DeepSeek-V4.1-Flash 技术报告 / 附录

附录

作者名单、评测细节与推理强度控制中的指数 Token 惩罚。

技术报告 · DeepSeek · MoE · 长上下文 技术报告

A. 作者名单

作者按名字的字母顺序排列。姓名后标有 * 的人员表示其已离开团队。

研究与工程（Research & Engineering）： Anyi Xu, B. Li, Bangcai Lin, Bing Xue, BingCheng Xian, Bingzheng Xu, Bochao Wu, Bowei Zhang, Boyi Deng, C.C. Yu, Chao Jin, Chaofan Lin, Chen Dong, Chenbing Wang, Chenfan Feng, Chengda Lu*, Chenggang Zhao, Chengqi Deng, Chengyuan Zhang, Chenhao Xu, Chenqi Zhao, Chenze Shao, Chuhao Wang, Chuqi Zhang, Damai Dai, Dejian Yang, Deli Chen, Di Huang, Di Wu, Donghao Li, Erhang Li, Eric Fu, F. Zhou, Fangwei Zhou, Fangyun Lin, Fangzhou Yuan, Feiyu Xia, Fucong Dai, Guangbo Hao, Guanglin Li, Guanting Chen*, Guoai Cao, Guofan Fan, Guolai Meng, Guowei Li, Haichuan Zhang, Haiyang Ma, Haiyang Shen, Han Li, Han Yu, Han Zhang, Hangyuan Deng, Hanwei Xu, Hanxiang Xu, Hanxun Zhong, Hao Guo, Hao Jiang, Hao Li, Hao Qin, Haodong Wen, Haofen Liang, Haofeng Huang, Haohua Liu, Haoling Zhang, Haoming Luo, Haoran Yang, Haotian Xu*, Haotian Yuan, Haoting Huang, Haowen Luo, Haoyang Cai, Haoyu Chen, Haozhe Ji, Hengran Zhang, Hengrui Wang, Hengxu Wu, Honghui Ding, Hongxuan Tang, Huadong Wang, Huanqi Cao, Huazuo Gao, Hui Qu, Hui Zeng, J. Yang, J.H. Jin, J.H. Zhang, J.X. Zou, Jia Yu, Jiahui Zhou, Jiajun Chen, Jialiang Huang, Jialin Zhao, Jiamin Tang, Jian Zhou, Jianan Tong, Jianwen Li, Jiaqi Zhu, Jiarui Wang, Jiasheng Ye, Jiashi Li, Jiaxin Xu, Jiaying Ding, Jibai Lu, Jiewen Hu, Jin Yan, Jincheng Zhai, Jingchang Chen, Jingcheng Hu, Jingli Zhou, Jingsheng Xu, Jingting Xiang, Jingyan Yun, Jingyang Yuan, Jingyuan Cheng, Jinhua Zhu, Jinpeng Wang, Jinyi Chen, Jinyi Hu, Jiping Yu, Jueliang Guo, Junbo Pei, Junbo Sun, Junguang Jiang, Junjie Qiu, Junkang Zhou, Junqi Liu, Junren Li, Junxian Li, Junxiao Song, Junyi Guo, Kai Dong, Kaifeng Chen, Kaige Gao, Kang Guan, Kangdong Yuan, Ke Hong, Ke Xu, Kefan Zhao, Kexin Ji, Kexin Zhang, Kexing Zhou, Kuai Yu, Lan Zhang, Lean Wang, Lecong Zhang, Lei Wang, Letian Gao, Liang Zhao, Liansheng Xu, Lihua Guo, Lingxiao Luo, Lingyue Fu, Litao Deng, Litong Wang, Liyue Zhang, Longhao Chen, Lu Chen, Luotian Huang, Luyao Ma, Luyao Wang, M.S. Di, Max Mei, Menghao Ye, Miao Cui, Mingchuan Zhang, Minghua Zhang*, Minghui Tang, Mingjing Zhang, Mingqi Wei, Mingshu Chen, Mingxing Liu, Mingxu Zhou, Mingyu Xu, Mingyu Yang, Mingze Wang, Muyang Chen, Ni Shentu, Ning Wang, Niufang Ning, Panpan Huang, Peixin Cong, Peiyi Wang, Peiyuan Xin, Pengfei Ren, Pengfei Yan, Pengle Zhang, Qi Kang, Qi Tang, Qiancheng Wang, Qiang Li, Qihao Zhu, Qingyang Li, Qinyu Chen, Qiushi Du, Qizhou Guo, Rongxian Xu, Rui Ding, Rui Hu, Rui Tian, Rui Yu, Ruidong Zhu, Ruifan Xu, Ruihan Yang, Ruihang Xia, Ruijie Lu, Ruilin Geng, Ruipeng Hong, Ruiqi Ge, Ruisong Zhang, Ruize Sun, Ruizhe Pan, Runji Wang, Runqian Chen, Runxin Xu, Ruohong Tian, Ruomeng Shen, Ruoyu Zhang, Ryan X., S.H. Liu, Shanghao Lu, Shangyan Zhou, Shanhuang Chen, Shaofei Cai, Shaoheng Nie, Shaoyuan