10 月 25 日晚，一张 OpenCode 近 24 小时模型调用榜截图在 X 上流传。榜首的 DeepSeek V4.1 Flash 吃下了 8.5T Token，第二名只有 503B，差距接近 17 倍。
榜单直接记录模型进入真实编程工作流后，开发者实际跑掉的 Token，与跑分和发布会参数属于不同口径。
图片来源：X @NFT_Chen（2026-10-25），数据页面来自 OpenCode
8.5T，把第二名甩开近 17 倍这张快照里的前五名分别是：
排名
模型
Token
01
DeepSeek V4.1 Flash
8.5T
02
Muse Spark 1.3 Contributor
503B
03
GLM-5.3-Flash
479B
04
Beam 1.0 501B A23B
399B
05
MiMo V2.6 Flash
294B
OpenCode 的统计每小时聚合一次，Token 口径包含输入、输出、推理和缓存 Token。Agent 会反复读取代码、调用工具、修改文件，单次任务就可能产生很大的上下文用量。能在这种场景里长期占据榜首，说明它已经进入了大量真实任务。
开发者为什么把任务交给 FlashDeepSeek 在 10 月 17 日更新了 V4.1-Flash-1017。官方给出的改进很务实：任务完成更快、输出更短，项目开发能力也更强。模型权重同时放到了 Hugging Face 和 ModelScope。
1 够快，适合 Agent 高频循环
写代码、跑测试、读报错、再修改，这类工作流重视每一轮的速度。Flash 的定位天然适合高频调用。
2 成本可控，敢让任务一直跑
编程 Agent 一跑就是几十轮。模型足够便宜，开发者才愿意把长任务、批处理和后台工作交给它。
3 开放权重，接入选择更多
官方 API、第三方平台和本地部署都能承接不同需求。开发者不必把工作流锁在单一入口。
Kimi K3.1 Pro 为什么没进前 18Kimi K3.1 Pro 在 10 月 24 日刚刚发布，截图生成时还没有进入 OpenCode 这份 24 小时榜单的前 18 名。这个反差确实醒目：新品发布获得了大量关注，真实工作流的用量还没同步起来。
时间和入口也会影响结果。K3.1 Pro 上线时间短，是否被 OpenCode 完整接入、免费额度和调用配额如何，都会决定短期 Token 量。因此，这张图能证明 DeepSeek V4.1 Flash 在 OpenCode 上被大量使用，无法单独证明 Kimi K3.1 Pro 的能力高低。