DeepSeek V4.1 Flash 上线：非对称架构 + KV Cache 压缩，V4-Pro 开始有序下线
事件：2026-09-10，DeepSeek 发布 V4.1 Flash —— 全新模型结构系列中尺寸最小的模型，具备原生多模态视觉理解能力。新 API 价格于北京时间 9/10 12:00 生效；9/14 12:00 起，deepseek-v4-pro 的请求全部路由至 V4.1 Flash 并按 Flash 单价计费，直至 V4.1 Pro 上线。
一、架构：非对称 Causal-Encoder-Decoder
- 总量 552B 参数 MoE，输入/输出不对称：输入激活仅 8B、输出激活 16B
- 官方称成本显著低于已知同尺寸模型；采用新的预训练方式 + 更大规模 RL 后训练
- 官方称基准测试超越包括 DeepSeek V4 Pro 在内的一众旗舰模型；多方第三方测试亦显示 V4.1 Flash 在性能、费用、速度、总用时上全面超越 V4 Pro
二、KV Cache 压缩 —— 这一代真正的成本杠杆
| 维度 | 相对上一代 |
|---|---|
| HBM 需求 | 降至 1/4 |
| SSD 存储需求 | 降至 1/8 |
| 相对初代模型累计 | KV Cache 缩小 437 倍 |
Agent 使用场景中缓存命中费用占比高，压缩 KV Cache 直接砍掉 Agent 类任务的最大成本项。
三、API 与生态
- 调用名改为
deepseek-flash；V4 Flash / V4 Flash Vision Exp 已下线，旧名deepseek-v4-flash、deepseek-v4-flash-vision-exp暂时路由到 V4.1 Flash 以兼容 - 计价延续峰谷机制：闲时为高峰价的一半；第三方跟踪 off-peak 约 $0.15 / $0.60 每百万 input/output tokens，上下文 1M
- 官方合作伙伴：WorkBuddy（含 CodeBuddy）与 OpenCode 已全面支持 V4.1 Flash
- 开源：权重开放（MIT 许可），Hugging Face 可获取；国家超算互联网（SCNet）同步上线 API 服务与权重下载；官方称将与开源社区共建推理生态，并开放 2000 GPU + 存储集群级别的大规模部署洽谈
四、投资 / 产业视角
- 单位经济性拐点：能力追平甚至反超自家 Pro、单价更低、KV Cache 小一个数量级 → Agent 长上下文场景的每任务成本被系统性下压，直接利好多 Agent 编排类应用（L5）
- 推理侧国产算力窗口：552B 稀疏 MoE（8B/16B 激活）对显存容量与带宽的要求远低于同能力密集模型，国产推理卡的可行性边界在扩大
- 对闭源中端模型的定价挤压：开源 + 超低价 + 高能力，继续压缩中端闭源定价带；DeepSeek 自家 Pro 被自家 Flash 取代，说明模型代际淘汰的节奏在加快
- 存储侧的反向逻辑：KV Cache 压缩 437 倍是算法红利。若被行业普遍采纳，将部分对冲"永远缺存储"的线性外推 —— 需持续跟踪下一代模型对 HBM / SSD 的单位需求假设是否被下修
来源：DeepSeek 官方发布；第三方模型库跟踪；国家超算互联网上线报道