Chen, Shengding Hu, Shengkai Lin, Shengwen Ran, Shengyu Liu, Shengyuan Jia, Shi Bai, Shi Feng, Shicheng Xu, Shichun Liu, Shiqiang Hu*, Shirong Ma, Shiyu Wang, Shiyuan Feng, Shufan Gong, Shuhan Lin, Shuiping Yu, Shunfeng Zhou, Shuo Yang, Shuomeng Wang, Shuting Guo, Shuting Pan, Shuying Yu, Sinuo Cao, Siyi Lin, Sizhe Chen, Songyang Chen, Songyang Zhou, Tao Ni, Tao Yun, Tian Jin, Tian Pei, Tian Ye, Tianle Lin, Tianran Ji*, Tianyi Cui, Tianyuan Yue, Tingting Yu, Tongrui Xiong, Wangding Zeng, Wei Liu, Wei Zhang, Weibin Xu, Weihao Zeng, Weilin Zhao, Wen Liu, Wenfeng Liang, Wenjie Pang, Wenjing Luo, Wenjing Yao*, Wenjun Gao, Wenkai Shao, Wenkai Yang, Wenli Zhang, Wenlu Wang, Wenlve Huang, Wenqian Yan, Wentao Zhang, Xi Gao, Xiang He, Xiang Li, Xiangli Li, Xiangwen Wang, Xiangying Zhang, Xiankui Wei, Xiao Bi, Xiaodong Liu, Xiaohan Wang, Xiaojian Qu, Xiaokang Chen, Xiaokang Zhang, Xiaotao Nie, Xiaoyao Zou, Xiaoyuan Li, Xicheng Guo, Xieting Chu, Xin Cheng, Xin Liu, Xin Xie, Xinbo Xu, Xingchao Liu, Xingchen Liu, Xingkai Yu, Xingyou Li, Xintong Yao, Xinyang Chen, Xinyong Jiang, Xinyu Yang, Xinyu Yang, Xu Chen, Xuanyu Wang, Xubei Zhong, Xuecheng Su, Xuejie Liu, Xuheng Lin, Xujie Fan, Xuncheng Zhao, Xuwei Fu, Y.C. Yan, Y.H. Jiang, Y.T. Wu*, Y.W. M., Y.Z. Wang, Yafei Gao, Yang Yang, Yang Zhang, Yanru Ma, Yanwen Huang, Yao Li, Yao Li, Yao Meng, Yao Zhao, Yaofeng Sun, Yaohui Wang, Yaoyang Ye, Yehang Yin, Yexinrui Wu, Yi Qian, Yi Tao, Yi Yu, Yichao Zhang, Yichen Jiang, Yicheng Wang, Yifan Ding, Yifan Shi, Yifeng Peng, Yifeng Zhai, Yijia Wu, Yiliang Xiong, Yilun Wang, Ying He, Ying Zhou*, Yingjia Luo, Yinmin Zhong, Yiping Wang, Yisong Wang, Yixiang Zhang, Yixiao Chen, Yixuan Tan, Yixuan Wei, Yiyang Ma, Yiyao Yang, Yiyuan Liu, Yizai Cai, Yizhen Wei, Yizhi Wang, Yonglun Yang, Yongqi Zhuo, Yongqiang Guo, Yongtong Wu, Yu Wu, Yu Zhang, Yuan Bian, Yuan Cheng, Yuan Ou, Yuan Sun, Yuanfan Xu, Yuanhang Sun, Yuanhao Li, Yuchen Liu, Yuchen Yao, Yudong Han, Yuduan Wang, Yuhan Wu, Yuhao Meng, Yuheng Zou, YuKun Li, Yunchuan Wang, Yunfan Xiao, Yunfan Xiong, Yupeng Chen, Yuqian Cao, Yuqian Wang, Yuqing Chen, Yushun Zhang, Yutong Lin, Yuwei Xiao, Yuxian Gu, Yuxiang Chen, Yuxiang Huang, Yuxiang Luo, Yuxiang You, Yuxin Chen, Yuxin Xiang, Yuxuan Liu, Yuxuan Zhou, Yuyang Zhou, Yuzhe Guo, Yuzhen Huang, Yuzhuo Bai, Z.Y. Z., Zanlin Ni, Zehao Wang, Zehua Zhao, Zehui Ren, Zejun Zhao, Zhangli Sha, Zhanying Wang, Zhaochen Zhang, Zhaoshuai Du, Zhe Fu, Zhean Xu, Zhenda Xie, Zheng Liu, Zhengyan Zhang, Zhenhua Dong, Zhewen Hao, Zhibang Wang, Zhibin Gou, Zhicheng Ma, Zhihao Li, Zhihong Shao, Zhihuan Huang, Zhijie Li, Zhirui Lu, Zhixian Huang, Zhixuan Chen, Zhixuan Chen, Zhixuan Pan, Zhiyu Wu, Zhizhou Ren, Zhu He, Zhuoshu Li, Zhuping Zhang, Zian Xu, Zihao Wang, Zihui Gu, Zijia Zhu, Zili Zhang, Zilin Li, Zilong Hou, Zilong Lyu, Ziqiao Wang, Ziwei Xie, Ziya Zhang, Ziyi Gao, Zizheng Pan, Zonglin Li, Zongqing Yao, Zui Chen, Zuofan Wu

