DeepSeek V4.1 Flash以七十分之一成本拿下81.2分,Sahara AI(SAHARA)叙事承压

81.2对82.7:基准测试的分差

DeepSeek的V4.1 Flash在OpenDesign Arena的网页设计评测中拿下平均81.2分,结果于9月11日公布,与领跑13款模型的OpenAI GPT-6 Astra(82.7分)仅相差1.5分。AI排行榜头部的性能差距已经缩窄到接近噪音的水平——但两款模型之间的成本差距丝毫没有缩窄。

OpenDesign Arena考察的是模型的实战设计能力:网页应用、数据面板、移动端界面和落地页,评判标准包括需求完成度、版式布局、视觉层级、配色以及交付物的整体完成度。按照这套评分体系,V4.1 Flash以81.2分位列第二,超过Anthropic的Claude Fable 5.1——后者在同一评测中得分为80.3。

真正让DeepSeek这款模型脱颖而出的,是它的经济账。单个设计任务的平均成本,V4.1 Flash仅为0.023美元,而GPT-6 Astra要1.61美元,大约只有七十分之一的价格;Claude Fable 5.1更高,达3.66美元每任务。速度上V4.1 Flash同样占优:平均5.3分钟完成一个任务,Astra需要11.1分钟,Claude Fable 5.1则需要12.8分钟。

质量维度的差距则要保守得多。无需修改即可直接使用的交付物比例,GPT-6 Astra为60%,V4.1 Flash为57.7%,Claude Fable 5.1为56.7%——前两名之间只差2.3个百分点。这一提醒很重要,因为OpenDesign Arena只衡量网页设计这一个垂直领域。设计上的接近并不等于V4.1 Flash在编程、推理或科研上与GPT-6 Astra整体持平,DeepSeek自己也未做此宣称。但数据至少说明一点:在企业真正为生成式设计付费的任务类别里,原始性能已不再是决定性变量——单任务价格和吞吐量才是。

总参数5520亿,激活仅160亿

V4.1 Flash的成本优势来自架构本身,而非补贴,而且是可量化的。该模型总参数量达5520亿,但并非全部同时运行:处理输入时大约激活80亿参数,生成输出时约激活160亿参数。DeepSeek将这种设计称为非对称架构——一种混合专家(mixture-of-experts)方案,既保留超大模型的知识容量,又压缩每次请求实际消耗的算力。其思路在精神上与区块链基础设施中的替代虚拟机(AltVM)相呼应:后者只执行某笔交易所需的模块,而非完整的运行时环境。

该模型于9月10日正式发布,与DeepSeek此前预告的时间表一致。此前内部测试测得的输出速度为每秒420个token,但测量条件与竞品模型并不完全相同,直接对比速度并不严谨。发布时DeepSeek表示,更高效的架构使其能以更低成本服务更多用户,并将这部分节省反馈给用户。

我们对这组基准数据的判断是:效率主张在独立评测中站住了脚,至少在这个垂直领域如此。真实的服务成本和速度仍会随输入长度、请求模式和服务器状态而波动,各服务商的API定价也不同,因此标题级的单任务数字应被视为方向性参考而非合同承诺。不再是方向性的,是趋势本身——单任务0.023美元的前沿级输出,已经改写了推理成本的市场预期。 希望实时跟踪行情的读者，可在Bitget查看现货与合约的实时价格。

单任务成本成为AI新指标

把两条线索放在一起看:性能接近打平、成本相差70倍,指向同一个弧线——AI竞争正从性能基准转向单位经济性。而这一转变直接落在AI概念加密资产上。Sahara AI(SAHARA)这类代币的交易逻辑,建立在去中心化机器学习基础设施能在成本上压过中心化实验室的假设之上;当一个中心化前沿实验室把价格打到最接近对手的七十分之一,这套叙事就更难讲了,而任何重新定价理应最先反映在整个AI代币板块的交易量上。效率提升对基于区块链的算力网络同样是双刃剑,它们本以减少算力空转为卖点。下一个值得关注的指标是:OpenDesign Arena及类似评测机构是否会开始发布成本加权的排名——如果发布,DeepSeek刚刚升级的这场价格战,将成为整个行业的官方记分牌。