DeepSeek V4.1-Flash 发布

V4.1-Flash 的表面数字具有误导性。该模型虽拥有 5520 亿参数主干和额外 1960 亿 Engram 参数，总计 7630 亿^[1]，但其新型因果编码器-解码器设计——一个 40 层 Transformer 分为 20 层因果编码器和 20 层解码器——通过将解码器的全局 KV 缓存从编码器的最终隐藏状态直接投影而来，而非在每一解码层重新计算^[1]，从而实现无论底层权重多大，每 token 在预填充阶段仅激活 80 亿参数，解码阶段仅激活 160 亿参数^[1]。结合 FP4 KV 缓存（E2M1 格式）和压缩稀疏注意力 2（Compressed Sparse Attention 2），每 token 的全局 KV 缓存占用降至 890 字节——约为 DeepSeek-V4-Flash 的四分之一，约是 DeepSeek-V1 的 437 分之一^[2]。上下文窗口扩展至 100 万 token，DeepSeek 表示从 4K 扩展到 100 万 token 仅增加约 25% 的计算量^[3]，表明起作用的是架构本身，而不仅仅是暴力计算。

DeepSeek 明确对标两大闭源模型领军者。在 Terminal-Bench 2.1 上，V4.1-Flash 得分为 90.6，高于 GPT-5.6 Sol 的 88.8 和 Claude Opus-5 的 89.1；在 DeepSWE v1.1 上得分为 74.2，分别高于 73.0 和 74.0^[2]。这些差距虽小，但伴随着非高峰 API 定价：每百万缓存命中输入 token 0.02 元人民币，缓存未命中输入 1 元，输出 4 元（高峰时段为双倍）^[4]，远低于前沿实验室的典型定价。该模型的竞争对象也不仅限于 OpenAI 和 Anthropic；报道指出 Moonshot AI 的 Kimi K3 是其在开源、低成本模型细分市场中的直接对手^[5]，凸显当前最激烈的竞争正发生在快速迭代的开源权重玩家之间，而不只是对抗闭源实验室。独立测试迅速捕捉到这一点——一位专注于设计任务的评测者发现，V4.1-Flash 在日常设计任务中达到领先闭源模型 98% 的得分，成本却仅为约 1.4%，被视为开源模型正在缩小与闭源模型差距的证据。

此次并非并行发布、保留旧模型运行。自 2026 年 9 月 14 日 04:00 UTC 起，所有对 deepseek-v4-pro 的请求将自动路由至 V4.1-Flash 并按 Flash 系列费率计费，实质上淘汰 V4-Pro；旧有名称 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 也暂时被路由至新模型^[6]。DeepSeek 表示，其内部及外部测试显示 V4.1-Flash 在性能、成本、速度和总完成时间上均超越 V4-Pro^[4]，这是强制迁移而非提供选项的理由。实际上，每个 V4-Pro 集成将在发布后数日内切换至架构截然不同的新模型，无论特定工作负载是否已针对其验证过。

此次发布引人注目的背景不仅是技术性的。2025 年 1 月，DeepSeek 的 V3 和 R1 发布曾引发历史性单日抛售，英伟达股价下跌约 17%——市值蒸发约 6000 亿美元，创下当时美国股市史上单一公司单日最大市值损失纪录^[7]。而 V4.1-Flash 的发布，尽管在编码基准测试中以极低价格匹敌或超越两大当前前沿闭源模型，却未引发类似市场动荡^[7]。这一反差本身值得注意：十八个月后，一家中国实验室发布能与顶级闭源模型竞争的开源、MIT 许可权重，已从震惊变为常态，延续了 DeepSeek 在 V4 系列早期将其主模型线拆分为 Pro 和 Flash 两个变体的模式^[8]。

MIT 许可的权重可自由从 Hugging Face 下载，支持 vLLM、SGLang 和 Transformers，且无使用门槛限制谁可以使用^[1]。但开放不等于可及：即便有降低规模化服务成本的 KV 缓存优化，一个拥有 5520 亿主干、总计 7630 亿参数的模型仍需服务器级多 GPU 硬件才能自托管^[1]。效率提升主要惠及已有基础设施的运营方——如 DeepSeek 自身的 API 或资源充足的大型企业——而非让单个工作站就能运行前沿级模型。