DeepSeek V4.1 Flash vs Gemini 3.8 Flash：基准、定价与使用场景

Google 于 2026 年 9 月 2 日发布了 Gemini 3.8 Flash，这是其六周内第三次更新 Flash 级别模型。八天后，DeepSeek 推出 DeepSeek V4.1 Flash，一款采用 MIT 许可、552B 专家混合（MoE）模型，输入阶段激活 80 亿参数，输出阶段激活 160 亿参数。

两家厂商都将其模型定位为编码智能体的“主力机型”，并在关键基准上取得相近成绩。这让选择更具难度，不再是常见的开源对闭源的简单叙事，因为更便宜的那款并未在两者共有的基准上表现更弱。

本文将从基准测试、价格、开放性、多模态能力，以及我在两者上进行的一次实操构建测试，全面比较 DeepSeek V4.1 Flash 与 Gemini 3.8 Flash。

如需分别了解各模型的更深入内容，请参阅我们的 DeepSeek V4.1 Flash 指南 和 Gemini 3.8 Flash 与 3.8 Flash Cyber 指南。

要点速览

• 在两家同时公布的所有编码智能体基准上，DeepSeek V4.1 Flash 与 Gemini 3.8 Flash 旗鼓相当或略胜一筹，并在我们的排班器实测中以一半轮次取胜。
• 目前 Gemini 3.8 Flash 的输入 token 单价高 2.5 倍、输出 token 单价高 3.1 倍；其价格将于 2027 年 1 月 1 日翻倍。
• Gemini 3.8 Flash 覆盖更广：支持音频、视频、PDF 输入，并内置 Google 托管工具。
• 高并发编码智能体、批处理、重缓存循环，或任何需要自托管的场景，优先选择 DeepSeek V4.1 Flash。
• 当输入是多模态、您构建在 Google AI Studio 或 Antigravity 内，或需要具备公开领域成绩的知识型智能体时，选择 Gemini 3.8 Flash。

什么是 DeepSeek V4.1 Flash？

DeepSeek V4.1 Flash 是 DeepSeek 于 2026 年 9 月 10 日发布的开源权重、MIT 许可的专家混合模型，是一套新架构家族中最小的成员。

根据其 V4.1 技术报告，其 KV 缓存每个 token 需要 890 字节，约为 DeepSeek V4 Flash 的四分之一，这也是其大幅节省成本的主要来源。

完整解析请阅读我们的 DeepSeek V4.1 Flash 指南；上一代本地部署教程见 使用 Unsloth Studio 与 OpenCode 运行 DeepSeek V4 Flash。

什么是 Gemini 3.8 Flash？

Gemini 3.8 Flash 是 Google 在 2026 年 9 月 2 日发布的最强 Flash 级模型，基于 Gemini 3.7 Flash 打造，于其发布后三周推出。

其核心设计取向是“更努力”：面对复杂任务，会执行额外的推理步骤并迭代调用工具；Google 表示在更高“努力等级”下可能消耗更多 token。

我们的 Gemini 3.8 Flash 指南 涵盖了发布详情及限量访问的 Cyber 变体；Gemini 3.8 Flash API 教程 则讲解了 Interactions API、思考等级以及 Python 中的函数调用。

DeepSeek V4.1 Flash vs Gemini 3.8 Flash：正面交锋

从下述六个维度看，DeepSeek V4.1 Flash 在价格与开放性上取胜，并在编码方面打成平手；Gemini 3.8 Flash 则在输入类型、工具链与公开的知识型任务结果上占优。

编码与智能体工作流

在两家表格同时出现的三项智能体基准上，DeepSeek V4.1 Flash 均领先，尽管其中两项差距小到可视为持平。

真正拉开差距的是更难的一般智能体套件 Terminal-Bench 4.0：DeepSeek 为 31.2%，Gemini 为 19.1%。两家都承认该套件暴露短板；DeepSeek 表示在科学类智能体任务上与巨型模型仍有差距，而 Google 自己的表格显示 Claude Opus 5 为 51.8%。

