Artificial Analysis 将 DeepSeek V4.1 Flash 加入其 AA-AgentPerf 代理推理性能基准测试，并公布了在 NVIDIA 和 AMD 硬件上的初步结果。该模型在 Artificial Analysis 智能指数上得分 39，且可运行在少至 2 块 GPU 上，服务效率更高。在每用户 100 tokens/s 的条件下，NVIDIA GB300 以每兆瓦高达 2.61 亿 tokens/s 的吞吐量领先。
SynthePulse Insight · AI 深度解读
版本 1 · 1 个来源
Artificial Analysis 把 DeepSeek V4.1 Flash 纳入其智能体推理基准 AA-AgentPerf，并给出 NVIDIA 与 AMD 硬件的首批吞吐与单智能体输出速度结果。数字本身很整齐，但全部来自同一家机构的自建基准，且模型架构说明没有第一方出处——这决定了我们该把它读成什么。
Artificial Analysis 宣布已将 DeepSeek V4.1 Flash 纳入其智能体推理性能基准 AA-AgentPerf，并同时给出该模型在 NVIDIA 与 AMD 硬件上的结果。这是本次事件中唯一可以当作既成事实的部分：模型被加入榜单、结果被公布。
但接下来的所有数字，性质都不同。它们出自 Artificial Analysis 自建的基准，属于该机构的自报结果，来源中没有出现任何第三方独立验证。AA-AgentPerf 本身也被描述为通过回放真实智能体编程会话（含提示缓存与工具调用延迟）来模拟日常智能体负载——这是对方法的说明，不是对生产环境表现的保证。
因此本文的处理方式是：把“谁公布了什么”当作事实，把“数字是多少”当作该机构的说法，把“这些数字意味着什么”当作需要标注的推断。
在每用户 100 tokens/s 这一条件下，Artificial Analysis 给出的吞吐量排序是：GB300 约 261M tokens/s 每兆瓦，B300 约 220M，B200 约 193M，GB200 约 178M，MI355X 约 128M。GB300 位列第一。
这个排序有两个必须一起读的前提。第一，指标以每兆瓦运行时功耗归一化，也就是把吞吐量除以功耗，而功耗测量口径来自该机构自身，来源未披露具体测量方式。第二，条件被限定在每用户 100 tokens/s，换一个并发或速度目标，排序未必保持。
AMD 侧只出现了 MI355X 一项结果，其他 AMD 硬件的表现来源中没有给出，因此这份榜单在 AMD 维度上只能算一个点，不是一条线。
在批大小为 1、也就是单个智能体的条件下，所有 Blackwell 系统与 MI355X 都能达到约 600 至 670 tokens/s 的输出速度；H100 与 H200 则为 372 至 392 tokens/s。
这组数字与上一节的吞吐量排序讲的是两件事。吞吐量衡量的是系统利用率，单智能体速度衡量的是单个用户的体验，该基准同时测量两者，正是为了展示“系统利用率与个体用户体验之间的权衡”。
需要注意的是，600 至 670 是一个区间，覆盖了多个不同系统，来源没有给出各系统在这条区间上的具体位置，因此不能据此判断 Blackwell 各型号之间在单智能体速度上存在差异。
Artificial Analysis 称 V4.1 Flash 最少可在 2 块 GPU 上运行。它由此得出的推论是：机架级系统相对 B300 这类 8 卡单节点的优势会变小。
支撑这一推论的具体数据是：B300 在整条曲线上与机架级 GB300 NVL72 的差距保持在约 20% 以内，并在两端领先。换句话说，在这款模型上，为机架级付出的溢价换来的差距被压缩到了两成以内——这是该机构的说法，且“约 20%”是近似值，精确数值来源未给出。
这里存在一个容易被跳过的因果环节：模型能在更少 GPU 上运行，是硬件对比格局变化的原因。这个因果链来自该机构的表述，而非独立验证的结论。
该机构给出的背景说明称，V4.1 Flash 在 Intelligence Index 上得 39，高于此前的 V4 Pro 0813 的 36，而参数规模约为后者的三分之一：552B“骨干”参数与 16B 激活参数，对比后者的 1.6T 与 49B。
架构上，它被描述为采用新的因果编码器-解码器设计，每个输入 token 激活 8B 参数、每个输出 token 激活 16B 参数；另使用 196B 参数的 Engram n-gram 记忆，可放在主机内存而非加速器上；其压缩稀疏注意力所需的每 token KV 缓存约为更早的 V4 Flash 模型的四分之一。
这些描述是 Artificial Analysis 的背景说明，不是 DeepSeek 官方技术文档。来源中没有给出模型权重、架构细节或官方规格的第一方出处。因此“参数规模”“激活参数”“KV 缓存约为四分之一”这些数字，只能按该机构的说法来读，不能当作已确认的模型规格。
该机构称，这些设计使 V4.1 Flash 更易于服务：权重可放在更少的 GPU 上，更小的 KV 缓存则为每块 GPU 容纳更多并发智能体留出空间。
折算成数字，在每用户 100 tokens/s 条件下，V4.1 Flash 相比其更大的同门模型 V4 Pro 0813，每兆瓦吞吐量提升约 1.3 倍（GB300）至约 6.2 倍（B200）。
这个跨度值得停一下：同一款模型对同一个对照模型，在不同硬件上的提升倍数从 1.3 倍到 6.2 倍，相差近五倍。来源没有解释这一差异的原因。在缺少解释的情况下，把“约 6.2 倍”当作该模型的普遍效率特征，是超出证据的读法；更稳妥的理解是，提升幅度高度依赖所搭配的硬件。
把上述内容合起来看，可以确认的是：V4.1 Flash 被加入了 AA-AgentPerf，榜单因此共有四个特色模型，另外三个是 DeepSeek V4 Pro 0813、Kimi K3 和 GLM-5.2/5.3；该机构表示会随新的热门开源模型发布调整特色模型，并会对未来重大发布提供 day-0 结果。
不能确认的则更多。AA-AgentPerf 的具体测试方法、样本量与统计误差来源未披露；结果基于回放会话的模拟负载，未必等同于生产环境；功耗归一化依赖该机构自身的测量口径；结果是否可复现、是否随时间和配置变化，来源均未说明。
因此，这份数据的合理用途是比较同一基准内部的相对位置，而不是把它当作对 V4.1 Flash 服务成本的独立结论。
本文全部事实来自 Artificial Analysis 在 X 上发布的一条帖子（2026 年 10 月 14 日），属单一来源、该机构自建基准的自报结果，无第三方独立验证。其中“已加入 AA-AgentPerf”可视为已确认事实；所有吞吐量、输出速度、Intelligence Index 得分、参数规模与架构描述均为该机构的说法（source_claim），其中架构与效率说明并非 DeepSeek 官方技术文档。文中对因果关系的表述（如“2 块 GPU 可运行导致机架级优势变小”）已标注为来源推论。
V4.1 Flash 进入 AA-AgentPerf 后，最值得记住的不是 GB300 的 261M tokens/s 每兆瓦这个数字，而是它背后的条件：单一机构自建基准、自报功耗口径、模拟负载，以及一份没有第一方出处的架构说明。真正有信息量的是两个结构性观察——模型最少可在 2 块 GPU 上运行，使 B300 与机架级 GB300 NVL72 的差距被压到约 20% 以内；以及相对 V4 Pro 0813 的吞吐提升在不同硬件上从约 1.3 倍跨到约 6.2 倍，跨度之大本身说明效率收益高度依赖部署配置。
主报道
主报道来源