LongCat 2.5 對比 DeepSeek V4.1 Flash：1.6T 對 552B，同價怎麼選？

作者注：兩家峯時價格相同，但擅長的任務不同。本文用參數、價格、跑分和分工四張表，說明不同任務該交給哪個模型。

兩家峯時價格完全相同：輸入 $0.30、緩存 $0.006、輸出 $1.20（每 100 萬 tokens）。區別在擅長的任務，選誰要看你跑什麼活。LongCat 2.5 是 1.6T 總參數、每 token 激活約 48B 的原生多模態模型。DeepSeek V4.1 Flash 是 552B 的非對稱 MoE，輸入激活 8B、輸出激活 16B，權重已經開源。

這不是一篇「各有千秋」的折中稿。下文的數字全部來自兩家官方博客、技術報告和價格頁。兩家的跑分都是各自自測，本文只做同級參考，不排總座次，也不寫沒有跑過的實測。

核心價值：讀完本文，你能拿自己項目裏的任務逐項對照，決定主用哪一個、補充用哪一個，再算清楚把批量任務挪到谷時能省多少。

---

LongCat 2.5 對比 DeepSeek V4.1 Flash：兩張模型名片

先說結論：LongCat 2.5 參數更多，每次激活也更多。DeepSeek V4.1 Flash 體量更小、激活更省，同時輸出上限更長，權重也能直接下載。兩者上下文都是 1M。真正影響選型的是三項：最大輸出 128K 對 384K、開源與否、激活規模。

維度	LongCat 2.5	DeepSeek V4.1 Flash
總參數	1.6T（1.6 萬億）	552B
激活參數	每 token 約 48B	輸入激活 8B，輸出激活 16B
結構	面向智能體的原生多模態模型，視覺與文本用統一 token 處理	MoE，Causal-Encoder-Decoder 非對稱結構
上下文長度	1M	1M
最大輸出	128K	384K
原生視覺	支持，視覺信號表示爲多層級離散 token	支持（Vision）
權重開源	未放權重，GitHub 與 HuggingFace 均標「敬請期待」	已開源，HuggingFace 發佈權重並附技術報告
思考開關	官方評測在 thinking 開啓下取得	思考模式默認開啓，可用 reasoning_effort 調檔

LongCat 2.5 結構要點

LongCat 2.5 的定位寫得很直接：面向長程智能體任務。相對 2.0 版本，它重點強化了原生視覺理解和智能體編程兩塊。視覺部分把圖像做原生分辨率離散化（SAE+RVQ），先離線預處理成視覺 token，再和主幹聯合學習。主幹用同一套 token 處理視覺和文本，所以叫原生多模態。

訓練上，LongCat 2.5 大量使用長程軌跡數據和大規模長程 RL。官方博客提到幾個細節：把真實 Agent 的失敗軌跡改造成可驗證任務；異步 RL 採用 partial rollout，並過濾掉全對或全錯、產生零梯度的樣本組；對重複思考和重複工具調用加懲罰。最後一條對做 Agent 的人很重要，模型在工具循環裏原地打轉的情況會更少，token 浪費也更少。

推理工程方面，W4A4 相對 W8A8 INT8 的變化是：prefill 吞吐提升 43.3%，decode 吞吐提升 42.77%，TTFT 降低 15.91%，TPOT 降低 19.72%。訓練側的雙重分片 FSDP 讓長序列 SFT 單卡吞吐比 DDP 基線高 86%。這些數字說明 1.6T 的體量在服務端做過專門壓縮，不過官方沒有公開限流數字。

DeepSeek V4.1 Flash 結構要點

DeepSeek V4.1 Flash 是新結構系列裏最小的尺寸。它的特點是輸入和輸出不對稱：讀輸入時只激活 8B，生成輸出時激活 16B。Agent 場景通常輸入遠多於輸出，比如讀倉庫、讀日誌、讀工具返回，這種設計正好壓低了讀取那一側的計算量。

成本側的變化更大。新一代 KV Cache 大幅縮小，HBM 需求降到上一代的 1/4，SSD 需求降到 1/8；相對初代模型，KV Cache 累計縮小 437 倍。另外有一個變化需要留意：2026-09-14 12:00 之後，訪問 deepseek-v4-pro 的請求會被路由到 V4.1 Flash，並按 Flash 單價計費，這個安排持續到 V4.1 Pro 上線。還在用舊模型名的項目，實際調用的已經是 Flash。

