DeepSeek V4.1 Flash 跑分只比第一名少 2.3 分，做对一道题的钱是它的四十二分之一

10 月 5 日，彭博行业研究发了份报告，说中国顶尖模型的跑分只落后美国对手 3%，举的例子是 DeepSeek 9 月发的 V4.1 Flash。我这人看见便宜先算账，就去 LiveBench 看了原榜。分数差 2.3 分，做对一道题的钱差 42 倍。

LiveBench 是一套公开的模型考试，23 项任务分 7 类，题目定期整套换新，模型很难提前背过答案。我 10 月 6 日看的是 6 月 25 日换的那一版。榜上每个模型除了分数，还算了一个钱数，跑完全部题的总花费，除以题数，再除以得分，意思是平均做对一道题要花多少钱。

1.212 除以 0.029，得 41.8。Fable 5.1 做对一道题的钱，Flash 能做对 41 道多。2.3 分摊到 83.4 分上，差 2.8%，彭博说 3%，是四舍五入，没有替谁吹。它说 Flash 上个月排第六，我看的这天它排第七。名次天天在挪，钱数挪得慢。

表里有一格我多看了两眼。自己动手改代码那一列，Flash 77.3，整张榜 50 多个模型里没有比它高的，Opus 5.5 是 71.7，Fable 5.1 是 66.1。它输在另外两列，语言比 Fable 5.1 低 8.3 分，照指令办事低 3 分。要它写文案、做翻译、照复杂的格式交东西，差距比总分看着大。

考试成绩毕竟不是干活的成绩。我写过三年后端，知道题库里的题和临下班塞过来的需求不是一回事。彭博的分析师自己也提醒，这类排名一直在变。

换成人民币

跑分里的钱是按美元的官方 API 价算的。落到国内，DeepSeek 官方直接收人民币，Flash 每百万 Token 输入 2 元、输出 8 元。这是高峰价，工作日 9 点到 12 点、14 点到 18 点按这个收，其余时间半价，周末和法定节假日全天半价。

Fable 5.1 的官方价是输入 10 美元、输出 50 美元，按 1 美元约 6.71 元算，输出每百万 Token 335.5 元，是 Flash 高峰价的 41.9 倍，夜里和周末是 84 倍。两种算法都落在 42 倍上下，这种巧合我平时不太信，这回数字摆在那，只好信。

在 Claude Code 里用它，有个名字上的坑

DeepSeek 官方文档写了接 Claude Code 的办法，把接口地址换成 DeepSeek 的 Anthropic 格式地址，填上 DeepSeek 的 Key，再把几个模型名都设成 deepseek-flash。

最后这步别省。文档写着，你传进去的模型名以 claude-opus 开头的，会被换成 DeepSeek V4 Pro，sonnet、haiku 开头的才换成 Flash。

于是有这么一笔账。只改了地址和 Key，在 Claude Code 里顺手选了 Opus，拿到的是 V4 Pro。它高峰价输入 9 元、输出 27 元，是 Flash 的 4.5 倍和 3.4 倍；LiveBench 总分 77.4，比 Flash 低 3.7 分，自己动手改代码那一列低 22.4 分。多付三四倍的钱，换回一个低分，这笔账我算了两遍，结果一样。

该不该换

• 用 Claude Code、Codex 一类工具写代码、按用量付费的，日常的活可以先拿 Flash 跑一周，模型名照官方文档全设成 deepseek-flash，大活挪到晚上和周末跑。
• 主要写文案、做翻译、要严格照格式交东西的，Flash 在这两项落后得多，先拿自己手上的活对比几次再决定。
• 想在中转站买 Flash 的，10 月 6 日本站收录了 219 家在卖，验真通过率 71.2% · 47/66 份，其中 3 份判定身份不符。官方本身就能用人民币充值，比官方还便宜的那些，先查验真再充钱。

排行榜只管排名次，不管结账。那 2.3 分值不值 42 倍的钱，要拿你自己的活去试。