两点注意：

• DeepSeek 的分数基于其最高手段等级；技术报告称相较低等级，其输出 token 成本约为 2.5 倍。同一报告指出，60 到 80 的努力等级能以远低于一半的 token 恢复大部分准确率，因此“max”应保留给高难任务。
• 测试框架不同，但对照列几乎完全对齐，因此这些表格比多数跨厂商对比更具可比性。

对于以终端为主的编码智能体，两者可视为并驾齐驱，让价格与部署方式来决定；在最难的智能体任务上，DeepSeek 的已公布优势是唯一上榜的差异。

定价：您实际要付多少钱

价格这一维度没有悬念，更有价值的问题是：差距会随您的工作负载形态发生多大变化。

DeepSeek V4.1 Flash 在每一行都更便宜，且工作负载越依赖输出 token 或缓存前缀，差距越大。倍数并不均一：输入为 2.5 倍，输出为 3.1 倍，缓存读取为 12.5 倍。

Token 费率并排对比

差异主要体现在“输出溢价”上。Gemini 的输出费率是 DeepSeek 的 3.1 倍，而输入是 2.5 倍，因此生成密集与思考密集的任务付费更高，且两家均按输出费率计费推理 tokens。

真实工作负载要花多少钱

计算公式为（体量 ÷ 100 万）× 费率，对输入与输出分别求和，DeepSeek 按高峰价、Gemini 按优惠期价。重缓存一行对 1,000 次读取使用各自的缓存读取费率，并假设 Gemini 缓存保存 1 小时，增加 $0.05 存储费。

重缓存这一行最具看点，因为 DeepSeek $0.006 的缓存读取价让 10 万 token 的前缀几乎免费重读，而 Gemini 对同样的 1 亿缓存 tokens 收取 $7.50。

将 DeepSeek 安排在非高峰时段，上述每一行费用减半；等到明年 1 月，Gemini 的每一行费用翻倍，均衡助理就变成 $3.38 对 $0.60。

开放性、架构与部署

两者之中，只有 DeepSeek V4.1 Flash 可下载，其架构也是其低价的原因。技术报告描述为 20 层因果编码器接 20 层解码器，采用 Compressed Sparse Attention 2、FP4 KV 缓存，KV 缓存从 V4 Flash 的每 token 3,514 字节降至 890 字节。

不过，这些 MIT 许可权重 的服务化仍处早期：vLLM 与 SGLang 还在 nightly 与预览版本中支持，Transformers 尚未支持。

如果您需要数据属地、在本地机房推理或微调，只有 DeepSeek 可选；如果您想零基础设施使用，Gemini 的 GA 托管端点更简单。

多模态、上下文与内置工具

Gemini 3.8 Flash 接受文本、图像、视频、音频与 PDF，而 DeepSeek V4.1 Flash 接受文本与图像。两者均提供 100 万 token 的上下文窗口，但 DeepSeek 允许最高 38.4 万输出 tokens，Gemini 为 6.4 万，这对长代码生成与整文改写意义重大。

Gemini 的 模型页面 还列出了 DeepSeek 尚无等价物的托管工具：代码执行、Google 搜索与地图校准、文件搜索、URL 上下文，以及预览中的计算机使用。DeepSeek 的 API 侧则提供 JSON 输出、工具调用、Responses API、Anthropic 格式端点，以及前缀与中间填充式补全。

如果您的输入包含音频或视频，或希望无需自建检索就能获得校准，选 Gemini；如果您需要长输出，并希望与现有 OpenAI 或 Anthropic 客户端代码即插即用，则选 DeepSeek。

DeepSeek V4.1 Flash 与 Gemini 3.8 Flash 的实测表现

来自两家厂商的基准仅能说明一部分，因此我在两者上用相同提示与相同工具，跑了一次构建任务。

测试内容

我要求两者构建一个社区乐团排练日程的有状态单文件 Web 应用。我们明确要求的两项功能是区间重叠冲突检测与持久化。两者在 Terminal-Bench 2.1 上都接近 90%，但 DeepSeek 在 Terminal-Bench 4.0 上为 31.2%，Gemini 为 19.1%，暗示在更难的智能体工作上存在差距，此任务是个紧凑的检验方式。

