9月7日-13日大模型发布追踪：DeepSeek-V4.1-Flash、GPT-Image-2.5 与 GPT-Live-1
本期核对 9 月 7 日至 13 日的三个核心模型发布，聚焦 DeepSeek-V4.1-Flash 的非对称架构与极低缓存价格，以及 OpenAI GPT-Image-2.5 与 GPT-Live-1 的能力、定价与选型边界。
一句话判断
本期覆盖窗口是 2026 年 9 月 7 日至 13 日（UTC+08:00）。本周大模型赛道出现两条鲜明演进路线：国内厂商聚焦于核心架构重构与极致工程降本，深度求索发布采用非对称编码-解码器 MoE 架构的 DeepSeek-V4.1-Flash，将缓存命中单价压缩至每百万 token $0.003，并宣布由其全面平替 V4-Pro；国际厂商则在生成模态与交互维度纵深突破，OpenAI 集中交付图像生成模型双子星 GPT-Image-2.5 Flare / Sunburst 与首个全双工实时语音 API 模型 GPT-Live-1。
研发团队在本周进行技术选型与服务接入时，可将 DeepSeek-V4.1-Flash 部署进高吞吐、长上下文的代码与智能体工作流，用其验证缓存降本空间；将 GPT-Image-2.5 接入需要多轮修改、局部重绘和高保真人像的图像管线；将 GPT-Live-1 用于低延迟电话呼叫与实时语音客服，由其承担全双工交互并将深层推理委派至后台主力大模型。
先看价格、状态和边界
| 模型 | 发布与定位 | 关键技术与架构变化 | 官方评测信号 | API 价格与上下文 | 当前可用性 | 先测什么 |
|---|---|---|---|---|---|---|
| DeepSeek-V4.1-Flash 1 | 9 月 10 日发布；552B 原生多模态模型，全面接管 V4-Flash 与 V4-Pro 服务流量 | 非对称因果编码-解码器（Causal Encoder–Decoder）MoE 架构；输入激活仅 8B、输出激活 16B；KV Cache 占用压缩至前代 1/4 HBM 与 1/8 SSD | DeepSWE v1.1 74.2，Terminal-Bench 2.1 90.6，CyberGym 88.1，GPQA Diamond 90.9 2；Artificial Analysis 记录 Intelligence Index 40、输出速度 214 tokens/s 3 | 缓存命中：非峰值 $0.003、峰值 $0.006 / MTok；缓存未命中输入：非峰值 $0.15、峰值 $0.30 / MTok；输出：非峰值 $0.60、峰值 $1.20 / MTok；1M 上下文、384K 最大输出 4 | API 模型名 deepseek-flash 已上线；旧版 Flash 已下线；9 月 14 日 04:00 UTC 起 deepseek-v4-pro 流量自动重定向至该模型；Hugging Face 开放权重与报告 5 | 真实工程仓库长任务、代码生成准确率、缓存命中单价与峰谷时段成本 |
| GPT-Image-2.5 Flare / Sunburst 6 | 9 月 8 日发布；图像生成与精准编辑模型，分为轻量高吞吐 Flare 与高精细度 Sunburst | 生成延迟相比 Images 2.0 降低达 50%；多轮对话编辑质量保持稳定；强化参考照片主体特征保留、复杂排版与透明背景生成能力 | Artificial Analysis Image Arena 榜单显示 Flare (max) 取得 Elo 1186.73，Sunburst (max) 取得 Elo 1180.21，分列文生图与图像编辑榜前两名 78 | 图像输入：标准 $8.00、缓存 $2.00 / MTok；图像输出：$30.00 / MTok；文本输入：标准 $5.00、缓存 $1.25 / MTok 9 | ChatGPT 各端已全量上线（支持 Sketch 草图与模板）；API 端提供 gpt-image-2.5-flare 与 gpt-image-2.5-sunburst 接口调用 | 参考图一致性、连续多轮修图细节漂移率、透明背景抠图精度、批量生成耗时 |
| GPT-Live-1 (API) 10 | 9 月 10 日上线 API；全双工实时语音基础模型，告别传统分立级联架构 | 单模型同时处理语音输入与输出音频流；平滑打断处理；支持通过系统提示词定义音色、语速与对话风格；支持将深度推理委派给 GPT-6 Astra 等文本模型 | Full Duplex Bench 相较 GPT-Realtime-2.1 综合表现提升 30 个百分点；搭配 Astra (medium) 在语音智能体基准 Tau3 排名第一；Artificial Analysis 对话动态评测得分 97.3% 10 | 前端语音交互层固定为 $0.05 / 分钟；后端调用的文本推理模型与工具按照各自 API 费率单独结算 10 | OpenAI 开发者平台 API 全面开放；提供电话协议支持与 Codex 协同范式 | 强噪音与插话打断反应时延、后台复杂推理委托衔接度、通话场景吞吐与成本 |
