DeepSeek V4.1 Flash 在 Claude Code 與 OpenCode 上的應用：設定、測試與平台成本分析

DeepSeek 最新的 Flash 快照（V4.1 Flash 1017）現在已是 DeepSeek API 上 deepseek-flash 模型名稱背後的版本。我主要想知道兩個問題：它作為程式碼代理模型表現如何？以及在不同平台呼叫它，實際成本是多少？在此聲明，XHuoAPI 是以下比較四個平台之一，而我正是 XHuoAPI 的營運者。所有四個平台的價格都附有來源，方便您自行查證。

那麼，它在程式碼代理中表現如何呢？我在每個工具中重複執行了三次相同的簡單任務：在一個空資料夾中，「建立一個名為 hello.py 的檔案，並印出 'hello from xhuo'」。只有當檔案存在且內容正確時，才算通過。Claude Code（Anthropic Messages 格式，版本 2.1.310）和 OpenCode 2（OpenAI Chat Completions 格式，版本 2.1.3）都成功通過了 3/3 的測試。

Claude Code 每次執行耗時 16-27 秒，而 OpenCode 則為 9-11 秒。

每次 Claude Code 執行大約傳送了 32k 到 55k 的輸入 token，其中絕大部分是 Claude Code 自身的系統提示詞和工具定義。因此，對於代理使用情境來說，輸入價格比輸出價格更為重要。

以下是各平台成本（每百萬 token 美元，於 2026 年 10 月 24 日查詢）：DeepSeek 官方 API 的 deepseek-flash 模型，尖峰時段（UTC 時間週一至週五 01:00-04:00 和 06:00-10:00）輸入/輸出價格為 $0.30 / $1.20，離峰時段則為 $0.15 / $0.60。

DeepInfra 上的 deepseek-ai/DeepSeek-V4.1-Flash 模型，促銷價為 $0.14 / $0.42（fp8），非促銷價為 $0.20 / $0.60。OpenRouter 上的 deepseek/deepseek-v4.1-flash-1017 模型，透過 DeepSeek 自己的端點價格為 $0.30 / $1.20；而 33 家供應商中最便宜的為 $0.07 / $0.15，多數為 fp4 / fp8 量化版本。

XHuoAPI 的 deepseek-v4.1-flash 模型，標準層級為 $0.24 / $0.96；更便宜的 Saver 層級為 $0.15 / $0.60，Spot 層級為 $0.09 / $0.36，但這些較低價的層級穩定性較差。

我的選擇建議：若追求最低每 token 成本，可考慮 OpenRouter 的低價供應商（需注意量化精度）或 XHuoAPI 的 Spot 層級；其次是 DeepInfra 的促銷價和 DeepSeek 的離峰時段。若偏好第一方服務，DeepSeek 官方 API 是首選，它也提供 Anthropic 格式的端點。

若想用單一帳號存取多個供應商，則可選擇 OpenRouter 或 XHuoAPI。在 XHuoAPI 上，Saver 層級在任何時段都與 DeepSeek 的離峰價格相同，而且同一個 API 金鑰還能呼叫 Qwen、GLM、Kimi、GPT 和 Claude 等模型。

Claude Code 的設定方式（任何相容 Anthropic 的端點都適用，基礎 URL 不需包含 /v1）：您需要設定環境變數，例如將 ANTHROPIC_BASE_URL 設定為 https://api.xhuoapi.ai，ANTHROPIC_AUTH_TOKEN 設定為您的金鑰。

同時，將 ANTHROPIC_MODEL 和 ANTHROPIC_DEFAULT_HAIKU_MODEL 都設定為 deepseek-v4.1-flash。

OpenCode 2 的設定則是在您的專案中建立 opencode.jsonc 檔案，並配置供應商資訊。例如，您可以設定一個名為 "xhuoapi" 的供應商，指定其 API 金鑰來自環境變數 XHUOAPI_API_KEY，並將 baseURL 設定為 https://api.xhuoapi.ai/v1。

然後，在 models 部分定義 deepseek-v4.1-flash 模型。設定完成後，即可透過 opencode run -m xhuoapi/deepseek-v4.1-flash "..." 指令來執行。

有兩點值得注意：模型的「思考」功能預設是開啟的。在我們的端點上，您可以透過設定 thinking: {"type": "disabled"} 或 reasoning_effort: "none" 來關閉它，而 reasoning_effort 設定為 low 或 max 則可以調整其推理程度。

此外，第三方主機通常會提供量化後的模型權重。如果您要比較不同供應商的輸出結果，請務必先檢查其精度欄位。完整的價格表（包括 V4 Pro）和各工具的測試結果，請參考文章末尾提供的連結。