DeepSeek 发布几天，大家都还在聚焦最强之争，所以测的一般是DeepSeek V4 Pro 版本。
Pro 我们也测试过了，确实还不错。
但是，当前测完 Flash 之后，我觉得 Flash 才是 DeepSeek的利刃啊！
主要是价格特别便宜，速度很快，能力也不错。
真的是价格屠夫！
下面我一点一点来分析，价格到底有多便宜，速度到底有多快，能力到底是什么水平？
1、价格
只要是商品，价格永远是关键因素。
因为正规渠道的 Token 还是蛮贵的，然后像编程、养龙虾这些 Token 消耗起来都是很猛的。
我们急需一个能力尚可，价格便宜的模型。
我汇总几个主流模型的价目表：
| 模型 | 输入价格 | 输出价格 | 缓存命中 | 上下文 |
|---|---|---|---|---|
| DeepSeek V4 Flash | 1 | 2 | 0.2 | 1M |
| DeepSeek V4 Pro | 12 | 24 | 1 | 1M |
| Kimi K2.6 | 6.5 | 27 | 1.1 | 256K |
| Kimi K2.5 | 4 | 21 | 0.7 | 256K |
| GLM-5.1（≥32K） | 8 | 28 | 2 | 200K |
| GLM-4.7（≥32K） | 4 | 16 | 0.8 | 200K |
从表格可以看出来，Flash 这个价格是很香的！
1M 上下文，输入，输出，缓存命中的价格都远低于同行！
而且不是低一点点哦，是低到离谱！
Flash 输入输出价格不到 Pro 的十分之一！
相比 Kimi 和 GLM 也是非常便宜！
便宜到我都怀疑，我是不是抄错了！
我再三确认，数据应该是正确的，我都是官网抠的数据！
2、速度
价格很香，那么速度怎么样呢？
我让 GLM5-Turbo 帮我写了一个测试脚本，每个模型都测试 10 次，并做了汇总。
DeepSeek V4 Pro 和 Flash 的数据如下：
Flash 版本在所有速度指标上都大约是 Pro 的 1.6-1.8 倍，延迟仅为一半，API 状态良好。
Flash 相比 Pro 是很明显是要快很多，有几项指标都翻倍了！
作为对比，我也测了一下 GLM5.1：
GLM 5.1 的表现明显偏慢，主要问题是：
- 首 Token 延迟极高 — 平均 10.4 秒，波动很大（最低 0.9s，最高 22.2s），说明存在严重的排队/冷启动问题
- thinking tokens 为 0 — 脚本未检测到 thinking 内容，但首 Token 到首文本 Token 之间有大段空白时间被计为 "thinkingtime"，导致 overall t/s 被严重拉低（7.02）
- 纯文本速度 22 t/s 也低于 DeepSeek 的两个模型
这可能说明 GLM 5.1 的 API 端点有较大的排队延迟。
最后我也把 Kimi K2.6 加上了：
Kimi K2.6 的情况和 GLM 5.1 类似：
- thinking tokens 为 0 — 未检测到 thinking 输出，但首 Token 延迟很高（平均 4.5s），存在明显的"思考但未上报"阶段
- 纯文本速度 28.86 t/s，介于 GLM 和 DeepSeek 之间
- overall t/s 只有 9.11，被隐藏的思考时间严重拖低
- 延迟波动大（最低 2.7s，最高 12.5s）
整体来看，DeepSeek V4 Flash 在速度上遥遥领先。
Kimi 和 GLM 都因为未正确上报 thinking tokens 导致 overall t/s 偏低。
如果只看纯文本生成速度，排名是：Flash > Pro > Kimi > GLM。
上面都是 GLM5.1 根据测试情况做的总结，我就不多说了！
我就重复一点：Flash > Pro > Kimi > GLM，Flash 在速度上翻倍级领先 。
3、能力
速度和价格的优势已经非常明显，不是说领先一点点，而是领先好多个点！
那么能力如何呢？这个就非常关键了！
如果能力 OK，那就是性价比神器！如果能力不行，那么说再多都没有任何意义。
能力这个维度，我会分几个部分来介绍，一个是问答，一个是前端页面设计，一个是复杂项目升级 ！
先从简单的测起，做一些常规问答和智力测试。
数字母
题目：
DeepSeek 里面有几个 e？
结果：
其他模型我先不评价，Flash 是回答正确的。
这个题目正常来说，所有模型都能回答正确的。
但是你会发现有些模型答错了，只能证明一个点：要么没有启用思考模式，要么后面是降智模型。
性能指标：
Flash 在首字延迟和总耗时方面都是最短的。
比大小
题目：
11.9 和 11.12 哪个数字大？
结果：
Flash 同样是回答正常的。
性能指标：
Flash 在两个时间维度上，又是最佳表现。
找正整数
题目：
找出一个正整数 n，使得 n! 可以被 2^n 整除。
结果：
因为 Flash 第一次没有答出来，我就加测了两次。
第二次：
第三次：
从这三次结果来看，DS 可以正常回答这个问题。但是有时候思考 token 过多，导致达到请求大小的上限。
性能指标：
在能回答出来的情况下，Flash 首字第一，总耗时第二！