业务与合规（Business & Compliance）： Chenchen Ling, Chengyu Hou, Chong Chen, D. Li, Di Qi, Dongjie Ji, Fang Wei, Fanyi Xia, Fei Xie, Feiyi Tan, Hailong Guo, Haiyan Zhai, Hui Zhou, Huihui Tan, Huijie Li, Jia Luo, Jia Song, Jialu Cai, Jian Liang, Jiangting Zhou, Jiaqi Gao, Jiayi Shao, Jie Chen, Jieyu Yang, Jin Chen, Jingde Zhang, Jingzi Zhou, Jinqian Wang, Jinyang Liu, JinZhao Sun, Junhua Ling, Junmin Zheng, Kaicheng Yang, Ke Xu, Le Su, Leyi Xia, Liangfeng Ding, Lin Zhuo, Linwang Ma, Linyan Zhu, Liyu Cai, Luqi Yao, M.K. Zhang, Meng Li, Miao Lin, Miaojun Wang, Min Zhang, Mingming Li, Mingming Wang, Mingze Yin, Minmin Han, Nan Cao, Ning Wang, Ningxin Ma, Panpan Wang, Peihan Lin, Peng Sun, Peng Zhang, Qian Ying, Qiang Xiang, Qiao Wang, Qingmiao Mao, Qiwei Jiang, Rongli Jin, Ruyi Chen, Sha Tao, Shangmian Sun, Shaoqing Wu, Shichao Zou, Si Lei, Tianyang Zhang, Tianyu Sun, Tingting Yin, W.L. Xiao, Wei An, Wei Li, Wei Wang, Weiwei Lin, Wenqing Hou, X. Lin, Xiangfei Meng, Xianzhu Huang, Xiao Peng, Xiaoqian Li, Xiaoting Zhang, Xiaowen Sun, Xiaoxiang Wang, Xiaoyu Ye, Xinrou Zhang, Xinyu Zhang, Xue Cao, Xueyin Chen, Yanan Zhou, Yanhong Xu, Yao Xia, Yao Xu, Yi Shao, Yihong Zhang, Yiling Ma, Ying Tang, Yining Lou, Yiru Chen, Yishi Piao, Yixuan Chen, Yong Xiong, Yuchen Xuan, Yuehan Yang, Yuer Xu, Yukun Zha, Yunxian Ma, Yuping Lin, Yuting Yan, Yutong Xie, Yuwen Sheng, Yuxuan Zhu, Zekai Zhang, Zhe Ju, Zhenzhen Lin, Zheren Gao, Zheyang Sun, Zhigang Yan, Zhongyu Wu, Zi Wang, Zihua Qu, Ziling Yan, Ziyi Wan

B. 评测细节

B.1 脚手架配置

所有脚手架均在 Linux 任务容器中运行，并采用表 4 中的统一评测设置。每次运行均从基准任务描述开始，并使用脚手架运行时或评测集成所提供的提示词、任务模板和工具定义。我们不额外加入任何实验性系统提示词。

