01
DECISION
回答是否值得迁移
迁移、部分路由或暂缓
按业务门槛分别判断质量、可靠性、延迟、token 用量与成本估算，不用一个综合分掩盖硬性失败。
- 结论
- 按任务给出迁移建议
- 门槛
- 由业务负责人预先确认
公开页面快照
DeepSeek
V4.1 Flash 迁移体检
用最多 50 条脱敏业务样本，把当前模型与 V4.1-Flash 放进同一套规则， 材料齐备后 3 个工作日交付质量、延迟、token 用量、成本估算和迁移边界判断。
官方披露
待独立验证
独立复现
TEXT
IMAGE
552B BACKBONE
40 层文本主干
384 路由专家
6 每 token 选用
32 层视觉编码器
OUTPUT
文本生成
技术报告另列 196B Engram，并称激活参数约为预填充 8B / 解码 16B；质量、速度与资源占用仍需实测。
技术报告
552B
backbone · 8B prefill / 16B decode active
CONFIG
1,048,576
位置配置；参考实现默认 4K，交互模式 64K
CONFIG
FP8 + FP4
FP8 量化，专家权重 FP4
MODEL CARD
MIT
仓库许可证标记
API
官方 API 已上线，model id 为 deepseek-flash；仓库 README 标题仍写作
DeepSeek-V4.1-Exp。评测报告必须同时记录端点、model id 与权重 revision。
BUYER OUTCOMES / 交付结果
交付的不是总分，而是迁移决策
同一模型在不同端点、参数和业务数据上会得出不同答案。评估必须落到你的工作负载。
02
EVIDENCE
说明为什么得出结论
逐样本证据与失败分类
保留输入、完整输出、逐次运行、错误、评分和环境指纹，让技术团队能够复核每个判断。
- 记录
- 原始 JSONL + 汇总报告
- 原则
- 超时和失败不得删除
03
ROLLOUT
把结论变成上线计划
任务路由与回退计划
标出适合 V4.1-Flash 的任务、必须保留现有模型的任务，并形成试点、监控和回退条件；不代操作生产环境。
- 上线
- 影子流量与小流量试点计划
- 止损
- 预先写明回退触发条件
SERVICE MENU / 服务方案
从免费复跑，到可验收的迁移试点
人民币首发价格用于验证市场需求。第三方 API、GPU、差旅及超出范围的定制工作另计，最终范围以书面确认单为准。
COMMUNITY
公开评测基线
¥0自行运行
- 3 条 smoke 与 12 条中文业务样本
- CLI、评分器和结果 Schema
- 不含业务数据定制和人工结论
LAUNCH OFFER · 主产品
模型迁移体检
¥9,800人民币 · 一次性服务费
- 最多 50 条脱敏业务样本
- 当前模型与 V4.1-Flash 两个端点
- 材料齐备后 3 个工作日交付
- 原始记录、决策报告与 60 分钟复盘
ENTERPRISE
企业迁移试点
¥39,800 起人民币 · 按书面范围报价
- 最多 200 条样本与定制评分规则
- 质量、延迟、token 用量与治理门槛
- 任务路由、影子流量与回退计划
- 不含生产环境变更和私有化部署
客户提供脱敏样本、基线端点、API 额度与业务门槛
验收依据约定样本全部留痕，报告数字可由原始记录复算
可选续约持续回归监控 ¥6,800 / 月起
FIRST 10 / 首批共创
先用公开信息确认是否适合，不提交样本或密钥。
发起评估咨询
咨询单会公开显示在 GitHub；只写任务类型、当前基线和决策期限，具体数据边界在私下书面确认。
BENCHMARK QUEUE / 评测队列
零分数发布，先把方法钉牢
目前没有独立实测结果。每一项只有在原始记录、环境指纹与评分规则齐备后，才能从“待验证”转为“已复现”。
| 轨道 | 首轮任务 | 必须记录 | 状态 |
|---|---|---|---|
| 真实代码库QUALITY / CODE | 缺陷定位、最小补丁、回归测试 | patch、测试日志、轮次、token | 待验证 |
| 长上下文QUALITY / CONTEXT | 32K / 128K / 256K / 1M 召回与推理 | 有效长度、准确率、首 token 延迟 | 待验证 |
| 视觉理解QUALITY / VISION | 中文截图、表格、多图关系 | 原图、缩放策略、逐项判断 | 待验证 |
