本文转载自微信公众号「阿若Arrows」，点此查看原文。
看到DeepSeek V4.1 Flash发布，我起初没太想做测试，认为无非就是一次小版本迭代。
但这两天，铺天盖地都是它跟GPT-Astra、Fable 5.1、K3对比的视频和帖子，看得我满脑子问号：你让DeepSeek 跟啥比？DeepSeek喝大了？
甚至还有帖子说，V4.1 Flash能力直逼Astra，成本低得可怕。
行，那我必须看看它的深浅了。
我也不苛求它，去跟GPT-5.6 Sol打一场。
到底是无脑吹还是有真东西，一试便知。
不比跑分，比实测结果
这种模型测评最容易注水的地方，就是只比纸面数据，但往往忽略了实际使用体验。
所以我不比跑分，只对比真上手做同一件事，要花多少时间、多少token、返几次工、每秒吐多少字、产物可用性等等。
三个场景，同样的prompt和输入文件，两个模型各跑一遍，让我们来看效果究竟怎么样。
注意：本次对比中，deepseek V4.1 Flash全程基于谷价进行，日常使用峰价的同学请把成本乘2；GPT 5.6 Sol则是根据token数和官方api定价估算得到大致花费。
两个模型分别在专属的deepseek harness和codex下进行使用，默认都开启high的思考程度。
场景一：HelloKitty 版我的世界
第一个场景，我挑了HelloKitty版我的世界。
模型需要先识别图片里的HelloKitty元素，包括形象、配色、氛围；再把它们翻译成一套跑得起来的游戏逻辑，移动、放置、破坏方块，每一步都是真实交互。
先上场的是GPT-5.6 Sol。
它花了17分52秒完成任务，来看实际效果：场景完成度很高，风格统一，是扑面而来的猛男粉。
跳跃、交互、破坏方块都做得相当完善，空中还有飘落的粒子特效。
作为场景来说，几乎是一次通过。
这一轮它总计使用8.6M token，按官方API定价估算，花费大约$5.46。
📹
轮到DeepSeek V4.1 Flash上场。它用了19分55秒完成第一版任务，共使用39.3Mtoken，按谷价折算约¥2.3。
进入页设计了相当多功能，包括动物运动系统以及更多、更复杂的交互逻辑。
实际体验却没有第一印象那么顺利，真正进入之后，画面就出了问题。
📹
随后又经过几轮修复，最终效果如下：
📹
整体风格保持一致，但地面缺失、动物行走逻辑这两个问题，反复修改了几轮依然没能解决，我也就到此为止不再继续折腾了。
场景二：图生 3D
请参考这张建筑图，把它生成一个 3D 效果。只做塔的外部视角即可，请直接输出能查看或转视角的 3D 结果。
3D生成依旧是目前的难点，跟平面完全不是一个难度级别。
2D生成这几年被各家卷得很熟，而且风格、光影各有特点，想糊弄总能糊弄过去。3D可不一样，读懂一张平面建筑图，把里面的空间关系重建出来，最后还得输出一个可交互的3D结果。
几何关系作为硬性硬约束，其中的透视对不对、结构是否合理，转个视角一眼就能看出来，做不了假。
这一轮GPT花费了11分50秒得出结果，约3.2M token，$2.84
📹
虽然精细度方面还有待加强，但是从楼本身来看，九层的结构，檐角、塔顶等都有覆盖，没有明显的穿模现象，任务本身还是基本完成了。
然后是ds 4.1，这次单轮对话就花费了32分钟，将近20 M 的 token，来看看结果如何。
📹
Deepseek也完成了要求，基于草图完成了三维外观的设计。
同时也存在一些问题，比如层与层之间缺少了连接，出现了悬空的情况；
但在细节层面，从塔身的纹理、影子的形状，以及各个装饰在塔面的投影，相较于5.6甚至更胜一筹。
场景三：HTML 动画 · 鹈鹕骑车
接下来是最近爆火的鹈鹕骑车测试。
这个梗会火，一靠画面本身的魔性，大嘴鹈鹕蹬着自行车，动作本身就很有喜感；二是各家模型跑同一个题差距极大，水平高下立刻见分晓。
题目看着只有一句话，但对于综合能力的考量极高。
自行车的脚蹬、车身；鹈鹕的翅膀、腿，每个部件都要动起来。
鹈鹕和车之间还得配合得上，比如翅膀和车把的交互、腿和脚蹬的交互。
还有骑行过程的循环要顺畅、物体之间的比例要合理、背景和路面的画面在移动过程中不能穿帮等等，综合构成了一道复杂的考题。
创建一个 HTML，内容是 SVG 绘制一个鹈鹕骑自行车的 2D 动画。不到三分钟，5.6Sol给出了结果。📹
很明显存在一些问题，比如自行车的脚蹬空转，鸟的眼睛莫名其妙会掉下来，背景线条乱动，使用0.5M token。
接下来是Ds 4.1，用时4分25秒，1.3M token。
📹
问题依旧很多，比如脚在乱飞、马路上的白线和草运动不连贯、身体悬空没有连接到座椅上等等，看完这两的表现我真的绷不住了。
鉴于上面两位选手的成绩都不算特别理想，我引入了终极Boss–GPT 6 Astra，用时5分17秒，只用了0.4M token，约$1.8。
📹
可见贵还是有贵的道理，主体、运动状态、背景都相当规范，交互也是合理的，甚至加入了自动调节速度和暂停的选项。
总结
测试完，我先给出最直接答案
现在的DeepSeek还不足以碰瓷Astra，甚至5.6sol都悬
总结三个案例的结果不难发现，Ds 4.1的优势集中在快和成本两个维度。
单次输出成本几乎是5.6 Sol的五分之一到十分之一，都这么便宜了还要什么自行车。
每秒输出token数几乎稳定在了300 tok/s的水平，但是由于相同任务需要的token数更多，整体任务耗时在本次实测下来没有拉开特别明显的差距；
产物质量和5.6 Sol相比各有优劣，整体上会稍微逊色一点；而和Astra的距离则相对会更远一些。
另外则是Ds 4.1自带了原生多模态，相较于上代，这确实是极大的解决了日常使用中的痛点。
如果你的日常工作和使用兼顾以上需求，那Deepseek V4.1 Flash会是一个不错的选择。