网硕互联帮助中心💡 一句话总结：9 月 10 日 DeepSeek 开源了 V4.1-Flash——552B 参数、1M 上下文、原生看图、MIT 随便商用；核心卖点是全新 CED 架构把 KV cache（模型处理长上下文时最吃内存的那块账单）压到每 token 890 字节，官方还顺手宣布 V4 Pro 「性能全面被它超越」将被路由下线。发布事实很硬，跑分是官方自测，独立复现还得再等等。
做 Agent 开发的同学最近大概率被两件事折磨过：上下文越塞越长，账单越拉越高；想自托管个开源模型，一算 KV cache 的显存直接劝退。为什么长上下文这么贵？因为注意力机制要给每个 token 存一份「中间记忆」（KV cache），上下文翻倍、这份记忆就翻倍，显存和成本跟着翻倍。
9 月 10 日，DeepSeek 发布的 V4.1-Flash 就是冲着这份账单来的：模型卡标题不藏着掖着，就叫《Pushing the Limits of KV Cache Compression》（把 KV cache 压缩推到极限）。
想自己动手？
- 🤗 权重与技术报告：Hugging Face · DeepSeek-V4.1-Flash（MIT 许可）
- 📄 API 更新公告：DeepSeek API 更新日志
- 💰 价格表：模型与价格
📦 这次到底发了什么
先把基本盘摆清楚：V4.1-Flash 是一个 552B 主干参数的 MoE 模型（混合专家架构，总参数很大但每个 token 只激活一小部分上场），上下文窗口 1M token，最大输出 384K，原生支持图像理解——视觉编码器是从零训练的，不是外挂的。
几个对开发者直接有用的点：
- 调用名是 deepseek-flash：旧的 deepseek-v4-flash、deepseek-v4-flash-vision-exp 已经下线，暂时路由到新模型，按 Flash 价格计费——老代码不用改就能白嫖升级。
- MIT 许可：权重和代码都放开商用，Hugging Face 可下。
- 第三方 Day-0 跟进：SiliconFlow 发布当天即上线托管，WorkBuddy 等应用侧也快速接入。
- 支持 1–100 连续推理强度（reasoning_effort，控制模型「想多深」的旋钮），用推理成本换精度，按需调。
值得注意的是发布节奏：8 月 21 日才上线实验版 Vision-Exp，20 天后就掏出换架构的正式版——这个迭代速度在开源圈相当罕见。
🔧 CED 架构：让「前台」替「执行层」记笔记
这次架构上的大动作叫 CED（Causal Encoder-Decoder，因果编码器-解码器）：40 层模型劈成两半——20 层因果编码器 + 20 层解码器。关键改动在于：解码器的全局 KV cache 不再由各解码层自己生成，而是直接从编码器最后一层的隐状态投影过来。
听着绕？打个比方：以前团队里每个执行的人都要自己从头听一遍客户会议、各记一本笔记（每层解码器各存一份 KV）；现在改成前台助理先把会议完整听一遍、整理出一份纪要，执行层的每个人拿纪要干活就行——笔记从「人手一份」变成「共享一份」，存储自然下来了。
实际效果是：prefill（读输入）时只激活 8B 参数，decode（生成输出）时激活 16B。输入越长的 Agent 型工作负载，这个设计越占便宜——因为 Agent 场景恰恰是「读得多、写得少」。
图说：右图是重点——全局 KV cache 每 token 字节数从 DeepSeek-V1 到 V4.1-Flash 一路下探，V4.1-Flash（最右侧）约为上代 V4-Flash 的 1/4、初代 V1 的 1/437。
🗜️ 压缩三板斧：890 字节是怎么来的
KV cache 压到 890 字节/token，靠的是三件套叠加：
- SWA Bounded Replay：滑窗注意力（SWA）的 KV 不再写 SSD 硬盘暂存，需要时只重放最近窗口内的 token 重建——省掉硬盘 I/O，持久化 KV 只剩上代约 1/8。
- CSA2 稀疏注意力：给每层注意力静态分配 Full / Reindex / Reuse 三种模式之一，跨层共享主 KV 和索引器、复用 Top-K 稀疏索引；深层的索引成本不再随上下文长度增长。
- FP4 KV 缓存：主 KV 用 4-bit 浮点（E2M1 格式）存储，每 16 个通道配一个缩放因子——这是 890 字节这个数字的最大功臣。
各来源在这点上口径一致：官方模型卡、the-decoder、MarkTechPost 的转述都指向同一组数字。需要留意的是「890 字节」是全局 KV cache 的均值口径，不同层、不同模式下的实际占用会有差异——拿它做容量规划时别直接线性外推。
📊 跑分：亮点很亮，但先看清楚谁测的
官方基准（max 档推理强度）里最抢眼的是 Agent 编码类：
- Terminal-Bench 2.1：90.6，压过对比表里所有对手——Opus-5.0（89.1）、GPT-5.6 Sol（88.8）、K3（88.3）、GLM-5.3（88.2）
- DeepSWE v1.1：74.2、CyberGym 88.1、AutomationBench 54.8、Agent's Last Exam 31.8，均为表内第一
- Codeforces Rating 3471，也是表内最高
但把整张表看完，短板同样清楚：HLE 只有 36.8（Opus-5.0 是 56.3，差得不是一点半点）；Terminal-Bench 3.0/4.0 这类高难档位（30.0/31.2）明显落后 Opus-5.0（43.3/51.8）；NL2Repo-Bench、ProgramBench 也未登顶。
图说：官方放出的 Agent 类基准对比，V4.1-Flash（深色）在 TB2.1、DeepSWE 等中低难任务领先，高难任务与 Opus-5.0 仍有差距。
