2026年9月10日，DeepSeek正式发布V4.1 Flash——一个552B参数的MoE模型，采用全新Causal-Encoder-Decoder非对称结构，输入激活仅8B、输出激活16B，在Agentic Benchmark上全面超越V4 Pro，同时HBM需求降至上一代的1/4、SSD需求降至1/8，KV Cache累计压缩437倍。更关键的是：V4.1 Flash发布即同步降价，旧版V4 Pro将在9月14日被强制下线路由至此。本文用数据说清楚它强在哪里、贵不贵、以及谁该用它。
一、架构革新：非对称设计，小成本大智能
DeepSeek V4.1 Flash最大的结构变化是引入Causal-Encoder-Decoder架构——输入侧与输出侧不再对称。模型总参数552B，输入激活仅8B，输出激活16B。这意味着处理相同上下文时，实际计算的算力消耗远低于同等规模的对称模型。
作为对比，同期发布的Qwen3.8-Omni-Flash采用类似思路（每Token仅激活6B），但V4.1 Flash的独特之处在于它专为Agent场景设计：模型预训练阶段加入了大规模强化学习后训练（RL post-training），使模型在多步骤推理、工具调用、状态追踪等Agent核心任务上的表现显著提升。
二、基准测试：超越V4 Pro，逼近旗舰梯队
官方以Agentic Benchmark为标尺，将V4.1 Flash与DeepSeek V4 Pro、Qwen3.8-Max、GPT-6等主流旗舰模型横向对比，V4.1 Flash在所有测试维度均排名第一，全面超越V4 Pro。
| 模型 | 总参数量 | 激活参数量（输入/输出） | Agentic Benchmark排名 | 多模态支持 |
|---|---|---|---|---|
| DeepSeek V4.1 Flash | 552B MoE | 8B / 16B | 第1名 | 原生多模态视觉理解 |
| DeepSeek V4 Pro | — | — | 被超越 | — |
| Qwen3.8-Max | 2.4T MoE | — | — | 原生多模态 |
| GPT-6.1 Sol | — | — | 全球前列 | 原生多模态 |
需要注意的是：Agentic Benchmark主要衡量Agent任务能力（任务拆解、工具调用、状态管理），而非通用知识或编程能力，因此不能简单等同于综合榜单排名。但对实际部署Agent应用的用户而言，这个指标比MMLU更有参考价值。
三、KV Cache压缩：HBM需求降至1/4，累计缩小437倍
大模型推理成本中，KV Cache占用内存是最大的瓶颈之一。V4.1 Flash通过架构层面的稀疏注意力机制改进，将单次推理的KV Cache占用大幅压缩：
- HBM（显存）需求：降至上一代V4系列的1/4
- SSD（存储）需求：降至上一代的1/8
- 相比初代DeepSeek模型：KV Cache已累计缩小437倍
对于Agent应用而言，缓存命中费用往往占总成本的较高比例。以一次100轮对话的Agent任务为例，V4.1 Flash的缓存费用约为V4 Pro的1/4，成本结构发生根本性改变。这一数据对有规模化部署需求的开发者最为关键。
四、API定价：V4 Pro强制退役，峰谷定价再优化
V4.1 Flash上线同步调整了定价体系，并引入更精细的峰谷定价机制：
| 计费维度 | V4.1 Flash定价逻辑 | 与V4 Pro对比 |
|---|---|---|
| 模型名称 | deepseek-flash（调用入口） | V4 Pro 9月14日下线 |
| 兼容路由 | deepseek-v4-flash、deepseek-v4-flash-vision-exp暂时路由至V4.1 Flash | 完全兼容，无需改代码 |
| 计费模式 | 峰谷定价（闲时为高峰半价） | 引导用户错峰使用 |
| V4 Pro去向 | 9月14日12:00后请求全部路由至V4.1 Flash，按V4.1 Flash单价计费 | 永久降价75%变向实现 |
官方明确表示：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，因此有序下线V4 Pro。换句话说，这不是简单的模型迭代，而是一次升维打击——用更低的成本获得更强的Agent能力。
