背景：一次”名不副实”的发布，撬动整个开源生态

2026年9月10日，DeepSeek 正式发布了 DeepSeek-V4.1-Flash——一个以 MIT 协议开源、权重直接托管在 HuggingFace（deepseek-ai/DeepSeek-V4.1-Flash）的多模态 MoE 模型。

这次发布最耐人寻味的地方在于它的命名：.1 后缀通常代表一次小版本迭代或微调升级，但 DeepSeek 却用它给出一款全新架构家族的全新基座模型。更关键的是，这是 DeepSeek 首次把 .1 用在一个完全重建的基座上——而它暗示的旗舰版本 V4.1-Pro 至今仍未登场。换句话说，DeepSeek 把”正餐之前的小菜”直接做成了足以替代上一代旗舰的主菜。

与已发布过的 V4-Pro（1.6万亿参数 MoE）不同，V4.1-Flash 走的是一条截然不同的路线：用更少的激活参数、更激进的 KV Cache 压缩，换取超越上代旗舰的性价比。对于以长文档、长工具链调用为核心的 Agent 场景，这恰恰是最实在的进化。

核心特性：CED 架构 + 极致 KV Cache 压缩

V4.1-Flash 的核心是一组围绕”输入密集型负载”重新设计的架构创新：

Causal Encoder-Decoder（因果编解码器）。模型采用 40 层 Transformer，由 20 层因果编码器 + 20 层解码器组成。与传统 MoE 每个解码层各自维护 KV Cache 不同，CED 让解码器的全局 KV Cache 直接从编码器的最终隐状态投影而来。结果是：预填充阶段每 token 只激活 8B 参数，解码阶段激活 16B。文档越长、工具链调用越频繁，模型在”便宜的那一半”上省下的算力就越可观。

Compressed Sparse Attention 2（CSA2）。每个注意力层被分配到三种静态模式之一——Full、Reindex 或 Reuse——在主 KV 与 indexer K 之间共享状态，并在解码器中使用分层稀疏索引器，让深层索引成本独立于上下文长度。配合 FP4 主 KV 缓存（E2M1 格式，每 16 个通道一个 E4M3 缩放因子），全局 KV Cache 占用被压缩到 每 token 仅 890 字节——约为 DeepSeek-V4-Flash 的四分之一。

SWA Bounded Replay。滑动窗口注意力通常需要把 KV 状态持久化到 SSD 才能重建上下文，而这项技术只回放最近 n_win 个 token 即可重建缺失的 SWA KV 状态，将持久化 KV Cache 体积进一步压缩到 V4-Flash 的约 1/8。

其他配套组件同样亮眼：Single-Pass mHC 混合关键缓存、196B 参数的 Engram 条件记忆（基于 token 查找稀疏访问）、以及 DSpark 投机解码。MoE 层面采用 1 个共享专家 + 384 个路由专家，每 token 激活 6 个路由专家。

技术分析：开源权重 + MIT 协议 = 生态级信号

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# DeepSeek-V4.1-Flash 调用示例（OpenAI 兼容接口）
from openai import OpenAI

client = OpenAI(
    base_url="https://api.deepseek.com/v1",
    api_key="<YOUR_DEEPSEEK_KEY>",
)

response = client.chat.completions.create(
    model="deepseek-flash",          # 新模型 ID；旧名已退役并路由至此
    messages=[
        {"role": "user", "content": "总结这份 5 万字的法律文档的核心条款"},
    ],
    extra_body={
        "reasoning_effort": 100,     # 1-100 连续可调的思考强度
        "temperature": 1.0,
        "top_p": 0.95,
    },
)

三个维度决定了这次开源的分量：

  1. 协议与权重。MIT 协议意味着任何商业场景均可自由使用、修改、再分发，无需付费。DeepSeek 在仓库中额外提供了 inference 文件夹和独立的编码模块，明确邀请社区构建推理支持——这是”零日部署将在数日内而非数周内落地”的标准信号。

  2. 多模态原生。模型原生处理图像与文本输入，并自回归生成文本，无需额外的视觉适配器。

  3. 可调控思考强度。reasoning_effort 支持 1–100 连续可调，在推理成本与准确率之间提供比离散档位更精细的权衡。

性能与定价：超越上代旗舰的价格曲线

DeepSeek 官方公布的基准测试中，V4.1-Flash（Base）表现亮眼：MMLU-Pro 74.1（超过 V4-Pro 的 73.5）、SuperGPQA 53.1、C-Eval 92.1。在推理侧，其 GPQA Diamond 达 90.9、Codeforces 评分 3471、Terminal-Bench 2.1 为 90.6、HLE with tools 63.9——多项指标逼近甚至超越上代旗舰 V4-Pro。

定价方面同样激进：

  • Flash 档（deepseek-flash）：缓存命中输入 $0.003/M（谷期）/ $0.006/M（峰期），未命中输入 $0.15/$0.30，输出 $0.60/$1.20。
  • Pro 档被”悄悄”降级：自北京时间 9月14日 12:00 起，所有 deepseek-v4-pro 请求将路由到 V4.1-Flash，并按 Flash 费率计费——输出成本下降约 70%，而能力按 DeepSeek 的说法反而提升。

这意味着如果你集成时硬编码了 Pro 模型名，代码无需任何改动，就能以约三分之一的价格获得一个更强的模型。真正的分水岭是 9月14日：建议按能力分层而非按模型名路由的集成方在这一天重新测试。

影响与未来展望

DeepSeek-V4.1-Flash 的意义远超一款新模型本身。它用 MIT 协议 + 全新 CED 架构 + 极致 KV Cache 压缩，把”长上下文 Agent 推理”的成本门槛又压低了一截。当激活参数低至每 token 8B、KV Cache 压到每 token 890 字节时，本地部署和边缘场景的可行性正在被重新定义。

而它”名不副实”的命名也留下一个悬念：V4.1-Pro 何时登场？在旗舰缺席的情况下，DeepSeek 选择让 Flash 先一步接管 Pro 的流量——这既是对自身能力的自信，也可能是一次精心设计的市场预热。对开发者而言，现在正是迁移到这套新架构、重新评估 Agent 推理成本的最佳窗口。