---

LongCat 2.5 對比 DeepSeek V4.1 Flash 價格：同價只在峯時成立

結論：LongCat 2.5 的限時折扣價和 DeepSeek V4.1 Flash 的峯時價逐項相同。到了谷時，DeepSeek 直接打五折，同樣的任務只要一半的錢。所以「同價」這個說法只在工作日白天成立。

每 100 萬 tokens（美元）	LongCat 2.5（限時折扣）	DeepSeek 峯時	DeepSeek 谷時
緩存命中輸入	$0.006	$0.006	$0.003
緩存未命中輸入	$0.30	$0.30	$0.15
輸出	$1.20	$1.20	$0.60

算一筆賬。假設一個 Agent 任務消耗 50 萬輸入 tokens（其中 30 萬未命中緩存、20 萬命中）和 10 萬輸出 tokens：

• LongCat 2.5（限時折扣）：0.3×0.30 + 0.2×0.006 + 0.1×1.20 = $0.2112
• DeepSeek 峯時：計算過程相同，$0.2112
• DeepSeek 谷時：0.3×0.15 + 0.2×0.003 + 0.1×0.60 = $0.1056

單個任務差 1 毛錢，看起來不多。放大到每天 1000 個同規模任務，LongCat 和 DeepSeek 峯時都是 $211.2，DeepSeek 谷時是 $105.6。跑批量的團隊一個月下來，差額相當可觀。

DeepSeek 的峯時是北京時間工作日 09:00-12:00、14:00-18:00，對應 UTC 週一至週五 01:00-04:00 與 06:00-10:00，中國法定節假日除外。其餘時間都是谷時半價，包括工作日的中午、晚上、凌晨，以及週末和法定節假日全天。換句話說，一週 168 小時裏，峯時只佔工作日每天 7 小時。

LongCat 2.5 的計費也有幾處細節值得記下：

• 只有 HTTP 200 才扣費，401、403、429、500 都不計費，重試失敗不花錢。
• 額度包每天北京時間 10:00、16:00、21:00、23:00 限量閃購，有效期 30 天，未消耗部分可全額退款；緩存命中不佔額度包 token。
• 贈送額度：新用戶 10M tokens，老用戶 5M tokens，自動到賬，緩存命中不消耗贈送額度。
• 價格標注爲限時折扣，後續調整要以官方價格頁爲準。

DeepSeek 這邊，聯網搜索和網頁抓取是獨立計費的 API，每 1000 次成功請求 $0.75，搜索和抓取同價。如果你的 Agent 頻繁聯網，這部分要單獨算進預算。

💰 成本提示：如果你通過 API易 apiyi.com 調用 DeepSeek V4.1 Flash，計費以平臺型號列表爲準，不一定等同於官方峯谷價。在平臺控制檯先跑一小批任務看賬單，再決定批量方案，結果最準確。

---

LongCat 2.5 對比 DeepSeek V4.1 Flash 官方跑分

結論：兩家在多數 Agent 基準上相差不到 3 分，基本屬於同一檔。LongCat 2.5 在 Terminal Bench v4.0、Program Bench、JobBench、3D 生成上領先；DeepSeek V4.1 Flash 在 DeepSWE、NL2Repo、AutomationBench 上領先，而且領先幅度更大。

基準	LongCat 2.5	DeepSeek V4.1 Flash
Terminal Bench v2.1	88.4	90.6
Terminal Bench v4.0	38.5	31.2
Program Bench	25.5	20.3
DeepSWE v1.1	64.6	74.2
NL2Repo	60.5	65.4
BrowseComp	91.9	91.5
HLE w/tools	63.1	63.9
AutomationBench	51.8	54.8
MCP Atlas	83.1	84.4
JobBench	65.4	63.2
3DCodeBench（Text to 3D）	55.4	53.3
Vision2Web	78.6	79.2

口徑說明（必讀）：兩家的數字都是官方自測。LongCat 2.5 用自家 harness，在 thinking 開啓、temperature=1.0、top_p=0.95 下取得；DeepSeek 一列多數取自其公開技術報告，用的是 DeepSeek 自家 harness 和 Max 推理檔。兩邊的 harness、評測日期、推理檔位都不同，這張表只能作同級參考，不構成排名。

跑分怎麼讀

差距最大的兩項方向相反。Terminal Bench v4.0 上，LongCat 2.5 比 DeepSeek 高 7.3 分（38.5 對 31.2）；DeepSWE v1.1 上，DeepSeek 比 LongCat 高 9.6 分（74.2 對 64.6）。前者考的是更難、更長的終端任務，後者考的是在真實倉庫裏修 bug。兩個模型的強項就此分開：一個擅長長鏈路的終端操作，一個擅長在既有代碼庫裏精確改動。

