说明：本文为 Fireworks AI 官方 X 长文（@FireworksAI_HQ，2026 年 9 月 15 日发布）的全文中文翻译，原题为《DeepSeek-V4.1-Flash on Fireworks: Astra-level DeepSWE at 1/15th the cost》。译文力求忠实原文。
上周，Fireworks 发布了最新的 DeepSeek-V4.1-Flash。在将它投入一整套基准测试之后，结果显示，它在质量、速度、成本等关键权衡上树立了新的帕累托前沿。在 DeepSWE 上，它以每任务 1/15 的价格达到了 GPT-6 Astra 级别的编码准确率。
开发者们经常问我们：该如何挑选合适的模型？现实是，模型只是地图上的一个点，而你的应用是一整套系统。AI 的能力是参差不齐的（jagged）——一个模型可能在某类任务上表现出色，在另一类任务上却步履蹒跚。既然没有任何一个模型能在所有场景中取胜，工作负载设计的关键就在于把正确的模型匹配到正确的任务上：无论你需要的是低延迟处理，还是面向复杂推理的深度计算。
下面我们就来看看 DeepSeek-V4.1-Flash 在不同工作负载下的真实表现，以及它适合放进你技术栈的哪个位置。
DeepSeek 在 DeepSWE 帕累托前沿上的表现
我们评测了 DeepSWE 基准，观察各模型如何在准确率与每任务成本之间取得平衡。
在质量上，这四款模型属于同一梯队：它们在 DeepSWE 上的 pass@1 成绩全部落在 0.7 分 的范围之内，而我们测得的运行间波动为 1.4 到 3.2 分，所以这一组里没有任何模型在质量上明显领先。真正的分化完全体现在成本上：Fireworks 上的 DeepSeek-V4.1-Flash 以 每任务 0.43 美元 的价格提供了同样的准确率区间——成本仅为 Gemini 3.8 Flash 的 1/5.5、GPT-6 Astra 的 1/15、Claude Opus 5 的 1/28。
新的 DeepSeek-V4.1-Flash 从根本上改变了自主软件工程任务的单位经济学。在 GPT-6 Astra、Opus 5 这类昂贵的闭源模型上跑高迭代次数的 Agent 工作流、多轮 bug 扫描或大规模测试生成，会迅速烧穿工程预算。而在 每任务 0.43 美元 的价位上，前沿级的 SWE Agent 第一次可以作为持续运行的后台基础设施变得可行。有了 DeepSeek V4.1 Flash，一次 Astra 调用的钱，现在可以跑 15 次自主编码尝试。
深入底层：全新的分离激活架构
DeepSeek-V4.1-Flash 是 DeepSeek 新架构家族中最小的模型，并带来了一些新的架构增强。
它是一个 552B 参数的 MoE 模型，采用了全新的编码器–解码器分离架构（encoder–decoder split）。在这种架构下，模型不再为整个前向传播过程设置单一的激活预算，而是把它拆成 输入侧 8B 激活参数与 输出侧 16B 激活参数。这一设计效率更高，让 token 花费更加经济。
这种不对称恰好契合编码 Agent 的运行方式。一条典型的 Agent 轨迹是极度“输入偏重”的：编码 Agent 往往要反复读取文件、反复读取自己的草稿板、反复读取工具输出，最后只输出一小段相对精简的补丁。在我们的 DeepSWE 运行中，模型每任务消耗 3690 万输入 token，而输出仅 21.1 万 token，比例高达 174:1。这种架构让开发者在通常占 token 大头的输入侧，把算力开销省下一半。
KV Cache 优化
与上一代 DeepSeek V4 相比，DeepSeek 提升了 DeepSeek-V4.1-Flash 的 KV Cache 利用率：HBM（显存）占用只需原来的 1/4，SSD 存储占用只需原来的 1/8。
这项新的 KV Cache 优化为你的编码 Agent 带来了更好的经济学。以下是我们这次 DeepSWE 运行中的实际开销：
