DS-ULTRA · 2026.11.12 → 11.13

V 装上了
第二台引擎。

ds-ultra 是 Vercel AI Gateway 上的 DeepSeek V4.1 Flash 1017 Ultrafast，上游走 Fireworks 的加速端点。同一个模型，V 现在有了一条明显更快的路—— 不快在开口，快在写完。

0token/s · 实测中位

0.0×长输出吞吐 vs 直连

0.00s首个正文 token

16×谷时单价，是直连的

入口@V · 飞书 / 钉钉 / 企微

执行vlab-worker不是 Codex

网关Vercel AI GatewayFireworks 加速端点

vercel-ai-gateway/deepseek/deepseek-v4.1-flash-1017-ultrafast别名 ds-ultra

它解决的不是「更聪明」，是「更快写完」

Ultrafast 优化的方向很具体：单位时间吐字更多。它没有让模型变得更会想，也不会让第一个字更早出现——首字反而比直连略慢一点。

同提示 · 同 768 token 上限 · 各 3 次样本

Ultrafast经 Vercel AI Gateway

768 token/s

0.97s首字

$2.4 / $9.6输入 / 输出 · 每百万

DeepSeek 直连api.deepseek.com 直连

122 token/s

0.75s首字

$0.3 / $1.2输入 / 输出 · 每百万

吞吐按客户端流式增量统计，不是厂商公布值；首字取首个正文 token，不含思考阶段。这组样本是 API 对照，不等于 Codex 完整会话链路的端到端速度。

接入的六个关口

从一句「能不能接」到真跑通，中间隔了六件必须逐个过的事。

关口 0111-12 22:24
先查清「能不能接」，不先动手
读现场配置、凭据元数据、本地文档与官方模型页。结论：当前 2026.9.1 安装没有 Vercel 原生 provider，但官方提供 OpenAI 兼容接口，可以按自定义 provider 接入，不必等插件。
关口 0211-12 22:33
免费额度挡住第一次真请求
Key 能查到约 $5 免费余额，但真正的推理请求返回 403：免费层只覆盖部分模型，Ultrafast 不在其中。两次被拒请求 0 token、$0 扣费，后台与余额双向核对过。
关口 0311-12 23:03
最低 $10，不是想充多少充多少
服务端硬性下限 $10，手续费 $0.59，实付 $10.59，额度一年有效。付款页卡在账单地址校验，最后交由本人接管桌面完成；到账后余额 $14.9991，自动充值保持关闭。
关口 0411-12 23:43
先隔离实测，再碰生产
三次同提示短样本测吞吐与首字，跑通 HTTP 工具调用闭环，并把逐请求账单取回来核对。直连 DeepSeek 用相同条件做对照，避免拿厂商宣传数字下结论。
关口 0511-12 23:46
上线时才发现还缺一道门
模型目录里有 ds-ultra，会话却提示 model not allowed —— 我最初的 diff 漏了独立的模型允许列表。补齐 modelPolicy.allow 后，新会话才真正选得到它。
关口 0611-12 23:53
真实 Worker 跑通，但账单超了
vlab-worker 真的执行了 exec、拿到 42、返回验收标记，零工具失败。代价是生产验收轮带入了完整技能与工具目录，单轮 $0.11782，累计 $0.14470，超出 $0.10 授权。已停止推理并如实记账。

钱是怎么花的，一笔一笔

充值

$10.00额度

$0.59手续费

实付 $10.59，一年有效。服务端最低 $10，$5 直接被拒。自动充值始终关闭。

测试消耗

隔离实测

$0.0269

生产验收

$0.1178

合计 $0.14470，比授权的 $0.10 多 $0.04470。超出的部分来自生产验收轮带入了完整技能与工具目录。

单价信号

$2.40Ultrafast 输入

$9.60Ultrafast 输出

同模型在 Vercel 另有 Fast 档 $0.60/$2.40 与普通档；直连谷时半价。缓存读 $0.048，几乎可以忽略。

对一个以「办事」为目标的 V，这意味着什么

这不是多挂一个模型。这是 V 第一次能把「算力」当成一种可以调度、可以定价、可以权衡的资源。

V 第一次有了「选引擎」，而不是只有「换模型」

过去换模型等于换脑子：推理风格、脾气、写代码的手感全变。ds-ultra 换的是同一个脑子（V4.1 Flash 1017）的动力总成——同样的判断力，不同的速度档和价格档。V 可以在需要长输出的活上踩油门，在闲聊和短答上踩刹车。

长文生产从「等」变成「边写边看」

768 token/s 意味着 3000 字的一段方案大约四秒写完。今天这还只是数字，但产品上它改变的是形态：报告、脚本、代码注释、批量文案这类活，V 可以边生成边被看见，而不是先转圈再一次性吐出来。

贵 16 倍这件事，反而让 V 更该学会「算账」

Ultrafast 谷时单价约是直连的 16 倍。这不是缺点，是价格信号：它逼着 V 在派活前先判断这活值不值这个价。什么时候该用贵的快刀、什么时候用便宜的钝刀，这个判断本身就是智能的一部分。

V 的执行面从一台机器变成一个可编排的池子

ds-ultra 走 vlab-worker，和 Codex、Claude CLI 并列成第三条可热插拔的执行路径。往后加引擎不再需要改 Gateway、不再需要重启：加一条 provider、一条允许列表，Worker 自动换代。V 的能力扩展从「发版」变成「配置」。

真正的想象空间：一个任务，多个引擎同时上

当引擎可以并列，协作就不再只在会话之间。同一个问题可以让 Ultrafast 出三版草稿、让 Codex 出实现、让慢而稳的模型做审校——V 从「一个会思考的执行者」变成「一个调度算力的导演」。今天铺的是这条路的第一块砖。

也因此，透明比聪明更重要

这一轮 V 报过一次超预算：$0.14470，比授权多 $0.04470。钱不多，但它说明当引擎变多、变贵、变快，V 必须把「花了多少、为什么花」当成第一等公民。否则能力越强，越不可托付。

接下来值得做的三件事

01按任务自动选档：长输出走 ds-ultra，短答与日常走默认，把价格判断写进路由规则02把验收成本做成硬阈值：单轮预估超预算就在发请求前拦住，而不是事后记账03试一次多引擎并行：同题多稿 + 人工/模型评审，验证「导演模式」是否真的产出更好

边界，写清楚

没有改默认。全局默认仍是 deepseek/vds-deepseek-flash；ds-ultra 只作为可选项，单独发 /model ds-ultra 切换。
没有动老会话。上线前后核对 20,438 个已有会话，模型设置零变化。
没有重启 Gateway。两次配置改动都是热更新，Worker 自动换代。
不是 Codex。ds-ultra 走 vlab-worker，与 Codex harness 是两条并行路径，没有做 Codex 适配。
1000+ token/s 是厂商说法。本次实测中位 768 token/s，两个数字不要混用。

V 装上了第二台引擎。