11月3日，驱动中国AI文本模型排行榜更新。DeepSeek V4.1 Flash以1612分登顶，OpenAI的GPT-6 Astra位列第二，DeepSeek V4 Pro以1590分排在第三。国产模型包揽了前三中的两席。榜单上还有DeepSeek R2的1395分和字节跳动Doubao Pro 2的身影。
V4.1 Flash的登顶有一个容易被忽略的事实：它在DeepSeek自己的产品序列里，定位是“新一代模型结构系列中尺寸最小的成员”。它超过的不是别人，恰恰是自家上一代的旗舰V4 Pro。一款Flash型号在综合文本能力上压过Pro型号，说明DeepSeek在这一代做的不是简单的“规模升级”，而是架构层面的重新设计。
非对称架构：输入只激活8B，输出激活16B
V4.1 Flash的核心变化藏在一个技术细节里。它是一个总参数552B的MoE模型，但采用了全新的Causal-Encoder-Decoder结构，输入和输出不对称：输入侧只激活约8B参数，输出侧激活16B。这意味着在处理用户输入时，模型调用的计算资源远低于传统的对称架构，而生成输出时才把更大的参数预算释放出来。
配套的缓存策略把长文本的成本进一步压了下来，长文本缓存对硬盘的占用据称暴降88%。支持100万token上下文、最大384K输出，同时提供思考与非思考模式。这些规格指向同一个目标：用更低的推理成本，承接更长的上下文和更复杂的任务。V4.1 Flash在9月10日发布后，于10月17日更新了1017版本，在Agent Arena上位列开源模型第一、总榜第11。驱动中国11月榜单的1612分，是这条迭代曲线在综合文本评测上的一个节点。
GPT-6 Astra与V4 Pro：两种“第二梯队”的含义
GPT-6 Astra排在第二，背景是它在9月3日发布时被OpenAI总裁格雷格·布罗克曼称为“欢迎来到AGI时代”。它在ARC-AGI-3上打到99.9%，ExploitBench达到100%，FrontierMath Tier 4为97.6%。这是一款在专项能力上逼近甚至触及天花板的产品。在驱动中国的综合文本榜上排在V4.1 Flash之后，说明“综合文本能力”和“专项极限能力”是两张不同的考卷，榜首位置取决于考卷的构成。
DeepSeek V4 Pro以1590分排在第三，则提供了另一个参照。V4 Pro是1.6T总参数、49B激活的旗舰MoE，原生支持百万级上下文。它比V4.1 Flash少了22分，但它的定位是“对标顶级闭源模型”的旗舰产品。V4.1 Flash用更小的激活参数和更新的架构在综合榜上反超了自家旗舰，这本身就是一个关于“代际”的信号：在DeepSeek的产品逻辑里，架构效率正在比单纯的参数规模更决定综合表现。
Doubao Pro 2与R2：榜单上的其他坐标
字节跳动的Doubao Pro 2出现在榜单上，它的发布时间要早得多。豆包2.0 Pro于2026年2月14日发布，定位是“面向深度推理与长链路任务执行场景的通用智能体模型”，上下文窗口256K，最大输出128K。一款2月发布的模型在11月的榜单上仍有一席之地，说明它在中文场景和Agent任务上的基础能力并没有被快速迭代完全覆盖。
DeepSeek R2的1395分则指向另一条线。R2是DeepSeek的推理优化模型，不同来源对其参数规模的记载存在差异（有131B MoE和670B MoE等说法），但它在推理任务上的专项表现——比如AIME数学基准上的高分——是它区别于通用文本模型的地方。在综合文本榜上，推理专项模型的分数通常不会是最高的，但它们在数学、代码和复杂逻辑任务上的价值，不是一张综合榜单能够完全衡量的。
一张榜单的边界，和它记录的变化
驱动中国这份榜单的价值，在于它提供了一个同一坐标系下的横向对照。但它衡量的“综合文本能力”，是由特定任务集和评分规则定义的，不等于模型在每一个真实场景中的表现。V4.1 Flash的1612分是它在综合文本评测中的成绩，GPT-6 Astra的专项极限能力、V4 Pro的旗舰定位、Doubao Pro 2的Agent场景积累、R2的推理专项优势，都无法被这一个数字完全吸收。
真正值得留意的变化，不是“谁第一”这个结果本身，而是登顶者的身份：一款Flash型号，用非对称架构和更低的激活成本，在综合榜上超过了自家上一代的Pro旗舰。这比“国产模型包揽前三中两席”的叙事更具体，也更难被复制。它说明在当前的架构创新节奏下，产品线内部的“尺寸等级”和“能力等级”正在解绑，下一轮的竞争，可能不再发生在“谁家的旗舰更大”这个维度上。
（素材来自：驱动中国 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。