两者均在 OpenCode 中运行，工具面板完全一致且固定：仅允许读写文件，无 shell、无网络。两者均以 high 推理努力等级运行，各一次机会、无重试，提示逐字节发送至全新会话。

需要注意一个不对称：high 是 Gemini 的最高努力等级，而在 DeepSeek 上对应 1 到 100 标尺中的 75，其最高值才与其公布基准分数时使用的相同。

提示如下：

Build a single-file HTML page (inline CSS and JS, no build step, no external dependencies, no network) for a rehearsal scheduler used by a community orchestra. 
It needs:
- a week view (Mon–Sun) showing rehearsal blocks by section: strings, brass, woodwind, percussion;
- a conflict indicator that flags when two sections are booked in the same room at overlapping times (not merely the same slot);
- an add-rehearsal form with section, room, day, start time, and end time;
- localStorage persistence, so rehearsals survive a page reload.

Ship it as one working file named `index.html`. Do not install packages. Do not open, screenshot, or headless-render the page (no Playwright, Puppeteer, or Chrome). 
Do not ask me clarifying questions — make reasonable assumptions and note them briefly in a comment at the top of the file.技术支持

我从可运行性（失败/通过）以及以下三项量表进行评分，每项 1 到 5 分：

• 规格符合度：是否实现了我要求的全部功能？
• 冲突逻辑：能否成功检测并展示重叠，同时将相邻预订或不同房间的预订视为不冲突？
• 可用性与布局：是否单页可视、直观易用、观感良好？

DeepSeek V4.1 Flash 的产出

DeepSeek 用 2 个回合、1 次工具调用完成：写出一个 13 KB 的 index.html 并宣告结束。页面为深色的双栏布局，左侧为添加排练表单，右侧为周一至周日网格，下方为冲突检查面板。其头部注释清楚写明重叠规则：仅严格重叠算冲突、背靠背不算；探测确认仅标记了重叠的那一对。

所要求的内容一应俱全且运作正常，布局一目了然；其唯一的“额外”——删除条目——也有帮助。不支持编辑条目，但提示也未要求。三项量表均为满分 5 分。

Gemini 3.8 Flash 的产出

Gemini 用了 4 个回合与 3 次工具调用（glob、读取、然后写入），最终交付一个 76 KB 的 index.html（几乎是 DeepSeek 文件的 6 倍），速度也慢得多。成品观感更精致：带品牌的页眉与实时冲突计数器、预置一周示例（周三故意双订以便立即显示冲突）、分部与房间筛选、仅看冲突开关、列视图与时间轴视图、编辑与删除条目、曲目备注字段，以及新建预订时的实时警告预览。

冲突逻辑正确，探测仅标记重叠的一对。问题在于“加料”：带每个分部场次计数的“分部与平衡”面板迫使表单列出现滚动（与提示相悖），且在整体布局下显得突兀；同时控件数量过多，使得周视图不如 DeepSeek 的清爽易读。因此我在规格符合度与布局各扣 1 分，不过总体质量仍然很高。

结果

本次测试由 DeepSeek V4.1 Flash 取胜。两者都搞定了难点（区间重叠逻辑），差异归于取舍：DeepSeek 一次写就按需构建；Gemini 做成了一个“小产品”，而某个未请求的功能影响了评分所依据的布局。若要向乐团经理演示，我会选 Gemini 的版本；若要同事交付给我继续迭代，我更愿意拿到 DeepSeek 的版本。

这只是一次、在一个努力等级下的单项任务测试，未涵盖 token 使用或成本，也仅检验了有状态 UI 与重叠逻辑，不涉及长周期的代码库工作。

何时选择 DeepSeek V4.1 Flash 或 Gemini 3.8 Flash

两者都不是对所有人的“默认之选”，因此按工作负载给出建议。

分叉点在输入、基础设施与预算：两者在编码智能体上势均力敌，因此当成本或可控性决定胜负时，DeepSeek 取胜；当您的数据或技术栈是 DeepSeek 无法摄入或托管的，Gemini 取胜。

