 是 DeepSeek 开发并于 2026 年 9 月发布的高级层级多模态 AI 模型。作为采用 MIT 许可证的开放权重模型，其训练权重公开可用，您可以自托管、基于专有数据进行微调，或在本地运行而无需依赖 API。100 万 token 的上下文窗口足以容纳整个代码库、长篇技术文档或长时间代理会话而无需截断。

查看更多
DeepSeek V4.1 Flash 是主干参数量为 552B 的混合专家（MoE）模型，原生处理图像和文本，并生成文本。在预填充阶段每个 token 仅激活 8B 参数，解码阶段激活 16B 参数，DeepSeek 称这提高了输入密集型代理工作流的成本效率。它的 KV 缓存远小于 DeepSeek V4-Flash，从而降低了长上下文所需的内存。它还支持可连续调节的推理努力程度设置。
在FlowHunt中试用 返回AI Leaderboard

基准测试

每项分数只显示一次，并标明其在已跟踪模型中的排名及测评方。

与同属Advanced档的模型在同一尺度下对比
  • DeepSeek V4.1 Flash本模型
  • Mistral Large 4本模型在4项中领先3项
  • Claude Sonnet 5.5本模型在4项中领先1项
已验证 独立评测机构，计入排名 自报告 由DeepSeek发布，仅显示，不计入排名
综合

AA Intelligence Index

Independent composite of agent, coding, knowledge and science tests by Artificial Analysis (v4).

来源 ↗

DeepSeek V4.1 Flash 39.5 Mistral Large 4 38.4 Claude Sonnet 5.5 56.0
#19共45个 已验证
编程

DeepSWE

113 long-horizon software tasks written from scratch, graded by hidden tests.

来源 ↗

DeepSeek V4.1 Flash 74.2% Mistral Large 4 61.7% Claude Sonnet 5.5 71.0%
不参与排名 自报告
智能体

Terminal-Bench 4.0

Multi-step professional tasks done by an agent in a command-line terminal.

来源 ↗另有：自报告 31.2%

DeepSeek V4.1 Flash 26.8% Mistral Large 4 26.8% Claude Sonnet 5.5 63.6%
#14共36个 已验证
推理

Humanity's Last Exam

Expert-written questions across 100+ subjects, no tools.

来源 ↗另有：自报告 36.8% (full set; 39.1 text-only subset)

DeepSeek V4.1 Flash 39.2% Mistral Large 4 35.0% Claude Sonnet 5.5 55.0%
#26共44个 已验证

GPQA Diamond

Graduate-level science questions that search cannot answer.

来源 ↗

DeepSeek V4.1 Flash 90.9% Mistral Large 4 无分数 Claude Sonnet 5.5 无分数
不参与排名 自报告

ARC-AGI-2

Novel visual puzzles that cannot be memorised.

来源 ↗

DeepSeek V4.1 Flash 72.9% Mistral Large 4 无分数 Claude Sonnet 5.5 无分数
#13共27个 已验证

DeepSeek V4.1 Flash 适合做什么

自托管与私有化部署

DeepSeek V4.1 Flash 是采用 MIT 许可证的开放权重模型。在自有 GPU 硬件或私有云上运行，可让数据留在您的环境中，避免大规模使用时按 token 计费的 API 成本，或基于专有数据集对其进行微调。

输入密集型代理工作流

其设计在预填充阶段激活更少的参数，DeepSeek 称这提高了每一步都要读取大量上下文的代理的成本效率。

长文档与代码库分析

凭借 100 万 token 的上下文窗口和紧凑的 KV 缓存，DeepSeek V4.1 Flash 可以在单次提示中处理整个代码仓库、长篇合同或大量的工作历史。

图像与文本输入

该模型原生处理图像和文本，因此一次部署即可处理文档、截图和图表。

优势与局限

优势

  • 代理式工作流
  • 自托管与数据私有化部署（开放权重，MIT 许可证）
  • 图像与文本输入
  • 可调节的推理努力程度
  • 超长文档与大型代码库处理（100 万上下文）

局限

  • 自托管 552B 参数的模型需要大量 GPU 基础设施

在FlowHunt中使用

在任意流程中使用DeepSeek V4.1 Flash，并与你自己的工具和知识源搭配。

  1. 1打开一个流程，或从模板创建
  2. 2添加AI Agent或Generator组件
  3. 3在模型选择器中选择DeepSeek V4.1 Flash

相关 AI 模型

关于 DeepSeek Hangzhou, China · 成立于 2023 · deepseek.com

DeepSeek是一家中国AI研究实验室，成立于2023年，作为中国最大量化对冲基金之一High-Flyer的子公司。该实验室于2025年初因DeepSeek V3和R1的发布而广为人知，当时这些模型的发布引发了NVIDIA市值迄今为止最大的单日跌幅，原因在于投资者在了解到DeepSeek报告的较低训练成本后，重新评估了前沿模型开发的资本密集度。DeepSeek在前沿实验室中独树一帜，承诺在发布专有研究的同时发布开放权重模型，并通过活跃的社交媒体平台批评闭源模型的定价策略。尽管多个司法管辖区对中国来源AI模型的监管和安全审查仍在持续，其V系列模型（V3至V4-Pro）在西方仍被广泛用作可自行部署的编码和推理模型。

deepseek.com ↗

浏览完整 AI 模型排行榜

在编程、智能体和推理基准上比较所有收录的模型，每项分数都标明是经过验证还是厂商自报。

← 返回 AI 排行榜 在 FlowHunt 中试用

常见问题