深度求索（DeepSeek）v4.1 flash 的网页聊天版在语言跟随方面表现很差：用英语提问，思考链和回答可能变成中文，也可能保持英语；同一问题点重试，两种结果各占一半。有时用英语问本地主题，若资料多为其他语言，回答还会跟着资料语言走，比如前几天问一个德国本地问题，英文提问却得到德语回复。

听起来不错！不过我体验的 flash 网页聊天版在遵从语言指令方面很差：你用英文问它，可能得到一条中文思维链加中文回答，也可能得到英文思维链加英文回答；同一问题点重试，两种结果概率各一半。有时候你用英文提问，但相关资料主要在另一种语言里，它就用那种语言回答。前几天我用英文问一件德国本地的事，它却用德语回答。就好像所有语言数据把它从用户提问语言那里拽开了。

不只是网页聊天。V4 Flash 7/31 在编码工具里也有很多病态行为：无限循环、幻觉、过早终止、无效工具调用。

我也偶尔遇到同样的问题。起初我以为是某种技巧：用中文字符信息密度更高，用中文“思考”能省 token。但后来它变得越来越不稳定。我仍好奇缩减 token 是否真的可以这样运作。

我也不确定它为什么会这样，猜是因为搜索由国内发起，返回的网页结果大多是中文，于是模型就顺着用中文了。

一样的毛病。我甚至给手机设了一个 aie 扩展词，展开就是 “Answer in English!”，但有时要强行重复五遍才换回英文。有意思的是，用德文或我的母语提问时却很少得到中文回答；看来英文受影响最大。API 从来不用中文答复。

我也在 anthropic/openai 的本地 codex/claude 应答里偶尔见到中文字符。已经挺久没发生，最后一次是六月份测试 Fable 5 时。

codex（Pro 订阅，没有第三方模型）会用什么模型做会话总结我不知道，但我时不时会收到中文总结，尽管整个会话里唯一可能出现过中文的，只是一个未必加载过的 i18n 字符串文件。非常费解。昨天又发生了一次。

这段时间我看了不少 bycloud 的视频，他那几期点评大实验室论文的节目做得很好，但我还是没弄明白：这些实验室怎么都像是在发布一个更便宜、更快、性能反而更好的模型？历史经验里，flash 这类版本（codex spark 也一样）都是更快但更差。

性能提升本来就是这么做的：先把模型做快 10 倍，再让它多想 2 倍。这样每 token 成本变成 1/10，每任务成本只有 1/5。说到底他们的硬件不强，所以必须做大量优化。可以理解为把 O(n) 算法换成 O(log n)。Anthropic/OpenAI 认定最好的路线是做出最聪明的模型，而 DeepSeek 更关注 token/$。

有意思的是，这已是第三家在大模型上栽跟头的实验室。去年早些时候有传闻说 OpenAI 的大规模预训练失败了；眼下 Google 的 pro 系列有问题，DeepSeek 刚宣布同样的消息。中文论坛上有些说法把矛头指向预训练阶段，所以这事不在 mid/post training。我好奇的是：把可能有问题的架构放大后撞上某种上限，还是数据本身的问题？比如训练不足、数据质量差、或者用小模型做预处理。

我希望 DeepSeek 花点时间改善推理档位的调校。目前只有 low、high 和 max 三档。实际上“low”基本等同于关掉推理，“high”和“max”差别不大。high/max 做的推理过多，耗时很长，费用成倍上涨。他们需要一档合适的“medium”。我也明白他们眼下大概只关心性能，但这模型的操控手感并不好。

我因此换去了 GLM-5.3 flash 的 high 档。Deepseek-v4 的推理文本里“but wait”出现得太多了。

过去几个月里，我几乎只用中国的 flash 模型处理自己的事。它们让人愉快，一次回答只要几分钱。干得漂亮。

确实。我在 agent 行业工作，非常期待新版中国 flash 模型。它们的直接竞争对象是 Gemini Flash，但这类模型在 agentic 任务上强很多，价格只是 Gemini 的一个零头：比如“这里有一组简单指令，调用这些工具，返回这样一份报告”的任务，每个任务价格大约只要 Gemini 的 20-30%。DeepSeek Flash 生成的质量尤其比 Gemini 好。Gemini 仍然领先的地方是非文本输入，DeepSeek 至今做不到；DeepSeek Flash 也有便宜模型的毛病：工具调用一旦失败，如果错误信息里的指令不够小心，你的 agent 就会被带入重试循环。只要他们把非理想情况下的工具调用做稳，人们就不必再花几周做评测和修 bug 才能从 Gemini 切过来。