空间推理
题目：
6 米长的竹竿能否通过 4 米高、3 米宽的门？
结果：
这个题目也没有结果，所以加测了两次！
第二次：
第三次：
这一题对错不重要，应该大家都是乱猜的，完全是抽卡概率的问题。
但是 Flash 很容易思考过久，并且回答不一定正确。Pro 基本是可以答对的。
性能指标：
在能答出来的那一次，Flash 首字第一，总时间第三。
帽子逻辑推理
题目：
有 5 个人排成一排，每人帽子颜色为红或蓝。他们可以看到前面的人的帽子，但看不到自己的。主持人宣布："至少有一顶红帽子。"从最后一人开始，每人依次说"是"或"否"（表示是否知道自己帽子的颜色）。如果第 5 人说"否"，第 4 人说"是"，求所有可能的帽子颜色分布。
结果：
这一题全部正确！Flash 自然也是正确的。
性能指标：
时间方面，Flash 首字第一，总耗时最后。
从这几个题目可以看出来，Flash 的首字延迟非常低，几乎都是第一，而且比第二名快很多。
正确率方面 80% 的样子！整体感觉和 MiniMax M2.7 有来有回，它们的激活参数都在 10B 左右！
GLM5.1 这两天的测试结果非常奇怪。
一个是很慢，另一个是简单问题都会答错。
可能默认情况下没有启用思考，或者后端分配了其它模型，表现甚至不如 Flash。
9 个前端页面
这项测试也已经持续了很久，每个页面其实都有自己的技术考点，除了实现基础之外，视觉上是否好看也是一个很重要的指标。
测试的题目包含了：
- 赛博朋克版《清明上河图》
- "无限流"文字冒险游戏
- "分形烟花秀"
- Emoji 版《泰坦尼克号》
- 纯 CSS 中国山水画
- 完整横版跑酷游戏
- 诗词版黑客帝国代码雨
- 纯前端 3D 太阳系
- AI 五子棋对战 + 华丽 UI
这个CCS 山水画好像意境还可以，就拿这个作为本章节配图了！
我已经仔细看过它的生成结果了，这部分中规中矩，偏下一点点。
有两个例子是直接没法显示的，应该是出现了JS 错误。
其它都能正常显示，但是基本上没有太多审美可言。
但是这个测试过程中，有一个让我非常意外的点。
为了快速测试，我一次性把九个题目扔给他了，然后就出现了很壮观的一幕。
它直接开了 9 个 Agents 并行开发：
中途又把 Agent 干到了 16 个。
最后它只用了 12 分钟，做完了 9 个例子。
相比之前用 Pro 测试一个例子都要 16 分钟，这并行能力效率高到飞起！
需要注意的是，在管理这些子代理的时候，可能遇到了一些问题。
因为正常是 9 个例子，它却开了 16 个代理，其中有大量重复的任务。
更加好玩的是，它批量生成的页面代码全是可以正常运行的，并无明显的错误。
反而是分开测试的，错误不少。
所以，可能是一次性做会更好，也可能只是抽卡的偶然性！
当然，我也进行了单独的测试，速度明显比 Pro 快很多，提速 50~70% 应该是有的！
角色群聊功能升级
这一环节，是让我比较惊讶的，也是我写这篇文章的核心原因！
测试背景： 基于 CodingPlan 项目（约 8,000 行代码），进行功能升级，从平台群聊，升级到基于角色的群聊。
测试特点：
- 有一定上下文基础（约 8,000 行代码）
- 涉及数据结构修改和老数据升级
- 涉及业务逻辑修改
- 涉及多个功能页面联动修改
Flash 极速完成了这个任务，下面来看一下结果。
首先，编译正常，启动正常，点击所有功能点，都没有出现报错的情况。
这个基础能力是过关的。
然后来看具体的功能。
角色管理部分：
这部分功能设计并不是太好，它没有把头像，平台，模型等信息显示在这个列表中，非常不直观。
但是它功能是正常的，在添加和编辑页面都可以正常显示和编辑头像和平台信息。
然后看一下群聊创建功能：
这一部分做得很好，已经添加了角色选项，并且和平台选项做了区分，并且可以看到我们设置好的几个角色了。也可以成功创建会话。
核心功能群聊界面：
这部分让人惊讶，居然全对，没有任何问题。
功能正常，头像显示正确。
这个环节很多选手都会在头像和名称上踩坑。比如上次测试 Pro 的时候，就是对话中头像显示有问题。
这个例子表现出乎意料的好。这可是我手上最有挑战性的例子的呀。几个月前，好多模型都是错漏百出。
最牛逼的点是，它只用了 9 分钟 45 秒。
从上面可以看到，10 分钟不到，它就已经开始安装运行环境了。到这里基本就是代码写得差不多了，要开始跑起来了。
加上安装环境和验证的时间，总共也才 15 分钟。
这个效率简直高到爆炸！ 之前还没有人做到过，又快又准。
说实话，看到这个例子我有点难以置信。因为这个例子确实有点难度的，光靠抽卡的运气是做不到这个效果的，可能它就是比较擅长这种包含业务逻辑的代码。
价格、速度、能力能谈完了！ 你们觉得怎么样？
考虑到价格极低，速度极快，项目实战能力强。
不可能的三角，达到了微妙的平衡。
我觉得 Flash 才是 DeepSeek V4 的利刃，没有人可以拒绝性价比。
Pro 老哥负责秀肌肉，Flash 老弟负责多快好省地干活。
我关于 DeepSeek V4 的第一篇文章主题叫《天下苦 Token 久矣，DeepSeek V4 终于来了！》
看来，Flash 的便宜 Tokens 还是很不错的！
