Fireworks 评测 DeepSeek-V4.1-Flash
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载同档精度下的成本落差
Fireworks 对 DeepSeek-V4.1-Flash 做了一轮基准评测，重点放在 DeepSWE 这项衡量代码任务表现的测试上。参与对比的四个模型在 pass@1 上彼此相差不超过 0.7 分，而同一模型多次运行之间的波动区间是 1.4 到 3.2 分，也就是说这几款模型在精度上属于同一档，单看分数分不出高下。差别落在每个任务的成本上：DeepSeek-V4.1-Flash 在 Fireworks 上跑一个任务花费 0.43 美元，比 Gemini 3.8 Flash 低 5.5 倍，比 GPT-6 Astra 低 15 倍，比 Claude Opus 5 低 28 倍。Fireworks 由此把这款模型描述为在质量、速度与成本几项权衡之间划出了新的帕累托前沿，即在不牺牲精度的前提下把单价压到更低的位置。
高迭代工作流的账怎么算
成本下降直接影响的是那些需要反复调用模型的任务形态。材料列举的场景包括高迭代的智能体工作流、多轮缺陷排查以及大规模测试用例生成。这类任务的特点是单次调用便宜与否会被调用次数放大，如果沿用 GPT-6 Astra 或 Claude Opus 5 这类单价较高的闭源模型，工程预算会被快速消耗。按每任务 0.43 美元计算，前沿水准的软件工程智能体才有可能作为持续运行的后台基础设施存在，而不是只在少数关键节点上按次调用。Fireworks 在材料中把这一点表述为改变了自主软件工程任务的单位经济性，落点仍是成本结构而非能力跃升。
架构与缓存的两处改动
材料在目录中列出两个技术条目，一是新的拆分激活架构，二是 KV 缓存方面的优化，二者被放在“底层机制”的位置，用来解释上述成本与速度表现从何而来。材料没有展开这两项改动的具体参数、实现方式或适用条件，因此只能确认它们是本次模型在 Fireworks 上部署时被强调的工程侧变化。对读者而言，可核实的部分限于：这些优化与模型在 DeepSWE 上的成本表现被并列呈现，但材料未给出二者之间的量化归因，也没有说明这些优化是否对特定硬件或部署形态有额外要求。
另一项测试与选型思路
除 DeepSWE 外，材料还提到 Terminal-Bench 2.1 上的结果：DeepSeek-V4.1-Flash 比 Astra 低一个百分点，同时成本便宜 12 倍。此外材料提及 HLE 与一个 oracle router 的评测，但未给出具体数值。Fireworks 在文中给出的选型思路是，模型只是地图上的一个点，而应用是一整套系统，能力分布并不均匀，某个任务上表现出色的模型换到另一个任务可能吃力，因此需要按任务匹配模型，区分低延迟处理与复杂推理所需的深度计算。这一思路配合前面的单价数据，指向的结论是：在精度同档的模型之间，成本可以成为决定把哪一类任务放到哪个模型上的主要依据。
为什么值得看
以极低成本实现顶级代码准确率，大幅降低智能体工程开销。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。