我对这次发布比对任何前沿模型都更兴奋。我不需要一个能发明新数学的模型，我需要的模型要快、便宜、稳定。给我这些，我就能往上搭建和扩展。

旧有偏见一直让我躲着中国模型走，因为我清楚中国是监控国家，也清楚 CCP 是怎么回事。但在我们了解到 OpenAI 很可能动用了用户数据来赢得公开竞赛之后，我觉得用哪一家的 AI 服务都一样：它们都会占据你的数据，都有能力监视你。所以我现在愿意换成中国模型。这样做也能帮助他们把模型开发得更好，也许有一天，我们能在本地运行这些模型。

新的 meta 模型也是又快又便宜，而且通过 OpenCode 用还能拿到不少免费 token。不过 meta 同样是那家“监控巨头”公司，所以对你的情况未必合适。

若你参与的是开源项目，我不在乎监控。你的代码反正本来就在 GitHub 上带着完整历史挂着呢。

这些模型都是开放权重，谁都可以自托管，不必依赖中国的服务器，即使它们大多是零数据留存政策。

你要是以为运营美国公司的那些渣滓不会用你的数据，那可就太天真了。旧规矩依然成立：在意隐私，就别把数据给出去。我会分享所有工作相关代码，因为那些代码没价值；但我不会、也永远不会共享公司业务与流程细节、生产数据、用户数据之类。与此同时，我认识一些人正把 datadog/sentry/jira/confluence/生产数据库的各种 MCP 一股脑接进各自 harness……呵呵。

我最近不得不把 harness 配成监视 Astra 的网络安全标记，一旦被触发就把请求转发给 flash，因为只要你在游戏语境里说起 UDP 包，Astra 就会变得疑神疑鬼。这个方案运行得很好。当那些前沿模型过于玻璃心时，很高兴还有一个更“无审查”的东西可以做后备。

唯一正面之处是：学生更难把大学网络安全作业喂给 agent 指望它全做出来了。

我的体验也一样。DeepSeek 模型在实现和轻度规划上好得惊人。规划大功能时我仍默认用 Opus，但多数简单功能用 Pro 就足够。他们产品的性价比实在难以置信。

希望新版本会开放权重，架构和尺寸保持当前 v4 flash vision 一样——v4 flash vision 可以说是能在 128G 设备上运行的最好 LLM。

公告说要“在 V4.1 Flash 正式发布后、V4.1 Pro 发布前，将发往 Pro 模型的请求全部路由到 V4.1 Flash，并按 Flash 价格计费”。如果我已经针对 Pro 仔细测试并优化了提示词，这条消息可不会让我高兴。我认为 API 提供商应该尽量避免替付费客户直接换掉模型，不管新模型表面“更好”多少。

话虽如此，如果一家公司真敢把一个中国远程对冲基金的 API 放在关键业务工作流的核心，这个教训当然是趁早学到更好。

我一直用 deepseek-v4-flash 作为 Claude Code 里的 worker，配合 Opus 做 planner/reviewer 来实现个人用的 Rust/Iroh 工具。效果挺好的：它基本能遵循 Opus 生成的计划，偶尔有点小偏差，被 Opus review 时能清掉。我很期待 v4.1 发布。输入缓存命中价格减半，也很不错。

但没人提到价格起点从 $0.16 涨到 $0.60，这基本等于收了原来的四倍。

像 aavaa 说的，要确保一比一对准正确的口径。缓存命中、缓存未命中、输出 token 的价格各不相同。按目前的报价，非高峰时段似乎更便宜；高峰时段当然更贵，假如是非高峰两倍的话。不过未来也可能降下来。