注：价格统一按美元（USD）核算。DeepSeek 区分工作日峰值（UTC 01:00-04:00 与 06:00-10:00）与非峰值时段；第三方 Artificial Analysis 的跑分基于独立测试集与固定参数，数据与厂商自报口径独立保留。
DeepSeek-V4.1-Flash：552B 非对称架构与千分之一美元级缓存
该模型的首要技术变革在于抛弃传统对称结构，采用因果编码-解码器（Causal Encoder–Decoder）MoE 架构。在单次前向计算中，模型读取输入时的激活参数量仅为 80 亿（8B），生成输出时的激活参数量为 160 亿（16B）。这种计算不对称设计大幅降低了大规模并发处理输入 prompt 时的算力消耗。深度求索通过新型预训练机制配合更大规模的强化学习（RL）后训练，使轻量级激活模型在编程与智能体评测中展现出越级表现。1
从官方公布的评测指标看，DeepSeek-V4.1-Flash 在多项工程化任务中反超前代旗舰 DeepSeek-V4-Pro：
- 真实软件工程任务基准 DeepSWE v1.1 达到 74.2 分（V4-Pro 为 62.7 分，前代 V4-Flash 为 54.4 分）；
- 终端环境测试 Terminal-Bench 2.1 达到 90.6 分，Terminal-Bench 4.0 达到 31.2 分；
- 网络安全防御基准 CyberGym 取得 88.1 分，SEC-Bench Pro 取得 62.8 分；
- 学术推理基准 GPQA Diamond 达到 90.9 分，Codeforces 评级达到 3471 分。12
在显存与存储效率方面，DeepSeek-V4.1-Flash 压缩了长上下文下的状态膨胀问题。官方公布数据显示，相比上一代模型，V4.1-Flash 的 KV Cache 显存占用（HBM）缩减至原来的 1/4，外存固态存储占用（SSD）缩减至原来的 1/8。由于智能体工作流普遍依赖多轮对话与历史前缀复用，缓存体积缩小直接驱动 API 成本下调。1
在 API 服务层面，深度求索给出极具冲击力的计费方案：
- 缓存命中输入（Cache Hit）：非峰值时段为每百万 token $0.003（约合人民币 0.021 元），峰值时段为 $0.006；
- 缓存未命中输入（Cache Miss）：非峰值时段为每百万 token $0.15，峰值时段为 $0.30；
- 输出内容（Output）：非峰值时段为每百万 token $0.60，峰值时段为 $1.20；
- 峰值时段定义为周一至周五的 UTC 01:00-04:00 与 06:00-10:00，其余时段均按半价（非峰值）结算。4
针对模型迁移与产品整合，深度求索做出两项关键业务调整：第一，前代 V4-Flash 与实验性模型 V4-Flash-Vision-Exp 正式下线，旧模型名接口临时自动路由至 V4.1-Flash；第二，由于第三方实测中 V4.1-Flash 在能力、耗时和成本上全面超越 V4-Pro，深度求索启动 V4-Pro 退出流程，自 UTC 时间 9 月 14 日 04:00 起，所有发往
deepseek-v4-pro 的请求均自动转由 V4.1-Flash 承载，并执行更优惠的 Flash 计费标准。对于开源社区，深度求索在 Hugging Face 完整开放了模型权重、评估代码与技术白皮书，遵循宽松的 MIT 许可证。15独立评测机构 Artificial Analysis 在 Reasoning (Max Effort) 配置下对该模型进行了首轮实测：V4.1-Flash 取得 Intelligence Index 综合指数 40，平均输出速率达到 214 tokens/s，首 token 响应时间为 1.17 秒，单任务测算成本约为 $0.27。该独立数据说明，该模型在开启高推理强度时依然保持了较高的吞吐速率。3
OpenAI GPT-Image-2.5：Flare 与 Sunburst 分工，多轮编辑一致性落地
OpenAI 于 9 月 8 日上线新一代图像模型体系 ChatGPT Images 2.5，同时向开发者开放两款 API 模型：