原始表 5 原始表 5

表 5｜在 Max 推理强度下，不同 Claude Code 版本的性能。

基准（指标）v2.1.105v2.1.238v2.1.251v2.1.259平均值
DeepSWE v1.1（Resolved）68.468.769.868.668.9
Terminal-Bench v2.1（Pass@1）87.388.488.087.687.8

**注：**平均值基于四个版本未经四舍五入的 Pass@1 分数计算。

  • Claude Code（v2.1.105、v2.1.238、v2.1.251、v2.1.259）：使用 Claude Agent SDK，并采用各版本的原生工具接口。表 4 报告 v2.1.251 的结果；表 5 对四个版本进行比较。
  • Codex（v0.147.0）：采用标准 app-server 模式，并对工具 schema 进行适配。
  • OpenCode（v1.18.15）：使用 build agent，配备 shell 与文件工具，并使用其原生任务委派能力。
  • Pi（v0.84.2）：采用 RPC 模式，使用文件与 shell 工具，并加入提供 search、open_page 和 find_in_page 的搜索扩展。
  • mini-SWE：使用 mini_swe_v2 port¹，仅提供一个 bash 工具；每一轮都要求进行工具调用，并以提交标记结束任务。
  • DeepSeek Harness（DSH）：Minimal 模式仅提供一个 bash 工具；Standard 模式使用完整 SDK profile，并初始提供 26 个函数工具，其中包括网页搜索与抓取；PTC 模式通过 run_code 执行 TypeScript 程序，并可调用 24 个底层工具。Standard 与 PTC 使用 v0.1.1+custom.202609011522。

B.2 不同脚手架下的推理强度

图 11 的六个子图均显示，提高推理强度会使轨迹变长：在每一组“脚手架—基准”组合中，每条轨迹的平均输出 token 数都随推理强度单调增加。Pass@1 与这种增长仅呈较弱相关：整体趋势有所改善，但多数子图在中间强度处存在平台期或下降，因此并非单调变化。

不同脚手架的标定也不同。在 DeepSWE v1.1 上，Claude Code 的曲线最平缓，额外消耗的 token 相对较少；DeepSeek Harness（Minimal）起点最低，但在最高强度处获得最大增益，同时付出最高 token 成本；mini-SWE 位于二者之间。在 Terminal-Bench v2.1 上，三种脚手架的结果集中在一个较窄区间；在最大推理强度下，排序为 DeepSeek Harness（Minimal）、mini-SWE、Claude Code。当任务接近饱和时，脚手架选择的影响至少与推理强度档位同样重要。

B.3 不同推理强度下的推理基准详细结果

图 12 表明，在全部八项基准上，推理强度设置都能对输出长度和准确率实现平滑且行为良好的控制。这些基准覆盖竞赛数学、科学问答、开放域知识和代码任务。

在输出长度方面，将推理强度从 25 提高到 100，会使每项基准的平均回答长度稳定增加约 2.0–3.1 倍：AIME 2026 从每次回答 4.6k token 增至 11.4k，MathArena Apex 2025 从 29.1k 增至 86.1k。没有观察到失控式增长或异常，因此可以预先估计各档位的计算成本。

准确率也沿同一方向平滑变化：所有基准在提高推理强度时均未出现最终性能下降。MathArena Apex 2025 提升 40.3 个百分点（25.3%→65.6%），Apex 2025 Shortlist 提升 11.5 个百分点；即使已经接近饱和的基准也保持稳定，例如 GPQA Diamond 提升 1.3 个百分点、LiveCodeBench 提升 2.6 个百分点，而 AIME 2026 达到 100%。

¹ mini-swe-agent，commit 04d809ceab9d。

原始图 11 原始图 11

图 11｜推理强度会稳定地增加轨迹长度，但与不同编码脚手架下的准确率仅呈弱相关。 每个子图绘制 Pass@1（%，实线，左轴）以及每条轨迹的平均输出 token 数（k，虚线，右轴），横轴为推理强度。上排为 DeepSWE v1.1，下排为 Terminal-Bench v2.1，分别使用 Claude Code、DeepSeek Harness（Minimal）和 mini-SWE 三种智能体脚手架。所有子图均来自同一模型 checkpoint。

因此，该模型提供了一个单一且可靠的控制量，可以受控、可预测地移动成本—准确率工作点，使不同部署能够根据时延和计算预算选择合适的推理强度，而无需牺牲准确率。

C. 推理强度控制中的指数 Token 惩罚

标量推理强度变量能够在部署时控制成本—质量权衡，而无需施加硬性的 token 预算。在强化学习期间，较低的推理强度会施加更强的 token 惩罚，而较高的推理强度则允许更多计算。本节给出采用指数惩罚调度的一个简化动机。

