DeepSeek发布V4.1-Flash：552B MoE，输入仅激活 8B，KV缓存降至上代 1/4 HBM
DeepSeek上线新架构家族最小模型V4.1-Flash，采用因果编码器—解码器与非对称架构，输入 8B、输出 16B激活参数；官方称多项测试中其性能、成本、速度与总运行时间均超过V4-Pro，并将逐步停用V4-Pro。
AI解读：DeepSeek把新架构家族里最小的模型V4.1-Flash直接放上了API，模型名deepseek-flash，原生支持多模态。它的卖点不是堆参数，而是把“算得动”这件事拆开：总参数 552B的MoE，真正参与计算的输入侧只有 8B、输出侧 16B，官方称这种非对称架构可以做到更高智能、更低成本。
对经常跑agent的人来说，最实际的数字是缓存。官方说V4.1-Flash的KV缓存只需要上一代的四分之一HBM和八分之一SSD存储，而缓存命中费用在agent成本里占比往往不小，压缩缓存就意味着这部分账单会明显下降。API新价格从 2026 年 9 月 10 日 04:00 UTC生效，保留峰谷定价，非高峰费率为高峰的一半。
官方还放出一句很重的话：多方测试显示V4.1-Flash在性能、成本、速度和总运行时间上领先V4-Pro，并因此开始淘汰V4-Pro。从 2026 年 9 月 14 日 04:00 UTC起，所有deepseek-v4-pro请求会按V4.1-Flash的费率路由到V4.1-Flash，直到V4.1-Pro发布。原有V4-Flash与V4-Flash-Vision-Exp已退役，旧模型名暂时兼容转发。
目前的限制也来自官方口径：这些“领先”说法没有给出具体评测数字和第三方复现细节，实际效果仍取决于接入方自己的任务。模型权重已在Hugging Face公开，配套技术报告同步放出；WorkBuddy（含CodeBuddy）和OpenCode宣布完整支持。DeepSeek同时表示会和开源社区合作推进推理支持，并接洽 2000 GPU加存储集群的大规模部署需求。
DeepSeek发布DeepSeek-V4.1-Flash，并已上线DeepSeek API，调用时把模型设为deepseek-flash。官方称这是其新架构家族中参数规模最小的模型，原生支持多模态。
激活参数与架构：552B MoE，输入 8B、输出 16B
官方公告称，V4.1-Flash是一个 552B参数的MoE模型，采用新的因果编码器—解码器（Causal Encoder–Decoder）架构，以及“非对称架构”：输入侧仅激活 8B参数，输出侧激活 16B参数。
DeepSeek表示，新预训练方法加上更大规模的强化学习后训练，使V4.1-Flash的基准测试结果领先旗舰模型，包括DeepSeek-V4-Pro。
- 模型：552B参数MoE
- 架构：新因果编码器—解码器；输入 8B激活参数，输出 16B激活参数
- 训练：新预训练方法 + 更大规模RL后训练
- 官方称基准结果领先V4-Pro等旗舰模型
- 模型权重与论文已发布在Hugging Face
KV缓存：HBM降至上代 1/4，SSD降至 1/8
官方称相比上一代，V4.1-Flash的KV缓存只需要四分之一HBM和八分之一SSD存储。公告提到，缓存命中费用往往在agent成本中占很大比重，压缩缓存可以显著降低这部分成本。
定价与旧模型迁移
新定价于 2026 年 9 月 10 日 04:00 UTC生效。峰谷定价继续用于平衡需求，非高峰费率为高峰费率的 50%，官方建议把弹性工作负载安排到非高峰时段以节省费用。
V4-Flash和V4-Flash-Vision-Exp已退役。为兼容旧调用，deepseek-v4-flash和deepseek-v4-flash-vision-exp会暂时路由到V4.1-Flash。
官方称多方测试显示V4.1-Flash在性能、成本、速度和总运行时间上均领先V4-Pro，因此正在逐步淘汰V4-Pro。从 2026 年 9 月 14 日 04:00 UTC起，所有deepseek-v4-pro请求将按V4.1-Flash的费率路由至V4.1-Flash，直到V4.1-Pro发布。
- 新价格生效：2026-09-10 04:00 UTC
- 非高峰费率为高峰的 50%
- V4-Flash与V4-Flash-Vision-Exp退役，旧模型名暂时转发
- 2026-09-14 04:00 UTC起deepseek-v4-pro请求路由至V4.1-Flash，按V4.1-Flash费率计费
生态与部署
官方合作伙伴WorkBuddy（含CodeBuddy）和OpenCode已完整支持V4.1-Flash。DeepSeek表示将与开源社区合作推进V4.1-Flash的推理支持，并探索更多部署选项；对 2000 GPU加存储集群的大规模部署需求，官方邀请进一步沟通。