如符合以下情形，选择 DeepSeek V4.1 Flash：

• 您要大规模运行编码智能体。 它在 Terminal-Bench 2.1 与 DeepSWE v1.1 上与 Gemini 持平，在 Terminal-Bench 4.0 上领先，且每 100 万输出 tokens 收费 $1.20，而非 $3.75。
• 您的智能体循环会多次重读大型前缀。 缓存读取每 100 万 tokens 收费 $0.006，而 Gemini 为 $0.075 且叠加小时存储费，12.5 倍差距在重缓存场景中占主导。
• 您需要自托管或微调，且手头有节点。 MIT 许可权重可用 vLLM 与 SGLang 的 nightly/preview 镜像服务，但检查点约 511 GB，已验证部署为一台 GB200 NVL4 机箱或一台 8×H200 节点。
• 您能在非高峰调度，或需要超长输出。 非高峰全部费率减半，且 38.4 万的输出上限是 Gemini 6.4 万的 6 倍。

如符合以下情形，选择 Gemini 3.8 Flash：

• 您的输入包含音频、视频或 PDF。 DeepSeek V4.1 Flash 仅支持文本与图像。
• 您希望直接使用托管工具而非自建。 代码执行、Google 搜索与地图校准、文件搜索、URL 上下文与预览中的计算机使用，均在同一模型 ID 下可用。
• 您构建在 Google 的栈上。 它已在 AI Studio 与 Gemini Enterprise GA，且如今是 Antigravity 的默认模型。
• 您需要有公开证据的知识型智能体。 Google 报告在 Vals Finance Agent v2 上为 61.4%，在 Harvey 的 Legal Agent Benchmark 上为 10.0%；DeepSeek 未公布可比数据。

如何开始使用 DeepSeek V4.1 Flash 与 Gemini 3.8 Flash

能在哪些界面触达两款模型的差异，远大于它们功能的差异，因此在看基准前请先看此矩阵。

最大的可用性差异是 DeepSeek 可下载而 Gemini 不可，而 Gemini 拥有消费者应用与托管的企业平台。您需要填写的 ID 分别是 deepseek-flash 与 gemini-3.8-flash；旧名 deepseek-v4-flash 仍可解析，但已由 V4.1 Flash 提供服务。

发出您的第一条 API 调用

两者 SDK 不同，因此并非“一行替换”。DeepSeek 的端点兼容 OpenAI，这意味着更改 base URL 后可直接使用标准的 openai 客户端；Gemini 3.8 Flash 则使用 google-genai 的 Interactions API，并以 thinking_level 代替采样参数。

from openai import OpenAI

client = OpenAI(api_key="YOUR_DEEPSEEK_KEY", base_url="https://api.deepseek.com")
response = client.chat.completions.create(
    model="deepseek-flash",  # DeepSeek V4.1 Flash
    messages=[{"role": "user", "content": "Refactor this function..."}],
)
print(response.choices[0].message.content)技术支持

from google import genai

client = genai.Client()  # reads your Google AI Studio API key
interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="Refactor this function...",
    generation_config={"thinking_level": "medium"},  # low, medium, or high
)
print(interaction.output_text)技术支持

完整的安装配置、PDF 提取与 Gemini 上的函数调用，请参阅我们的 Gemini 3.8 Flash API 教程；关于 DeepSeek 的思考模式与上一代的本地部署，请参阅我们的 DeepSeek V4 API 教程 以及 使用 Unsloth Studio 与 OpenCode 运行 DeepSeek V4 Flash 指南。

最后的想法

如果您的工作负载是编码智能体、批处理，或任何需要多次重读长前缀的任务，请选 DeepSeek V4.1 Flash：它在已公布的智能体基准上与 Gemini 3.8 Flash 持平，在我们的构建测试中以 2 个回合取胜，且在 Gemini 明年涨价前其成本仅为后者的三分之一。若您的输入是音频、视频或 PDF，或您希望从一个托管端点获得校准、代码执行与计算机使用，请选 Gemini 3.8 Flash，并接受其溢价。

如果您希望围绕此类模型搭建智能体系统，我们的 面向开发者的 AI 工程师（入门） 路线用 29 小时覆盖 API、工具使用与模型上下文协议（MCP）；我们的 使用 Google ADK 构建 AI 智能体 课程可在 Gemini 侧以 1 小时上手。