对于在推理强度 bb 下生成、包含 ℓ\ell 个推理 token 的一条轨迹，长度扣分为：

rlen(ℓ,b)=−min⁡{Cmax⁡,  k(b)ℓLnorm}.(11)r^{\mathrm{len}}(\ell,b)=-\min\left\{C_{\max},\;k(b)\frac{\ell}{L_{\mathrm{norm}}}\right\}. \tag{11}

其中，LnormL_{\mathrm{norm}} 是参考长度，Cmax⁡C_{\max} 为扣分上限。依赖于推理强度的 token 惩罚系数为：

k(b)=k0exp⁡(−b−bmin⁡τ).(12)k(b)=k_0\exp\left(-\frac{b-b_{\min}}{\tau}\right). \tag{12}

其中，k0k_0 是最低推理强度 bmin⁡b_{\min} 下的惩罚系数，τ\tau 控制惩罚衰减速率。

为说明这一形式，考虑一个固定问题 xx。令 px(ℓ)p_x(\ell) 表示使用 ℓ\ell 个推理 token 后成功解决该问题的概率。在惩罚尚未达到上限的区域中，定义偏好的推理长度 ℓx∗(b)\ell_x^*(b) 如下。

原始图 12 原始图 12

图 12｜八项高推理需求基准上，性能与输出长度随推理强度变化。 每个子图绘制 Pass@1（实线，左轴）和每次回答的平均输出 token 数（虚线，右轴），推理强度从 25 变化到 100。

偏好的推理长度定义为：

ℓx∗(b)∈arg⁡max⁡ℓ≥0[px(ℓ)−k(b)ℓLnorm].(13)\ell_x^*(b)\in\arg\max_{\ell\ge 0}\left[p_x(\ell)-k(b)\frac{\ell}{L_{\mathrm{norm}}}\right]. \tag{13}

对于内部最优解，一阶条件为：

px′ ⁣(ℓx∗(b))=k(b)Lnorm,(14)p_x'\!\left(\ell_x^*(b)\right)=\frac{k(b)}{L_{\mathrm{norm}}}, \tag{14}

其中，px′(ℓ)=dpx(ℓ)/dℓp_x'(\ell)=\mathrm{d}p_x(\ell)/\mathrm{d}\ell 表示增加额外推理 token 对成功概率带来的边际改善。

我们假设，在相关工作区间内，这种边际收益近似按指数衰减：

px′(ℓ)≈axexp⁡(−ℓsx),(15)p_x'(\ell)\approx a_x\exp\left(-\frac{\ell}{s_x}\right), \tag{15}

其中，ax>0a_x>0 是依赖于具体样本的尺度参数，sx>0s_x>0 决定衰减速率。将式（12）和式（15）代入式（14），得到：

ℓx∗(b)≈Cx−sxlog⁡k0+sxτ(b−bmin⁡),(16)\ell_x^*(b)\approx C_x-s_x\log k_0+\frac{s_x}{\tau}(b-b_{\min}), \tag{16}

其中：

Cx=sxlog⁡(axLnorm),C_x=s_x\log(a_xL_{\mathrm{norm}}),

且 CxC_x 与 bb 无关。因此，在这一局部模型下，指数惩罚调度会在所请求的推理强度与偏好推理长度之间产生一个一阶近似的仿射关系。

对于两个推理强度 b2>b1b_2>b_1，相应的预测长度差为：

ℓx∗(b2)−ℓx∗(b1)≈sxτ(b2−b1).(17)\ell_x^*(b_2)-\ell_x^*(b_1)\approx\frac{s_x}{\tau}(b_2-b_1). \tag{17}

因此，k0k_0 主要控制整体上偏向更短推理的压力，而 τ\tau 控制预测的推理长度对推理强度变化的敏感度。

这一推导只是奖励层面的局部近似，并不是声称实际测得的平均长度必须线性变化，或逐点单调变化。实际行为可能偏离这一近似，因为——

——推理强度指令本身可能直接改变推理策略；生成过程具有随机性；智能体轨迹包含的轮数不同；而子组内奖励归一化也会改变优化强度。

上述分析还假设存在一个内部解，并且惩罚上限尚未生效。一旦达到惩罚上限，边际 token 惩罚就会变为零，此时必须单独分析被截断后的区域。