一句话结论
DeepSeek V4.1 Flash 推出全新 Causal-Encoder-Decoder 架构，输入激活仅 8B、输出 16B，KV Cache 较初代缩小 437 倍，在 Agent 任务基准上超越 V4 Pro 等旗舰模型，并实现了比旗舰模型更低的 API 使用成本。
全新架构：Causal-Encoder-Decoder 非对称结构
2026年9月10日，DeepSeek 正式发布 V4.1 Flash，这是 DeepSeek 全新模型结构系列中的最小尺寸成员，同时具备原生多模态视觉理解能力。与此前 DeepSeek V3.2 系列的 Encoder-Decoder 同构结构不同，V4.1 Flash 采用了全新的 Causal-Encoder-Decoder 非对称架构：模型的输入侧与输出侧拥有不同的激活参数规模，这是大模型架构设计中一个值得关注的方向性变化。
具体而言，V4.1 Flash 的总参数规模为 552B，但输入激活仅 8B，输出激活为 16B。这意味着，在输入 prompt 较短、但需要较长输出的场景（如代码补全、问答、文档生成）中，V4.1 Flash 的实际计算成本远低于同等参数规模的”对称”模型。以 GPT-4o 为例，其激活参数规模约为 200B（输入）和 200B（输出），而 V4.1 Flash 仅用 8B/16B 的激活参数驱动 552B 的总参数规模，稀疏激活的效率优势明显。
在训练方法上，V4.1 Flash 采用了新的预训练方式，并经过更大规模的强化学习后训练（RL Post-training）。这一组合在 V3 系列上已被验证有效，V4.1 Flash 将其进一步扩展到新架构上，RL 阶段的数据规模和策略复杂度也有所提升。
基准测试：超越 V4 Pro，重新定义 Flash 上限
DeepSeek 官方公告中的核心论断是：V4.1 Flash 在基准测试中成功超越了包括 DeepSeek V4 Pro 在内的众多旗舰模型。以下是各维度的核心数据：
| 维度 | V4.1 Flash 表现 | 对比对象 |
|---|---|---|
| Agentic Benchmark | 超越 V4 Pro 及同类旗舰 | DeepSeek V4 Pro（已退役） |
| 多模态视觉理解 | 原生支持 | V4 Flash Vision Exp |
| KV Cache（HBM） | 1/4（vs 前代） | V4 Flash / V4 Pro |
| KV Cache（SSD） | 1/8（vs 前代） | V4 Flash / V4 Pro |
| 相对初代模型 KV Cache | 缩小 437 倍 | DeepSeek 初代 V3 模型 |
Agentic Benchmark 的超越尤其值得关注。Agent 任务（如多步骤规划、跨文档操作、工具链调用）对模型的推理深度和长链路一致性有极高要求，此前通常是最大参数旗舰模型的专属战场。V4.1 Flash 作为”最小尺寸成员”，能在这一维度超越 V4 Pro，意味着 DeepSeek 在模型压缩与能力保留的技术上取得了实质性进展。
KV Cache 压缩：437 倍缩减意味着什么
KV Cache 是大模型推理中的核心效率瓶颈之一。在自注意力机制中，每个 token 都需要与此前所有 token 的 Key-Value 向量进行交互，这些向量的大小直接影响显存占用和推理速度。V4.1 Flash 实现了两项关键压缩：
对 HBM 的需求降至前代的 1/4：HBM（High Bandwidth Memory）是 GPU 显存的核心，1/4 的 HBM 需求意味着同等显存下可以运行更长的上下文窗口，或者在更小的 GPU 配置上完成部署。对于需要在有限硬件上部署长上下文应用的开发者，这是直接的成本降低。
对 SSD 的需求降至前代的 1/8：SSD 用作 KV Cache 存储介质，在长上下文场景中可以显著降低内存墙瓶颈。1/8 的降幅，使得在消费级硬件或边缘设备上部署成为可能，也降低了私有化部署的门槛。
从初代模型到 V4.1 Flash，DeepSeek 的 KV Cache 总缩小了 437 倍。这一数字是持续迭代积累的结果，反映了 DeepSeek 在注意力机制优化（如 Paged Attention、Flash Attention 变体）上的长期投入。每一次数量级的提升，背后都是推理框架层面的深度优化。
对于 Agent 使用场景而言，KV Cache 的压缩直接转化为成本优势。Agent 类任务通常涉及多轮交互和长上下文，缓存命中费用在总成本中占比很高，KV Cache 缩小 437 倍意味着这一环节的费用大幅优化，这也是 V4.1 Flash 能够在价格上低于旗舰模型的技术基础之一。
