DeepSeek Model Comparison

Compare DeepSeek V4.1-Flash, V4-Pro, the retired V4-Flash, and the R1 distilled models. Benchmark scores, pricing, pros/cons, and use case recommendations.

DeepSeek 模型对比

比较 DeepSeek 模型之间的差异及与替代方案的区别

哪个 DeepSeek 模型适合您？

模型对比

比较规格、性能、定价和用例

从当前默认的 V4.1-Flash，到仍在提供服务的 V4-Pro，再到能在本地跑的蒸馏小模型 — 找到适合您需求的那一个。

模型对比表

• 模型（API 名）
• 总参数
• 激活参数
• 上下文
• 输出
• 最佳用途
• 每百万输出令牌

• V4.1-Flash-1017（deepseek-flash）
• 552B 骨干
• 8B / 16B
• 100万
• 384K
• 图文输入、智能体编码、高吞吐生产
• $0.60 低峰 / $1.20 高峰

• V4-Pro（deepseek-v4-pro）
• 1.6T
• 49B
• 100万
• 384K
• 世界知识问答、深度文本推理，不支持图像
• $1.98 低峰 / $3.96 高峰

• V4-Flash（旧名仍可用）
• 284B
• 13B
• 100万
• 384K
• 已于2026年9月10日退役，请求转给 V4.1-Flash
• 按 Flash 计价

• R1-70B（蒸馏）
• 70B
• 70B
• 128K
• —
• 本地可跑的最大一档推理模型
• 自行托管

• R1-32B（蒸馏）
• 32B
• 32B
• 128K
• —
• 高效本地推理
• 自行托管

• R1-7B（蒸馏）
• 7B
• 7B
• 128K
• —
• 轻量级本地推理
• 自行托管

基准测试对比（官方自测，最高推理强度）

GPQA Diamond

92.4

90.9

89.9

科学问答 Pass@1

Terminal-Bench 2.1

87.9

90.6

82.7

命令行智能体任务

DeepSWE v1.1

62.7

74.2

54.4

真实仓库修复率

CyberGym

83.3

88.1

76.7

安全类任务

Codeforces（Rating）

3348

3471

3289

竞赛编程

HLE（带工具）

60.0

63.9

51.5

人类最后的考试

Agent's Last Exam

25.7

31.8

25.2

综合智能体考试

V4-Pro

• 世界知识更强（GPQA 92.4、HLE 42.7）
• 1.6万亿参数、490亿激活
• 同样 100万上下文与 384K 输出
• 原生 Responses API，适配 Codex，三档推理强度

• 不支持图像输入
• 并发上限只有 500
• 智能体与编码榜单已被更便宜的 V4.1-Flash 反超
• 价格是 Flash 的 3 到 4 倍

V4.1-Flash

• 原生图像输入，目前只有这一档有
• 官方榜单上智能体与编码类普遍超过 V4-Pro
• 并发上限 2500，吞吐更高
• 低峰 $0.60/百万输出，缓存命中 $0.003
• MIT 开源权重，可以自行托管

• 世界知识问答仍略逊 V4-Pro（GPQA 90.9 对 92.4）
• 权重仓库约 510GB，自托管门槛高
• Ollama 只有云端标签，没有可直接拉取的本地量化版

V4.1-Flash 对比其他家的旗舰

• 下面的数字全部来自 DeepSeek 官方模型卡片的评测表（最高推理强度），属于厂商自测，参考就好。
• Terminal-Bench 2.1：V4.1-Flash 90.6，高于 Opus-5.0 的 89.1 与 GPT-5.6 Sol 的 88.8。
• DeepSWE v1.1：74.2，对 Opus-5.0 的 74.0、GPT-5.6 Sol 的 73.0，基本同级。
• Agent's Last Exam：31.8 对 28.6，是这张表里 DeepSeek 领先最多的一项。
• GPQA Diamond：90.9 仍低于 GPT-5.6 Sol 的 94.1 与 Opus-5.0 的 93.4。
• Terminal-Bench 4.0：31.2 对 Opus-5.0 的 51.8，长链条多步任务上差距仍然明显。