大多数人以为 Agent 的开销主要花在模型生成的内容上。然而在一个长时间运行的 Agent 循环里，大头花费其实来自反复读取同样的上下文。这种由重复任务造成的花费循环，使得 KV Cache 显存占用降低 4 倍对 token 支出的影响格外大——它直接瞄准了 Agent 设计中最大的成本驱动因素，在保住 74% 档 DeepSWE 分数的同时把成本压低了 15 倍。SSD 开销降低 8 倍则与 HBM 优化形成互补，让长轨迹中的缓存命中率保持在接近 99%。
Terminal-Bench 2.1：质量只差 1 分，价格便宜 12 倍
在另一类任务上，我们看到了类似的情况——DeepSeek-V4.1-Flash 正以极低的成本逼近前沿水平。
Terminal-Bench 2.1 上的成绩与 Astra 只相差 1 分，但两者的经济学差异非常显著。DeepSeek-V4.1-Flash 平均消耗的输出 token 约为 Astra 的 4 倍，也就是说它“想”得更久、写得更多。单看输出定价，它就已经便宜了 20 倍。把未缓存输入、缓存命中和输出全部加总，DeepSeek-V4.1-Flash 在质量几乎相同的情况下，每任务成本低 12 倍。
HLE 与“神谕路由”评测
我们运行的第三个基准是“人类最后的考试”（Humanity's Last Exam，简称 HLE），这是一个多模态基准，用于衡量大模型在研究生级学术科目上的能力极限。在这项测试中，我们还用“神谕路由”（oracle router）做了一些评测，方法与我们此前评测 Kimi K3 和 DeepSeek V4 Pro 时相同。简单回顾一下：神谕路由是一种测量理论最佳性能的方法——把任务分别交给每个模型运行，然后挑出成本最优的正确答案，以此确立成本与性能的上限。
在 HLE 上，DeepSeek-V4.1-Flash 单独运行时落后于 Astra。这说明，与 HLE 这类推理任务相比，DeepSeek 单独使用更适合 DeepSWE 这类 Agent 编码任务。如果你的工作负载只有高难度科学推理，这可能不是正确的选择。
真正有趣的结果来自神谕路由，它展示了路由与多模型系统的重要性。Astra 加 DeepSeek V4.1 的神谕路由组合，表现超过了单独的 GPT-6 Astra。这 4.4% 的差距之所以可能出现，是因为 V4.1-Flash 正确回答了一部分 Astra 会答错的题目：34.52% 并不是 50.40% 的子集——两个模型做错的题目并不相同。需要考虑的是，神谕路由代表的是你的应用可能达到的上限。真实的路由器未必能完全吃到这 4.4 个百分点的差距，但神谕路由展示了一种可能性：一组模型组成的系统可以超越单独一个 Astra 模型。
开始使用 DeepSeek-V4.1-Flash
Fireworks 的 DeepSeek-V4.1-Flash 树立了新的成本–性能基线：以每任务 1/15 的成本，在编码准确率上比肩 GPT-6 Astra 等顶级模型。其 552B MoE 设计采用分离的输入/输出激活预算，并配合削减显存占用的 KV Cache 升级，为你的编码 Agent 带来更好的经济学。它在复杂学术推理上仍有差距（HLE 上 34.52%，Astra 为 50.40%），但由于它与 Astra 的错误分布并不重叠，把两者组成路由系统反而能超越单独的 Astra——而预算只是零头。
今天的上手方式：直接在 Fireworks Serverless 上使用 DeepSeek-V4.1-Flash，生产工作负载可使用专属容量（Dedicated Capacity）。面向受监管行业的美国本土托管端点即将推出，敬请关注。
如果你有兴趣，欢迎联系 Fireworks 团队获取后续的训练支持。
正在用它跑你自己的工作负载？他们很乐意听听你的体验——去原帖下方 @ 他们，告诉大家你在构建什么！
原文出处：DeepSeek-V4.1-Flash on Fireworks: Astra-level DeepSWE at 1/15th the cost（@FireworksAI_HQ，X 长文，2026-09-15）。本文为中文翻译，版权归原作者所有。