更完整的公告原话是这样的：“为履行我们对用户责任的承诺，在 V4.1 Flash 正式上线后、V4.1 Pro 发布之前，所有发往 Pro 模型的请求都将路由给 V4.1 Flash，并按 Flash 价格计费。如果在 V4 Pro 与 V4.1 Flash 的对比测试中遇到任何问题，请随时联系我们反馈。谢谢支持。”哇。想象一下 OpenAI/Google/Anthropic 会做这种事？他们才不会。

v4 pro 本来还可以，现在却来了更好、更便宜、更快的模型？身为消费者，我觉得自己像汉赛尔和格蕾特尔合体，DeepSeek 可能就是那个女巫。

v4 flash 在我多数个人项目里一直运行得不错；最复杂的任务或想看整体项目进度（比如 vibe coding 时）才会偶尔用 v4 pro 或 Kimi 3。

是不是我用法不对。几天前我把一个简单 prompt 交给 v4 pro——“清理文件 z 里的函数 x 和 y”——它总是一开始表现不错，随后很快跑偏，开始幻觉出代码里的问题，最后卡上几个小时直到我把它打断。输出过程就是反复的 hmm、WAIT、HOLD ON…… 同样的任务我给 Sonnet 5，它 15 到 30 分钟后做完了。我在 claude code 和 codewhale 里都试过 v4 pro，结果类似。还没试过 DeepSeek 的新 harness。

我一直在 Opencode 上用 0731 Flash V4，没遇到什么大问题。体感和我工作中用的 Opus 4.6/4.7 差不多。你说的那些问题我一次都没碰上，所以或许算是 V4 pro 特有的怪癖，或特定 harness/服务商的问题。

我还是会继续惊叹：以这个价格，DeepSeek Flash 能给出多大的能力。我已放它在好多项目上溜过，从来没让我失望。它能很快搭出整个 Rails 应用，连测试都写好。对大多数事情来说，我不明白人们为什么还要给 Claude 付钱。DeepSeek Flash 是我在 Omarchy 里的默认 agent。

多数人赞赏DeepSeek Flash的极高性价比与厂商将Pro流量低价导向Flash的让利举措，少数人则指出实际价格较旧版上涨并反对未经同意替换模型。

认为DeepSeek Flash性价比极高且迭代节奏亮眼

• 用户频繁表扬Flash系列以极低费用完成编码与任务，甚至作为默认代理，并期待Flash持续超越Pro的发布节奏（较多人） > 难以相信花这点钱就能从DeepSeek Flash获得如此多能力，我几乎在所有项目里都放它干活（@thrownaway561）

赞赏将Pro请求路由至Flash并按低价计费

• 多位用户引述官方公告，认为在V4.1 Pro发布前把Pro请求导向更便宜的Flash并降价收费，是其他大厂绝不会做的良心操作，极大提升好感（较多人） > 真不敢想OpenAI、谷歌或Anthropic会这么做，但他们做了（@nicce）

反对付费API静默替换模型

• 有用户指出若已针对Pro仔细调优提示词，这种自动路由会破坏预期，API提供商不应擅自换模，无论新模型多强（少数人） > 如果我已经针对Pro测试优化好提示词，这消息可不太妙，服务商不该给付费客户偷偷换模型（@simonw）

指出Flash定价实际较旧版涨近四倍

• 有人提醒此次Flash定价从原先0.16美元涨到0.60美元，接近四倍，所谓更便宜只是相对Pro而非自身历史价格（少数人）

希望保持开源权重与视觉版架构

• 希望新版开放权重且架构大小同当前视觉实验版，成为128G设备可跑的最佳模型，并确认视觉能力支持（少数人）

认为推理档位与网页语言跟随体验待改进

• 反映目前仅低中高三档推理，低等于关闭高等于最大导致成本失控，需中等档；网页版常忽略提问语言用中文或数据语言作答（少数人）

关注多家实验室大模型预训练受挫现象

• 有评论注意到DeepSeek、谷歌、OpenAI均传大模型训练出问题，猜测可能源于架构放大遇限或预训练数据质量，而非中后期训练（少数人）

有价值的补充

• 消息源其实是DeepSeek平台用量页的横幅公告，让不少用户花时间才找到（@oefrha）
• 新模型已能通过API指定名称调用，但官方接口列表尚未收录（@nickweb）
• 历史上flash类模型通常更快但表现更差，如今却更便宜更快且更强，令观察者困惑（@edude03）
• 以童话比喻表达面对连续升级既欣喜又不安：作为消费者感觉像被DeepSeek女巫引诱的孩子（@igleria）