gpt-image-2.5-flare 与 gpt-image-2.5-sunburst。官方数据显示，目前全球用户每周通过 ChatGPT 与 API 生成超过 30 亿张图像，本次升级旨在解决工业设计与生产工作流中长期存在的指令漂移、多轮修图失真与生图延迟过高三大痛点。6在核心能力层面，Images 2.5 实现以下突破：
- 生图延迟大幅优化：端到端生成时延相比 Images 2.0 降低达 50%，加快了概念设计的迭代循环；
- 真实人像与主体保真度跃升：模型基于参考照片进行二次创作时，能够高度保留人物面部特征、神态、光影质感与环境固有色；
- 多轮交互编辑一致性：在连续修改指令下，模型精准执行新增、替换或局部微调操作，避免画面无关元素出现变形或画质劣化；
- 复杂图文排版与透明背景支持：模型原生支持生成透明背景图层，并能稳定遵循包含位置、层级和文字排版要求的复杂设计草案。6
在产品功能与接口体系上，OpenAI 将两套模型按生产场景清晰切分：
- GPT-Image-2.5 Flare：作为通用默认模型，主打低延迟与高吞吐，生成速度达到 GPT-Image-2 的 2 至 4 倍，适配社交营销素材、动态创意、商品速览等大批量工作流；
- GPT-Image-2.5 Sunburst：专为高保真专业级创意打造，通过分配更充分的生成推理时间，捕捉更为严苛的材质细节与多轮微调一致性，服务于商业广告与工业级物料制作；
- 在 ChatGPT 消费端与企业端，OpenAI 同步集成 Sketch（草图交互功能，允许用户通过绘制简笔画或线框图直接约束构图）以及海报、文创等常用设计模板。6
根据 OpenAI 开发者文档的计费标准，两款模型的 API 价格保持一致：
- 图像输入（Image Input）：每百万 token 计费 $8.00（缓存读取为 $2.00）；
- 图像输出（Image Output）：每百万 token 计费 $30.00；
- 提示词文本输入（Text Input）：每百万 token 计费 $5.00（缓存读取为 $1.25）。9
在公开测评方面，第三方机构 Artificial Analysis 将 Flare 与 Sunburst 接入 Image Arena 竞技场进行盲测：Flare (max) 取得 1186.73 的 Elo 评分，Sunburst (max) 取得 1180.21 分，两款模型包揽了文本生图竞技场、图像编辑竞技场以及多图混合编辑榜的前两名位置。对于依赖图像生成流水线的开发者，双模型架构提供了明确的成本与精度折中路径。78
OpenAI GPT-Live-1：全双工语音进入 API，架构从拼装走向单模型
OpenAI 在 9 月 10 日正式将端到端全双工实时语音基础模型 GPT-Live-1 引入开发者 API。以往智能语音解决方案普遍采用“语音识别（STT）+ 文本大模型（LLM）+ 语音合成（TTS）”的串联级联架构，各环节交接造成严重的端到端延迟，并且极易在用户插话、停顿思考或环境噪音下产生调度冲突。10
GPT-Live-1 在单一模型内部原生统一了听与说的双向音频流处理：
- 实时平滑打断：模型能够实时识别用户的打断信号、犹豫语气和轻声应答，早期应用案例表明，语言教学产品 Speak 引入该模型后，将学员思考停顿期间被系统不当打断的概率降低了近 80%；
- 后台推理与工具委派：GPT-Live-1 专注充当前端高情商、低延迟的语音交互中枢，复杂业务逻辑与深度思考可无缝委派至后端文本大模型（如 GPT-6 Astra 或通用型 Luna），形成“前台敏捷对话、后台深度推理”的协作机制；
- 对话风格精准调控：开发者可通过标准 System Prompt 灵活约束智能体的语气基调、说话节奏与个性特征；
- 环境降噪与电话通信级支持：模型能原生过滤嘈杂环境噪音，并提供对传统电话通信协议（Telephony）的标准对接支持，适用于订座、挂号与电话客服等真实外呼场景。10
在评测基准方面，GPT-Live-1 展现出原生全双工架构的代际优势：在针对全双工交互表现的 Full Duplex Bench 上，其综合得分相比上一代 GPT-Realtime-2.1 跃升了 30 个百分点；在真实语音任务评测 Tau3 中，当搭配 GPT-6 Astra（中等推理强度）运行时夺得总榜第一；在 Artificial Analysis 针对交互时序与打断判定的 Conversational Dynamics 评测中，该模型取得了 97.3% 的高分。10
在调用费率方面，OpenAI 采取模块化计费机制：前端实时语音交互层按每分钟 $0.05（相当于每小时 $3.00）统一定价；语音模型在会话中委派给后端文本模型（如 Astra、Luna、Terra）产生的 token 消耗，按照对应模型各自的标准 API 费率单独计算。这种解耦方式使开发者能够自由平衡交互自然度与后端思考成本。10
本期未纳入条目与覆盖说明