| 工具意图AGENT / INTENT | JSON 约束、只读边界、动作选择 | schema、原始输出与违规率 | 待验证 |
| 推理系统SYSTEM / SERVING | 启动、并发、长序列稳定性 | 硬件、版本、显存、TTFT、TPS | 待部署 |
状态门槛
待验证 → 方法与样本公开 → 两次一致运行 → 已复现
0 / 5 已完成EVIDENCE LEDGER / 证据账本
把“官方写了”与“我们测过”分开
下表只记录可定位的公开字段。官方配置证明模型如何被描述，不自动证明它在目标业务中的表现。
原始记录
保留输入、完整输出、逐次运行、错误与评分明细。
环境锁定
固定提交版本、推理参数、依赖、硬件与随机种子。
基线同场
同一数据、预算和判定规则下比较现有模型。
失败可见
公开超时、格式违规、拒答和不可复现的样例。
METHOD LINEAGE / 方法参照
采用成熟评测的可审计规则
借鉴协议，不搬运第三方题目；名称仅表示方法参考，不代表背书。
| 参考项目 | 成熟做法 | 本站落实 |
|---|---|---|
| Inspect AI ↗SAMPLE LOGS | 数据、求解器与评分器分离，保留逐样本日志 | Suite / client / scorer 分层；每次 attempt 单独写入 JSONL |
| lm-eval ↗DECLARATIVE TASKS | 声明式任务、任务发现与模型适配层 | 版本化 JSON / YAML suite、任务列表与 OpenAI-compatible client |
| HELM ↗MULTI-METRIC | 质量、效率与风险分别报告，可下钻样本 | 准确率、错误率、延迟、TTFT 与 token 分维度呈现 |
| LiveBench ↗FRESHNESS | 客观评分、版本发布与污染意识 | 首发合成样本、确定性 grader、suite SHA 与证据状态 |
| LongBench ↗CONTEXT BANDS | 按长度分桶，区分检索与跨段推理 | 32K 至 1M 渐进档位、seeded 多位置事实组合 |
| SWE-bench ↗EXECUTABLE TASKS | 真实仓库任务、可执行验证与隔离环境 | 路线图；当前代码样本仅为 smoke，不宣称仓库级能力 |
上线日事实快照
SNAPSHOT · 2026-09-10官方规模口径552B backbone
技术报告另列 196B Engram；激活参数口径为预填充约 8B、解码约 16B。
官方报告 来源 ↗Checkpoint 文件审计≈763.2B logical weights
按官方转换代码还原 FP4 双元素并排除 scale 后的近似值，含 backbone、Engram 与 DSpark；HF API 的 484.6B 不能直接当参数量。
独立文件审计 方法 ↗量化FP8 / expert FP4
quant_method: fp8，专家权重字段为 fp4。
稀疏专家384 routed / top 6
配置列出 384 个路由专家，每 token 选择 6 个。
官方配置 来源 ↗上下文配置1,048,576 positions
配置字段为 1M；参考实现默认 max_seq_len=4096，交互模式覆盖为 64K，并非开箱即用 1M。
Tokenizer 一致性pad token 待核对
tokenizer_config 将 pad 声明为 EOS，而模型配置和词表使用 id 2；接入框架时需显式检查。
多模态Vision encoder
配置含 32 层视觉编码器；README 称最小推理覆盖视觉编码与对齐。
官方配置 来源 ↗官方托管 APIdeepseek-flash
1M context；峰时每百万 token 缓存命中 $0.006、未命中输入 $0.30、输出 $1.20，闲时价格减半。
官方文档 价格 ↗质量 / 速度 / 成本估算尚无本站结论
等待按上方队列运行；不以配置字段代替业务评测。
未测试 查看队列 ↓MIGRATION INTAKE / 迁移评估
生成一份可确认范围的采购简报
用当前业务约束定义服务范围和对照实验。页面只在本地处理输入，不会发送、保存或上传任何内容。
仅本地生成
请勿填写密钥、客户原文或其他敏感数据。
- 1选择服务方案与真实场景
- 2锁定基线、范围与决策门槛
- 3复制简报，进入书面商务确认
LOCAL OUTPUT