五、开源策略：全力支持推理适配，大规模部署开放合作
DeepSeek在官方公告中表示，将全力支持开源社区对新模型的推理适配，并明确提出规模化部署的合作意向：
- 权重开源：V4.1 Flash权重已上传Hugging Face（DeepSeek-V4.1-Flash），采用MIT协议
- 技术报告：官方同步发布DeepSeek-V4.1-Flash技术报告，详细描述架构设计与训练方法
- 规模化合作：具备2k GPU卡+存储集群条件的团队可联系DeepSeek进行深度合作
对比来看，V4 Pro永久降价75%后单百万Token仅需2分钱，V4.1 Flash预计将进一步拉低价格底线。这延续了DeepSeek”价格屠夫”的定位，但这次不只是降价——而是把价格降建立在架构效率提升的基础上。
FAQ：关于DeepSeek V4.1 Flash的几个关键问题
Q1：V4.1 Flash和V4 Flash是什么关系？
V4.1 Flash是V4 Flash的下一代升级版，采用全新Causal-Encoder-Decoder架构，各项指标全面超越。V4 Flash和V4 Flash Vision Exp已下线，调用入口统一为deepseek-flash。
Q2：V4 Pro还能用吗？会不会突然涨价？
V4 Pro已于9月14日12:00后永久下线，请求自动路由至V4.1 Flash，按V4.1 Flash价格计费。不会出现额外费用。
Q3：V4.1 Flash适合什么场景？
最适合需要多步骤推理、工具调用、长程记忆管理的Agent应用。相比纯聊天场景，KV Cache压缩带来的成本优势在长对话/多轮任务中体现最明显。
小结
DeepSeek V4.1 Flash的核心竞争力不在于参数量的堆砌，而在于架构效率的质变：用不对称设计把激活参数压到8B/16B，用稀疏注意力把KV Cache压缩到初代的1/437，用RL后训练让Agent任务表现超越前代旗舰。这是一套从底层架构到产品定价完全围绕”规模化Agent部署”重新设计的产品思路。随着V4 Pro的退役，DeepSeek正式进入”Flash系列”主导的性能价格比竞争阶段——这对开发者意味着更低的接入成本，对行业意味着推理效率的军备竞赛进入新层级。
后续更新：V4 Pro 退役计划已撤回
本文引用的官方公告称 V4 Pro 将于 9 月 14 日 12:00 下线，请求全部路由至 V4.1 Flash。9 月 11 日 DeepSeek 已宣布撤回该强制迁移计划，V4 Pro API 继续保留、计费方式不变，自动路由安排一并取消。正文中关于强制下线的表述，以此后续公告为准。
撤回的直接原因是开发者反馈。生产环境通常已经围绕旧模型调好了提示词与 Agent 流程，模型被静默替换会让线上行为漂移，回归测试成本不低。这次调整说明模型服务进入存量阶段后，厂商推进版本迭代时必须把用户的迁移成本算进去。
迁移到 V4.1 Flash 的实际步骤
官方把调用入口简化为 deepseek-flash，旧模型名在一段时间内继续路由过去，给存量系统留出了窗口。迁移工作集中在两件，一是把模型名换掉，二是用真实流量跑一轮对照，确认输出格式与响应风格没有影响下游解析。
峰谷定价对成本敏感的场景意味着错峰调用能进一步压价，值得在调度层做一层优化。不过要注意缓存命中率的变化，缓存便宜的前提是调用模式真的命中缓存，任务设计不变的话，省下的幅度会小于账面数字。
相关阅读
- 字节Seed发现DeepSeek-V4相位敏感性：同一信息换个位置准确率相差40.2%
- DeepSeek V4 Pro正式版突袭上线，Agent跑分直逼Fable 5
- DeepSeek V4.1 Flash正式发布：V4 Pro将于9月14日退役
- DeepSeek V4.1 Flash发布：552B MoE、KV缓存缩437倍、V4 Pro退役
延伸阅读
- OpenAI暂停前沿训练：1200个智能体失控背后，100家机构的代价与监管重构1 周前
- 小米MiMo-V2.6开源，75万条轨迹练出72分超越GPT-62 天前
- 大模型推荐排行榜 2026 秋季版，写代码、省钱、中文场景各选各的2 周前
- Qwen3.8 开源 27B 原生多模态模型：Apache 2.0 可商用，消费级显卡量化可部署3 周前