API 定价：峰谷定价、低于旗舰模型
DeepSeek V4.1 Flash 的另一核心优势是定价。得益于架构创新带来的成本优势，V4.1 Flash 的 API 价格低于 DeepSeek V4 Pro，且 DeepSeek 采用了峰谷定价策略：
| 计费维度 | V4.1 Flash 定价 | 计费逻辑 |
|---|---|---|
| 高峰期 | 原价 | 按调用量计费 |
| 闲时段 | 高峰价的 50% | 鼓励错峰使用，降低综合成本 |
| V4 Pro 兼容路由 | 已路由至 V4.1 Flash | 按 V4.1 Flash 价格计费 |
北京时间 2026 年 9 月 10 日 12:00 起，新价格正式生效。同时，V4.1 Flash 上线后，DeepSeek 宣布有序退役 V4 Pro——所有访问 deepseek-v4-pro 的请求在 V4.1 Pro 上线前，将全部路由至 V4.1 Flash 并按其价格计费。
峰谷定价是一个值得关注的设计：它不仅帮助用户降低使用成本，也帮助 DeepSeek 更高效地调配 GPU 集群资源。对于非实时性要求的批量处理任务（如批量代码审查、文档分析），将任务安排在闲时段执行，可获得 50% 的价格优惠。
在 API 调用层面，V4.1 Flash 支持多模态输入，原生支持视觉理解，只需将模型名更改为 deepseek-flash 即可调用。旧版模型名 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 也已临时路由至 V4.1 Flash，确保兼容性过渡。
开源与生态：Hugging Face 权重已上线
DeepSeek 一直保持较高的开源活跃度，V4.1 Flash 的模型权重已在 Hugging Face 上线，开源社区可以立即获取并进行推理适配。DeepSeek 同时表示正尝试扩大部署范围，对于有大规模部署需求的用户（需 2k 卡 GPU 和存储集群），可联系 DeepSeek 团队获取支持。
小结
DeepSeek V4.1 Flash 的发布，标志着 DeepSeek 在”小模型、低成本、超越旗舰”方向上迈出了实质性一步。Causal-Encoder-Decoder 非对称架构带来 8B/16B 的极低激活参数，KV Cache 缩小 437 倍的成本优势，以及低于旗舰模型的 API 定价，是其三大核心卖点。与同档次的 MiniMax M3.1 Flash 相比，V4.1 Flash 在 KV Cache 压缩率和多模态原生支持上具有差异化优势。随着 V4.1 Pro 的后续上线，DeepSeek 的模型矩阵将进一步完善。
常见问题
V4.1 Flash 与 V4 Pro 是什么关系？ V4.1 Flash 在 Agent 任务等关键基准上已超越 V4 Pro，同时 API 定价更低。因此 DeepSeek 决定有序退役 V4 Pro，所有 deepseek-v4-pro 的调用请求已路由至 V4.1 Flash。
Causal-Encoder-Decoder 架构与传统架构有何不同？ 传统 Encoder-Decoder 模型的输入输出激活参数相同，而 V4.1 Flash 采用非对称设计，输入仅 8B、输出 16B，稀疏激活带来显著成本优势。
KV Cache 缩小 437 倍，对普通用户有什么影响？ 直接影响是 Agent 类任务的使用成本下降。对于开发者而言，也意味着可以在更小显存的设备上部署更长的上下文应用。
相关阅读
- DeepSeek V4.1 Flash：552B MoE、KV 缓存缩 437 倍
- DeepSeek V4 Pro 正式退役：路由至 V4.1 Flash，价格降 40%
- DeepSeek 上线 Search/Fetch API：千次 5 元、失败不收费
- MiniMax M3.1 Flash 上线：1 元/百万 Token、Agent 任务追平闭源
延伸阅读
- 阿里巴巴云栖大会：Qwen 4 训练中，真武V900 芯片 3 倍算力、50 万卡集群2 周前
- 全球大模型周调用量达 129 万亿 Token：DeepSeek V4.1-Flash 15.8 万亿登顶，环比涨 219%4 周前
- 腾讯 QQ 邮箱推出 Agent Mail：让 AI 拥有自己的专属邮箱1 月前
- GPT-OSS开源权重模型发布：120B/20B双版本Apache 2.0可商用，128K上下文与本地部署全解析4 周前
继续读
同一批更新里这几篇值得一看：