本期追踪严格执行 2026 年 9 月 7 日至 13 日的有效时间窗核验，各主流厂商的筛查结果如下：
- 阿里通义千问（Qwen）：本周通过 Qwen 官方博客、GitHub 组织代码库与阿里云百炼模型更新列表核对，官方团队在 9 月 10 日至 11 日仅对
qwen-code客户端与工程工作流执行了日常分支维护与补丁修复，未发布新的基础大模型。上一代 Qwen3.8-Flash-Next（8 月 26 日）与旗舰快照 Qwen3.8-Max（9 月 2 日）已在前期文章中完整覆盖。 - 智谱 GLM、月之暗面 Kimi、MiniMax：本周检索智谱 Z.ai 官方动态、月之暗面开放平台以及 MiniMax 官方发布渠道，均未发现满足“窗口内具备官方原始详情页、明确发布日期及模型级能力升级”的全新发布，因此本期不予收录。
- Google 与 Anthropic：Google 在 9 月 10 日于 Google Labs 推出儿童故事生成应用 Dreambeans，属于上层实验性消费产品，并非底层模型发布；Anthropic 在 9 月 10 日发布了 2026 年 9 月威胁情报分析报告，未更新 Claude 系列模型。两者在 9 月初发布的 Gemini 3.8 Flash 与 Claude Fable 5.1 已在上一期周报详述。
- Meta：Meta 在 9 月 8 日正式推出名为 Muse 的个人 AI 智能体应用，运行于其专有的 Muse Secure VM 环境中。经核验官方新闻稿与技术说明，该产品底层由 9 月 2 日已发布的 Muse Spark 1.3 驱动，不属于全新基础模型架构发布，故不占用本期主条目篇幅。11
面向技术选型的三项行动建议
结合本周发布的三组模型特征，技术与产品团队可在接下来的工程验证中执行三项具体行动：
- 针对长任务智能体，复测 DeepSeek-V4.1-Flash 的缓存命中率与平替稳定性。 提取当前生产环境中最消耗 token 的复杂代码仓库与长指令任务，将模型参数分别配置为
deepseek-flash与deepseek-v4-pro。比对两者的任务成功率、代码缺陷修复准确率，并重点记录在稳定前缀复用下的实际账单。若团队日均调用规模较大，可将非实时批量作业调度至 UTC 10:00 至次日 01:00 的非峰值时段，以利用 $0.003 / MTok 的极低缓存单价。 - 在设计与创意生产线中，建立 Flare 与 Sunburst 的分级生成流。 梳理图像工作流的延迟容忍度与画质要求：将海量素材快速预生成、用户探索界面和实时交互渲染交由低延迟的
gpt-image-2.5-flare承接；将终端高精交付、商品主图精修与需要透明背景的原画生成切换至gpt-image-2.5-sunburst。同时在多轮局部微调场景中，验证输入原图特征的保留度。 - 基于全双工架构重构语音服务，评估 GPT-Live-1 的打断体验与后端算力配比。 搭建基于 WebSocket 或电话通信协议的交互原型，测试在背景人声干扰与用户频繁插话时的响应延迟和听觉顺畅度。设计合理的分工提示词，由 GPT-Live-1 负责问候、确认和短答，仅在涉及知识检索与长程推理时异步调用后端 Astra 或 Luna 模型，避免在高频闲聊中产生不必要的推理溢价。
References
- 1DeepSeek-V4.1-Flash 发布公告
api-docs.deepseek.com
- 2DeepSeek API 更新日志
api-docs.deepseek.com
- 3Artificial Analysis：DeepSeek V4.1 Flash 评测对比
artificialanalysis.ai
- 4DeepSeek API 价格页
api-docs.deepseek.com
- 5DeepSeek-V4.1-Flash Hugging Face 模型库
huggingface.co
- 6OpenAI：推出 ChatGPT Images 2.5
openai.com
- 7Artificial Analysis：GPT Image 2.5 Flare 评测
artificialanalysis.ai
- 8Artificial Analysis：GPT Image 2.5 Sunburst 评测
artificialanalysis.ai
- 9OpenAI API 价格文档
developers.openai.com
- 10OpenAI：GPT-Live-1 登录 API
openai.com
- 11Meta：推出个人 AI 智能体 Muse
about.fb.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.