三点澄清帮你定位这些数字：其一，全部是官方自测，用的是自研 DeepSeek Harness 极简模式，第三方独立复现目前还没有；其二，官方自己放的多 scaffold 对比表显示，同一模型换不同测试框架分数差异不小（DeepSWE 从 67.6 到 74.2 不等）——说明这类 benchmark 对 harness 敏感，跨厂商比较要留个心眼；其三，小细节：NL2Repo-Bench 分数在 HuggingFace 模型卡写 64.0、在 API 更新日志写 65.4，两处官方口径对不上 (uncertain)，虽然不影响大局，但说明「官方数字」也值得多看一眼。
至于社区反应：Hacker News 讨论帖 935 分、517 条评论，热度足够说明关注度；已有用户表示主力项目全量跑在 DeepSeek Flash 上，也有博客提醒「吞吐约 2–4 倍提升是官方口径，暂无独立分数」。上一代 V4-Flash 在 Reddit 有过「细节处不可靠」的反馈——换架构之后稳定性如何，还得让子弹飞一会儿。
💰 价格：输出价打到 V4 Pro 的三成，V4 Pro 直接「毕业」
这次真正让存量用户坐直的，是价格表和一句官方宣布。新价格（每百万 token，空闲/高峰时段）：
- 输入（缓存命中）：0.02 / 0.04 元
- 输入（缓存未命中）：1 / 2 元
- 输出：4 / 8 元
- 并发上限：2500（V4 Pro 是 500）
对比 V4 Pro 原价（输入未命中 4.5/9 元、输出 13.5/27 元），输出价约为其 30%，并发还翻了五倍。高峰时段指北京时间工作日 9–12 点、14–18 点，其余时间半价。
更激进的是这句：「经多方测试，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro，因此我们计划有序下线 V4 Pro」。9 月 14 日 12 点之后，所有 deepseek-v4-pro 的请求会被路由到 V4.1-Flash，按 Flash 价格计费，直到未来的 V4.1 Pro 上线。
这里有个值得咂摸的行业信号：自家 1.6T 参数的旗舰档，被 552B 的「小杯」以官方名义整体替代——「更大激活参数=更高档位」这条老公式，在 Agent 负载主导的时代开始松动了。当然，「全面超越」的判定标准官方没有展开 (uncertain)，把它理解为产品策略+技术事实的混合表述更稳妥。
🧭 对不同人的意味
把话说明白：这次发布对不同场景的实际影响不一样。
- API 用户：9 月 14 日后无感切换+降价，纯利好；但依赖 V4 Pro 特有行为的同学留意一下输出风格变化，以及 V4.1 Pro 空窗期的时间表官方尚未给出。
- 自托管玩家：KV cache 1/4 意味着同显存能扛更长上下文或更多并发——890 字节/token 的量级，让单卡跑长上下文 Agent 服务从「勉强」变「从容」。
- 做 Agent 产品的团队：1M 上下文 + 输出 4–8 元/百万 token + 2500 并发，长任务（整库重构、全天候监控类）的成本模型值得重算一遍。
- 国产模型竞品：MIT 许可 + Agent 基准第一梯队 + 激进定价，这组合的压力会直接传导到下一轮各家发布里。
至于发布当天的背景噪音——同日美方机构发布针对中国 AI 公司的蒸馏指控公告——与本次发布并无因果关联，但恰好说明了这类开源发布的行业敏感度。另外路透社近日还报道 DeepSeek 正筹备科创板 IPO（目标估值约 5000 亿元人民币，未经公司确认）——商业层面，它也到了要用收入证明模式的时候。
总的说来：发布事实（开源、架构、降价、路由下线）全部有一手来源、站得住；跑分领先是官方自测、方向可信但幅度待独立验证；「全面超越 V4 Pro」介于技术判断和产品话术之间。对你而言，最实际的动作可能就一个：9 月 14 日之前，把自己账单里的 deepseek-v4-pro 检查一遍。
参考来源
- DeepSeek-V4.1-Flash 官方模型卡（一手/官方）— https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
- DeepSeek API 更新日志 2026-09-10（一手/官方）— https://api-docs.deepseek.com/zh-cn/updates
- DeepSeek 官方定价页（一手/官方）— https://api-docs.deepseek.com/zh-cn/quick_start/pricing/
- the-decoder 报道（权威媒体）— https://the-decoder.com/new-deepseek-model-v4-1-flash-cuts-memory-needs-for-ai-agents
- MarkTechPost 报道（行业媒体）— https://www.marktechpost.com/2026/09/10/deepseek-ai-released-deepseek-v4-1-flash-with-1m-context-fp4-kv-cache-and-cross-layer-attention-reuse
- Hacker News 讨论（社区，935 分/517 评论）— https://news.ycombinator.com/item?id=49639090
- SiliconFlow Day-0 上线公告（生态/官方）— https://x.com/SiliconFlowAI/status/2098054160176545821
- orcarouter 新旧对比（垂直博客，含「缺独立分数」提醒）— https://www.orcarouter.ai/blog/deepseek-v4-1-flash-vs-deepseek-v4-flash
评论前必须登录！
注册