舊版 Terminal Bench v2.1 上 DeepSeek 反而高 2.2 分，說明難度上去之後 LongCat 的優勢才顯出來。Program Bench 上 LongCat 高 5.2 分，NL2Repo 上 DeepSeek 高 4.9 分。NL2Repo 是從自然語言描述生成整個倉庫，更接近「從零搭項目」的工程化能力。

視覺相關的項目差距很小。Vision2Web 上 DeepSeek 高 0.6 分；3DCodeBench 上 LongCat 高 2.1 分；官方表裏的 CharXiv-RQ w/tools，LongCat 90.2 對 87.7；MathVision w/tools 則是 DeepSeek 97.4 對 96.5。只看純視覺理解，兩家差不多。LongCat 的優勢主要在把視覺理解和 3D、交互式頁面生成串起來。官方 8 個演示裏有實時流體模擬、3D 文物交互展示、城市沙盤、微縮場景資產，方向很明確。

BrowseComp、HLE w/tools、MCP Atlas 三項的差距都在 1.3 分以內，聯網檢索和 MCP 工具調用這類通用 Agent 能力可以看作打平。

DeepSeek 的推理檔位是成本槓桿

DeepSeek 技術報告 5.3.3 節給出一組很實用的數據。reasoning effort 從 25 提到 100，8 個推理類基準的平均 Pass@1 從 67.1% 升到 76.3%，DeepSWE v1.1 從 66.0 升到 74.2，代價是輸出 token 增加到約 2.5 倍。60-80 檔已經接近滿檔準確率，token 預算卻不到滿檔的一半；最後衝到 100 檔，agent 軌跡長度還會再漲 1.6-1.8 倍，換來的只是邊際提升。

另外要注意，DeepSeek API 的 reasoning_effort 默認是 high，而官方成績是在 Max 檔跑出來的。想復現上表裏 DeepSeek 一列的分數，必須顯式設成 max。日常任務用中等檔，最難的任務再開滿檔。輸出 token 是兩家賬單裏最貴的一項（$1.20），這個檔位開關直接決定錢花在哪裏。

---

LongCat 2.5 對比 DeepSeek V4.1 Flash：任務怎麼分工

結論：同價不同活。長程終端任務、視覺與 3D、創意設計頁交給 LongCat 2.5；真實倉庫改代碼、SWE 修 bug、自動化流水線、需要自部署的場景交給 DeepSeek V4.1 Flash。

更適合 LongCat 2.5	更適合 DeepSeek V4.1 Flash
長程終端排障：多步驟登錄服務器、查日誌、改配置、重啓驗證（Terminal Bench v4.0 高 7.3 分）	真實倉庫修 bug：讀 issue、定位文件、改動並通過測試（DeepSWE 高 9.6 分）
3D 資產與視覺稿：文本生成 3D 場景、交互式展示頁（3DCodeBench 55.4）	整倉重構與從零搭倉庫：按需求描述生成多文件項目（NL2Repo 高 4.9 分）
創意設計頁：活動邀請函、風格化色彩頁、數據可視化報告（官方演示方向）	自動化流水線與批量跑批：夜間批處理、數據清洗、報表生成（AutomationBench 高 3.0 分，谷時半價）
編程題式的程序構造與職業類綜合任務（Program Bench、JobBench 領先）	需要自部署或私有化：權重已在 HuggingFace 開源；單次長輸出（最大 384K）

選擇 LongCat 2.5 的理由

LongCat 2.5 最有說服力的數字是 Terminal Bench v4.0。v2.1 落後 2.2 分，v4.0 反而領先 7.3 分，說明任務越長、越難，它的相對優勢越大。這和它訓練時大量使用長程軌跡、並對重複工具調用加懲罰的做法相符。如果你的 Agent 經常要在終端裏連續執行幾十步，LongCat 2.5 更值得優先試。

第二個理由是視覺和生成結合的任務。原生多模態加上 3D、交互頁面方向的訓練，讓它更適合「看圖出稿」「文字出 3D」這類活。另外它對新用戶有 10M tokens 贈送，緩存命中不扣贈送額度，先試成本很低。

選擇 DeepSeek V4.1 Flash 的理由

DeepSeek V4.1 Flash 最硬的數字是 DeepSWE 74.2，在兩家對照項裏差距最大。日常寫代碼最常見的就是在已有倉庫裏改東西，這正是它的強項。最大輸出 384K 是 LongCat 的 3 倍，生成長文件或大段補丁時不容易被截斷。

