vLLM 官方博客称，在单台 NVIDIA GB300 NVL72 机架上，采用 P/D 分离和 Wide-EP 的 vLLM 运行 DeepSeek-V4.1-Flash，在 SemiAnalysis AgentX 上达到每 GPU 954K tokens/s，单用户 P90 为 196 tokens/s，是首个帖子中单节点结果的 7.9 倍，按 DeepSeek 非高峰价格计为每 GPU 小时 38.96 美元。专用 decode 路径单用户可达 826 tokens/s。与 DeepSeek 自研引擎 Dee…
推荐理由做 DeepSeek 大模型推理部署的团队可参考：单 GPU 954K tokens/s
DeepSeek 发布 V4.1-Flash 的新检查点 V4.1-Flash-1017，已在官网、App 和 API 上线，API 模型名为 deepseek-flash。官方称在全部 11 项基准上比 9 月版本高 2.0 到 11.1 分，其中 DeepSWE v1.1 得 77.0，高于表中 Claude Opus 5 的 74.0；HLE 无工具仅 42.6，低于 Opus 5 的 56.3。模型为多模态 MoE，552B 主干加 196B Engram 参数，prefill 激活 8B、decode 激…
推荐理由编码模型 DeepSWE 77.0 反超 Opus 5，且 Search API 开放
Artificial Analysis 的评测显示，Mistral Large 4 是来自美国和中国以外地区最智能的模型，成绩与 DeepSeek V4.1 Flash（max）相当。原文正文仅为播客与订阅推荐内容，未给出具体评测分数、测试项目或对比数据，信息有限。
推荐理由想知道非美中阵营模型目前追到哪一步，可记住这个结论：Mistral Large 4 对标 DeepSeek V4.1…
Redis 作者 antirez 发布 ds4，一个用 C 写的本地推理引擎，支持在高内存 Mac、CUDA 和 ROCm 机器上运行 DeepSeek V4 / V4.1 Flash、GLM 5.x 和 Qwen3.8 Flash Next，含文本与视觉模型。核心是对路由专家做非对称 2-bit 量化，保留关键共享路径精度，使 2840 亿参数的 DeepSeek V4 Flash 能在本地跑起来。KV cache 可存到 SSD 并按 prompt 哈希恢复，避免重启后全量重算。提供 CLI、兼容 OpenAI…
推荐理由想在本地跑 DeepSeek V4 或 GLM 5.x 的可以直接 clone 试
一个网页工具可将分词器与字体结合，编译出「token 空间字体」，让每个 token 占据相同宽度，从而在视觉上看出文本被如何切分。页面提供 DeepSeek V4.1 Flash × Inter 等预设，支持上传自己的分词器，编译在浏览器本地完成，大分词器可能需数分钟，可下载 TTF、CSS 和构建报告。还给出在 Discord（Vesktop + Vencord 主题）和 Slack 中按用户 ID 应用该字体的步骤，代码块仍用普通等宽字体。
推荐理由想直观理解 token 切分、或做提示词长度调试的人，可直接编译自己模型的字体看切分效果