准确率登顶流式榜单

根据 Artificial Analysis 的 AA-WER Streaming 评测，Grok Voice Transcribe 2.0 在最终转录结果上的词错误率为 2.7%，而上一代 1.0 版本为 3.9%。在首个部分转录结果上，新版本词错误率从 1.0 的 18.3% 大幅降至 3.4%，响应时间为语音结束后的 0.49 秒。

非流式场景下，2.0 版本的词错误率为 2.3%，在全部 59 款模型中排第 5 位。SpaceXAI 称，该模型在流式转写的准确率上超越了 Meta 的 Muse Voice Transcribe 与 ElevenLabs 的 Scribe v2 Realtime 等竞争对手。

四项内部测试全面领先

除公开榜单外，SpaceXAI 基于线上实际业务采样了四个内部数据集进行系统评测，新版本在四项测试中均全面超越 1.0 版本：8 kHz 客服电话音频词错误率从 10.6% 降至 7.1%；与 Grok 的日常英语对话从 8.7% 降至 3.3%；人名、邮箱、地址等口述信息从 7.2% 降至 3.2%；覆盖 19 种语言的简短语音指令从 20.6% 降至 6.8%。

SpaceXAI 表示，Grok Voice 底层音频基础模型目前已全面赋能实际业务：每天承接数万通客服电话，转录数百万小时视频旁白，并为实体硬件中的语音智能体提供支撑，其中包括特斯拉车辆搭载的 Grok 助手。企业协作软件商 Atlassian 已在旗下 Loom 录屏平台中采用该模型，用于为 Cursor 等编码工具生成可落地的开发口述转录。

价格不变，功能加码

Grok Voice Transcribe 2.0 的定价与 1.0 版本完全一致：批量转录为每小时音频 0.10 美元（现汇率约合 0.67 元人民币），实时流式转录为每小时 0.20 美元（现汇率约合 1.3 元人民币）。说话人分离、精确时间戳以及自定义关键词功能均已包含在内，无需额外付费。

新版本新增了多项能力：带置信度评分的逐词时间戳、最多 8 通道的独立转录、智能语音分段检测，以及每次请求最多可传入 100 个领域专属词汇的关键词偏置，用以提升专有名词与术语的识别率。开发者可通过 SpaceXAI 的语音转文本接口调用，批量请求支持最大 500 MB 文件，流式请求通过 WebSocket 端点传输。

SpaceXAI 表示，1.0 版本将在未来数周内逐步弃用，2.0 版本将接任默认模型；过渡期内开发者仍可通过指定版本号继续使用旧接口。对现有集成而言，切换到 2.0 无需修改代码。

这已经是五天内的第三次调整。

五天三次变卦

9 月 9 日，DeepSeek 首次公告：在 V4.1 Pro 上线之前，会把对 V4 Pro 的请求全部路由到 V4.1 Flash，并按 V4.1 Flash 单价计费。

9 月 10 日，公司发布 V4.1 Flash 模型，同时宣布把 V4 Pro 的下线时间明确到北京时间 2026 年 9 月 14 日 12:00。

9 月 11 日，下线决定取消。按最新口径，deepseek-v4-pro 这个模型名将长期存在，调用它拿到的仍然是 V4 Pro，价格维持原有水平。

接班的新模型，到底差在哪

V4.1 Flash 是 DeepSeek 全新模型结构系列中尺寸最小的一款，总参数 552B，采用 Causal-Encoder-Decoder 非对称结构：输入阶段每 token 只激活 8B 参数，输出阶段激活 16B。它具备原生多模态视觉理解能力，上下文长度 100 万 token，最大输出 384K，并以 MIT 许可在 Hugging Face 开源。

官方说法是，经多方测试，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro。

但把模型卡上的 instruct 对比逐项摊开，结论要复杂一些：Codeforces 评分从 3348 升到 3471，提升 123 分；MathArena Apex 从 65.3 微升至 65.6；而 GPQA Diamond 从 92.4 降到 90.9，HLE（无工具）从 42.7 降到 36.8。

换句话说，这是一次用知识类分数换取代码、数学、智能体执行能力和价格的交易，而非全面领先。对重度依赖长链条推理与知识密集型任务的团队，这种取舍并不总是划算——这也是 V4 Pro 被保留下来的直接原因。

便宜这么多，靠的是什么

V4.1 Flash 的成本优势主要来自两处。

一是非对称激活。同尺寸模型中，它的单 token 激活量明显更低。

二是 KV Cache 压缩。与上一代相比，V4.1 Flash 对 HBM 的需求降到四分之一，对 SSD 的需求降到八分之一，全局 KV Cache 压缩到每 token 890 字节。在智能体场景中，缓存命中费用往往占总成本的大头，缓存压得小，账单就跟着降。

现行价格对照

DeepSeek 继续沿用峰谷定价：高峰时段为北京时间周一至周五 9:00 至 12:00、14:00 至 18:00，其余为闲时，闲时价格为高峰时段的一半。计价单位均为每百万 tokens。

deepseek-flash 闲时价格为：输入缓存命中 0.02 元、缓存未命中 1 元、输出 4 元；高峰时段分别为 0.04 元、2 元、8 元。

deepseek-v4-pro 闲时价格为：输入缓存命中 0.15 元、缓存未命中 4.5 元、输出 13.5 元；高峰时段分别为 0.30 元、9.0 元、27.0 元。

两者输出价相差约 3.4 倍，这正是迁移的经济动力所在。

给开发者的三点提醒

第一，模型名不再等于模型本身。此前 deepseek-v4-flash、deepseek-v4-flash-vision-exp 两个旧模型名已经下线，出于兼容暂时路由到 V4.1 Flash。只靠锁定模型名来锁定能力的做法，在这次事件中已经失效。

第二，V4 Pro 得以保留，但 V4.1 Pro 尚未上线，也没有给出时间。推理能力要求高的业务，短期内仍应把 V4 Pro 作为主要选项，并预留回退方案。

第三，如果业务对价格敏感、对时延和吞吐要求高，把负载切到 deepseek-flash 更划算；批量、非实时的任务安排在闲时执行，成本还能再降一半。

官方对新结构的设计目标表述得很直接：能力上限更高、推理速度更快、吞吐更大，并且可以扩展到更大的参数规模。

5520 亿参数，输入和输出用两套算力

V4.1 Flash 是一个总参数量 552B 的混合专家（MoE）模型，采用了全新的 Causal-Encoder-Decoder（因果编码器—解码器）结构。

这套结构最大的特点是输入与输出不对称：处理输入时只激活 80 亿参数，生成输出时激活 160 亿参数。也就是说，读取信息和生成内容被分配了不同的计算规模。DeepSeek 称，其成本显著低于已知的同尺寸模型。

这种设计与智能体（Agent）的工作方式高度契合。处理代码仓库、长文档和历史对话时，模型往往需要”读很多、写很少”——吞下海量上下文，再输出相对有限的判断、代码或操作指令。把输入环节的计算开销压下来，对这类任务的整体效率改善是直接的。

除结构外，V4.1 Flash 还采用了新的预训练方式，并经过了更大规模的强化学习后训练。官方公布的基准成绩包括：科学问答 GPQA Diamond 得分 90.9，Codeforces 竞赛编程评级 3471，MathArena Apex 得分 65.6。在考察终端任务执行的 Terminal-Bench 2.1 上得分为 90.6，网络安全测试 CyberGym 上得分 88.1——而 V4 Pro 此前公布的对应成绩分别为 87.9 和 83.3。

KV Cache 再瘦身：HBM 需求降到 1/4

另一项关键改进在缓存。V4.1 Flash 大幅减少了 KV Cache 的大小，与上一代模型相比，对 HBM（高带宽内存）的需求减少到 1/4，对 SSD 的需求减少到 1/8。

这个数字对 Agent 类场景的意义尤其突出。缓存命中的费用在长任务账单里往往占比不低，把 KV Cache 压缩下来，等于直接降低了调用成本。从官方披露的演进曲线看，相对初代模型，KV Cache 已经缩小了 437 倍。

API 变更与 V4 Pro 的下线时间表

V4.1 Flash 已同步上线 DeepSeek API，原生支持多模态，开发者将模型名称更改为 deepseek-flash 即可调用。旧版本模型 V4 Flash 与 V4 Flash Vision Exp 现已下线；出于兼容考虑，模型名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 会被暂时路由到 V4.1 Flash。

更值得注意的是 V4 Pro 的退场安排。DeepSeek 表示，经多方测试，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro，因此计划有序下线 V4 Pro：北京时间 2026 年 9 月 14 日 12:00 之后，至未来 V4.1 Pro 上线之前，用户访问 deepseek-v4-pro 的请求将全部路由到 V4.1 Flash，并按 V4.1 Flash 单价计费。

国家超算互联网同步开放

在算力侧，用户可登录国家超算互联网官网（www.scnet.cn）PC 端，从首页进入「模型服务」页面，即可快速打开 V4.1 Flash 的 API 调用界面，无需繁琐的环境配置。依托平台的国产算力资源池与 Notebook 开发环境，企业、科研机构及开发者也可以在 AI 社区下载模型权重文件，开展二次开发、本地部署与技术研究。

据介绍，国家超算互联网作为全国一体化算力网的核心载体，已接入 30 余家骨干算力中心，汇聚近 70 种规格算力资源；其 AI 社区现已汇集 1800 余款国内外热门开源大模型，并陆续接入 DeepSeek、GLM、Qwen、Kimi 等主流国产大模型 API，覆盖文本、图像、视频生成、语音合成、多模态等能力。

一个用更低单价接替自家旗舰、同时把上下文存储开销继续往下压的模型，对高频调用 Agent 的开发者来说，吸引力可能比榜单名次本身更实际。