第三個理由是成本結構。谷時半價，再加上可調的推理檔位，兩個開關疊加起來，批量任務的成本彈性比 LongCat 的固定限時價大得多。併發上限 2500 也寫在官方文檔裏，規劃吞吐時有明確數字可依據。需要私有化的團隊還能直接下載權重，不過官方說明大規模部署需要 2k 卡 GPU 級別的資源，小團隊自部署前要先評估硬件。

💡 選擇建議：表格只能縮小範圍，最終還要看你自己的任務。可以從項目裏挑 10-20 個代表性任務，同時給兩個模型跑一遍，對比成功率和 token 消耗。DeepSeek V4.1 Flash 這一側可以先通過 API易 apiyi.com 接入測試，省去單獨開戶。

---

LongCat 2.5 與 DeepSeek V4.1 Flash 怎麼接入

結論：兩家都兼容 OpenAI 和 Anthropic 兩種接口格式，接 Claude Code 只要改 ~/.claude/settings.json 裏的幾個環境變量。DeepSeek 額外支持 Responses API。

接入 LongCat 2.5

• OpenAI 格式（任意 OpenAI SDK）：base_url 填 https://api.longcat.ai/openai，模型名填 LongCat-2.5。
• Anthropic 格式（Anthropic SDK）：base_url 填 https://api.longcat.ai/anthropic。
• Claude Code（編輯 ~/.claude/settings.json 的 env 字段），四個變量都要寫：
• ANTHROPIC_AUTH_TOKEN 填你的 LongCat Key
• ANTHROPIC_BASE_URL 填 https://api.longcat.ai/anthropic
• ANTHROPIC_MODEL 填 LongCat-2.5
• CLAUDE_CODE_MAX_OUTPUT_TOKENS 填 131072
• 限流處理（你自己的調用代碼）：超限時返回 429（rate_limit_exceeded，retry_after 60），官方建議指數退避。文檔沒有公開 RPM/TPM 數字，429 不計費。

接入 DeepSeek V4.1 Flash

• OpenAI 格式（任意 OpenAI SDK）：模型名填 deepseek-flash。舊名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 仍可用，會路由到 V4.1-Flash-1017，按 Flash 價計費。
• Claude Code（編輯 ~/.claude/settings.json 的 env 字段）：
• ANTHROPIC_AUTH_TOKEN 填你的 DeepSeek Key
• ANTHROPIC_BASE_URL 填 https://api.deepseek.com/anthropic
• ANTHROPIC_MODEL 填 deepseek-flash
• 推理檔位（OpenAI SDK 請求參數）：日常把 reasoning_effort 設爲中等檔，難題再設 max。
• 現成工具：WorkBuddy（含 CodeBuddy）和 OpenCode 是官方合作工具，已全量接入。

通過 API易 統一調用

如果你手上要同時跑幾個模型做對比，API易 一個賬號、一把 key 就能切換，不用每家單獨開戶。

• OpenAI SDK 配置（你的項目代碼）：base_url 填 https://api.apiyi.com/v1，api_key 填 API易 控制檯生成的 key。
• 模型名（同一個請求參數裏切換）：DeepSeek V4.1 Flash 用 deepseek-v4.1-flash 或 deepseek-v4.1-flash-1017，按平臺型號列表計費。
• 對比測試（同一套代碼）：只改 model 參數，就能和平臺上其他模型並排跑同一批任務，base_url 依然是 https://api.apiyi.com/v1。

型號與價格以平臺型號列表爲準；API易 目前還沒上架 LongCat-2.5，會盡快推出此模型。在那之前，LongCat 2.5 先走官方端點，DeepSeek 這一側可以放在 API易 apiyi.com 上統一管理。

🚀 快速開始：新用戶在 API易 apiyi.com 註冊即有免費測試額度。先把 DeepSeek V4.1 Flash 接進現有的 OpenAI SDK 項目，改一行 base_url 就能跑起來。

---

LongCat 2.5 對比 DeepSeek V4.1 Flash 常見問題

Q1：兩家價格真的一樣嗎？

只在 DeepSeek 峯時一樣。LongCat 2.5 的限時折扣價是 $0.30 / $0.006 / $1.20，和 DeepSeek 峯時逐項相同。DeepSeek 谷時全部打五折，覆蓋工作日 09:00-12:00、14:00-18:00 以外的所有時間。另外 LongCat 的價格是限時折扣，以後可能調整。

Q2：跑分表能說明誰更強嗎？

不能直接排座次。兩家都是官方自測，harness、日期、推理檔位都不同，DeepSeek 一列還是 Max 檔成績。比較合適的讀法是看差距大的單項：Terminal Bench v4.0 上 LongCat 領先 7.3 分，DeepSWE 上 DeepSeek 領先 9.6 分。差距在 1-2 分以內的項目，視爲打平即可。

Q3：LongCat 2.5 什麼時候開源？

官方沒有給時間表。目前 GitHub 和 HuggingFace 都標「敬請期待」，沒有放出權重。必須自部署的項目，現階段只能選 DeepSeek V4.1 Flash，它的權重和技術報告都已公開。

Q4：在 API易 上能同時調用這兩個模型嗎？

目前只能調用 DeepSeek V4.1 Flash，型號是 `deepseek-v4.1-flash` 和 `deepseek-v4.1-flash-1017`，按平臺型號列表計費。API易 目前還沒上架 LongCat-2.5，會盡快推出此模型。型號與價格以 API易 apiyi.com 平臺型號列表爲準。

Q5：批量任務怎麼壓成本？

用 DeepSeek 時同時用好兩個開關：一是把任務排到谷時，單價直接減半；二是把 reasoning_effort 設在中等檔。報告顯示 60-80 檔已接近滿檔準確率，token 預算不到滿檔的一半。緩存命中價格只有未命中的 1/50，把固定的系統提示和工具定義放在請求前部，可以提高命中率。

---

總結：LongCat 2.5 對比 DeepSeek V4.1 Flash 怎麼選

結論很明確：同價不同活，按任務分工，批量任務放谷時。

• 規模：1.6T / 48B 激活對 552B / 輸入 8B、輸出 16B 激活，上下文都是 1M。
• 輸出上限：LongCat 128K，DeepSeek 384K，長輸出任務選 DeepSeek。
• 價格：LongCat 限時價等於 DeepSeek 峯時價；DeepSeek 谷時半價，算例 $0.2112 對 $0.1056。
• 跑分：長程終端任務 LongCat 領先 7.3 分，倉庫修 bug DeepSeek 領先 9.6 分，其餘多數項打平。
• 開源：DeepSeek 已開源，LongCat 未放權重。
• 接入：兩家都兼容 OpenAI 與 Anthropic 格式，Claude Code 改 env 變量即可切換。

帶走一句話：先按任務分工表挑一個主用，另一個留作補充；批量任務儘量安排在谷時跑。DeepSeek V4.1 Flash 這一側可以通過 API易 apiyi.com 用統一接口先做小規模驗證，再決定主力方案。

---

📚 參考資料

1. LongCat-2.5 官方博客：模型定位、結構、訓練與工程細節
2. 鏈接：longcat.ai/blog/longcat-2.5

3. 說明：參數規模、視覺 token 方案、W4A4 推理數據與官方評測表

4. LongCat 開放平臺文檔：價格、端點與 Claude Code 接入

5. 鏈接：longcat.ai/platform/docs

6. 說明：限時折扣價、429 處理、額度包與贈送規則

7. DeepSeek V4.1 Flash 發佈文：結構、開源與 API 變更

8. 鏈接：deepseek.com/news/deepseek-v4-1-flash

9. 說明：非對稱 MoE、KV Cache 壓縮、模型名遷移說明

10. DeepSeek API 價格頁：峯谷價格與併發限制

11. 鏈接：api-docs.deepseek.com/quick_start/pricing

12. 說明：峯谷時段定義、併發 2500、搜索抓取獨立計費

13. DeepSeek-V4.1-Flash 權重倉庫：開源權重與技術報告

14. 鏈接：huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
15. 說明：Table 3 跑分與 5.3.3 節推理檔位分析

---

作者：APIYI 技術團隊
技術交流：歡迎在 API易 apiyi.com 首頁聯繫我們，更多接入資料可訪問 docs.apiyi.com 文檔中心

延伸閱讀

• 看懂 DeepSeek V4.1 Flash 1017 更新：11 項基準全面提升，價格一分沒漲:DeepSeek V4.1 Flash 1017 改進了什麼、價格變了嗎？本文用官方數據拆解 11 項基準變化、更短輸出帶來的成本影響、錯峯與高峯計費規則，以及 Search/Fetch API 新開放的收費方式。
• gpt-6.1-sol 對比 claude-sonnet-5-5：同價 $2/$10 的兩大主力模型，5 個維度選出更划算的一個:gpt-6.1-sol 與 claude-sonnet-5-5 標價完全相同，本文從編程智能體、知識工作、長上下文成本、緩存與 Token 消耗、接入門檻 5 個維度逐項對比，給出按場景選型的明確建議。