返回资讯中心
外部精选
软件工程
#开发者实时流

Verda Inference 上线欧盟托管的 DeepSeek V4.1 Flash,价格约为多数供应商一半

来源标题:Competitively-priced EU-hosted DeepSeek: v4.1 Flash is now on Verda Inference

Verda Inference 现已上线 DeepSeek V4.1 Flash,输入每百万 token 收费 0.15 美元、缓存输入 0.006 美元、输出 0.60 美元,约为多数供应商价格的一半。该模型为 552B 参数的 MoE 架构,推理时仅激活 8B(读入)和 16B(输出)参数,支持 100 万 token 上下文和图像输入。它与 Kimi K3.1 Pro 一同通过单一 API 提供。

Hacker News 最新tokepi2026/11/13 · 4 天前7 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

DeepSeek V4.1 Flash 现已上线 Verda Inference,定价为每百万输入 token 0.15 美元、缓存输入 0.006 美元、输出 0.60 美元。这比大多数提供商的收费低约 50%。* 它是 DeepSeek 旗下能力强、效率高的模型,适用于日常编码和 agent 任务,支持 1M token 上下文、图像输入,思考功能可开关。

它与 Moonshot AI 的 Kimi K3.1 Pro 一同登陆 Verda Inference,你可以通过单一 API 为不同任务选择合适的模型。下面我们将介绍 DeepSeek V4.1 Flash 为何高效,以及我们如何提供服务。

DeepSeek V4.1 Flash 的设计目标是用少量算力完成大量工作。它是一个 552B 参数的混合专家(MoE)模型,读取输入时仅激活 8B 参数,写出输出时激活 16B 参数。Agent 大部分时间都在读取,因此这让它们保持低成本。

它也让长上下文保持轻量。为了处理长上下文,模型会保留一份已读内容的记忆,称为 KV cache。DeepSeek V4.1 Flash 将这份记忆控制得很小,每 token 仅 890 字节,因此长会话占用的 GPU 显存更少,速度也保持得快。

而且你可以选择它思考的强度。关闭思考可获得快速回答,开启则用于更难的问题,输出最高可达 384K token。

同一个模型,运行方式不同,表现可能差异很大。背后的软件和配置决定了回答到达的速度、每块 GPU 能处理多少请求,以及性能在流量增长时能保持得多好。

Verda Inference 基于开源 serving 引擎 SGLang 构建。上线前,我们调优了 DeepSeek V4.1 Flash 的部署,并对照 SGLang 团队公布的结果进行了基准测试——该结果将 SGLang 与 DeepSeek 自研引擎 DeepInfer 列为同等水平。

模型做两类工作:读取 prompt 和写出回答。在这两项上,我们的结果都与他们持平。Prompt 读取与公布结果的差距约在 1% 以内,回答写出在每个负载水平下都快 1% 到 6%,输出峰值约为每 GPU 每秒 29,300 token。**

对你而言,这意味着无论工作负载如何增长,DeepSeek V4.1 Flash 都能跟得上——无论是审查代码库中的每个 pull request,还是运行长 agent 任务的每一步。

在后续文章中,我们将深入探讨这些结果背后的工程细节。

Verda Inference 兼容 OpenAI,因此你可以直接使用现有的代码和工具开始。详情请见模型页面和文档,或使用我们现成的配置在 OpenCode、Pi Coder 和 Codex 等编码 agent 中完成设置。

*与大多数提供商截至 2026 年 11 月的标价相比。价格可能变动。 **基于使用 SGLang 团队公布方法的内部引擎基准测试,在模拟条件下进行。结果可能不代表生产环境中的性能。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →