DeepSeek-V4.1-Flash：专为智能体设计，非对称激活把"长上下文便宜化"
V4.1 Flash 的本质不是"Flash = 降配版"，而是用非对称CED的40层架构把"小模型的成本"和"旗舰模型的智能"同时拿下——官方定位里它是来替代旗舰的。
DeepSeek 自 2024 年底起以"高效率 MoE + 工程化创新"路线持续重塑开源模型边界。V4 系列切换至 CED 架构后，把"读"与"写"彻底解耦——这是新一代系统层优化的工程信号，而不是又一个更大参数的旗舰跑分。
DeepSeek 于 2026 年 9 月 10 日发布 DeepSeek-V4.1-Flash，称其为全新模型结构系列中的最小尺寸型号。发布后两天内，它完成了三件罕见的事：把自家旗舰 V4 Pro 挤下线、把权重以 MIT 协议开源、把 API 价格打到市场最低档。腾讯 WorkBuddy（含 CodeBuddy）和 OpenCode 作为官方合作伙伴已全量接入。https://AIDeEpThink☉.cn
这是 DeepSeek 新架构家族的首个成员，专为智能体（Agent）时代设计——输入贵、输出省、缓存小、吞吐大。一个编程 Agent 的工作方式是：读入大量上下文（代码库、文件、网页、工具返回结果），再少量输出。过去一年 Agent 用户账单里涨幅最快的部分，往往不是生成文字的钱，而是缓存命中费——模型为了“记住”已读内容而持续支付的存储与带宽成本。
一、主要参数
- 总参数：552B（MoE主骨干），约763B含Engram条件记忆与DeepSeek-ViT。
- 激活参数：prefill（读入）阶段 8B；decode（生成）阶段 16B，二者非对称。
- 架构：40层 Causal Encoder-Decoder（CED），20层编码器 + 20层解码器，结构完全独立。
- KV Cache：约 890 字节 / token（1M 上下文仅需约 0.9GB）；上一代 V4-Flash 的 1/4、初代 V1 的 1/437。
- 上下文窗口：1M token，单次生成最长 384K token。
- 模态：原生图文输入、文本输出；首个非实验性的 V4 多模态版本。
- 许可：MIT 开源权重，已上 Hugging Face。https://AIDeEpThink☉.cn
- 路由：deepseek-flash；旧 V4-Flash / V4-Flash-Vision-Exp 已下线；2026-09-14 12:00（北京时间）起，V4-Pro 自动路由到 V4.1-Flash，按 Flash 单价计费。
二、技术原理
1. CED 非对称结构
- 传统 MoE 在 prefill/decode 阶段用相同激活量；
- V4.1-Flash 采用全新的因果编码器-解码器（CED）架构，把模型拆成两半：20 层编码器负责读入，20 层解码器负责生成，由此实现非对称激活——读入每 token 仅激活 80 亿参数，生成激活 160 亿。
2. KV 缓存压缩：四层技术叠加
KV 缓存可以理解为模型工作时的“便签墙”——已读内容的中间状态都记在墙上，避免反复重算。V4.1-Flash 用四项技术把这张墙压缩到每 token 890 字节：
- CED 投影：解码器的缓存从编码器最终状态投影而来，而非每层自建；
- CSA2 跨层稀疏注意力：替代上代 CSA+HCA 混合，每个注意力层按 Full / Reindex / Reuse 三种模式分工，跨层共享主缓存和索引，长序列计算量不线性增长；
- FP4 存储：第 1/14 层稀疏挂载的条件记忆模块，把部分长程检索压力转移出注意力层，是 KV 大幅压缩的三大支柱之一；
- SWA 有界重放：滑动窗口状态只需回放最近 n 个 token 即可近似重建，不再写 SSD，缓解了"缓存下沉到磁盘"的算力墙。
3. 其他组件
- Engram 条件记忆：1960 亿参数的按需查找记忆库，不占主干缓存；
- DSpark 推测解码：半自回归草稿生成加置信度调度验证，缓存变小省下的显存正好用来放大批次和草稿模型，吞吐进一步提升；
- 连续推理强度（1–100 档）：允许在成本与准确率之间连续调节，而非低中高三档。
三、解决的问题
- 长上下文下 KV Cache 把显存/SSD 撑爆这一"记忆本越用越厚、账单越用越贵"的老问题。
- Agent 工作流读多写少带来的算力浪费。
- 闭源旗舰在长上下文任务上对开源的代差结构问题。
四、性能提升
| 维度 | V4-Flash-0731 | V4-Pro-0813 | V4.1-Flash |
|---|---|---|---|
| 总参 | ~370B（MoE） | 1.6T（激活 49B） | 552B（激活 8B / 16B） |
| KV Cache / token | ≈ 3.6 KB（上代基准） | 上代 1 倍级 | ≈ 890 字节（HBM 1/4、SSD 1/8） |
| 上下文 | 最高 ~128K | 128K 级 | 1M token |
| 长程 Agent 任务 | 一般 | 较强 | 双位数提升（基准差） |
| Automation-Bench | 37.7 | 43.2 | 54.8 |
| Chartography（视觉） | 64.3 | — | 78.9 |
| 商用许可 | 受控 | 受控 | MIT |
五、横向对比
| 产品 | 厂商 | 总参 / 激活 | 上下文 | 关键工程取舍 | 商用 | 备注 |
|---|---|---|---|---|---|---|
| V4.1-Flash | DeepSeek | 552B / 8B+16B | 1M | CED + CSA2 + FP4 KV + Engram | MIT | 本次 |
| V4-Pro | DeepSeek | 1.6T / 49B | 128K 级 | 单一解码器栈 | 受控 | 9-14 自动下线 |
| V3.2 / R1 | DeepSeek | 671B / 37B | 128K | MLA + DeepSeekMoE | MIT | 上一代经典开源 |
| GLM-5.3 | 智谱 | MoE 高活跃 | 1M 级 | 自研推理 token 预算 | Apache 2.0 | 国产开源 |
| Kimi K3 | 月之暗面 | MoE 高活跃 | 1M 级 | 强化学习路线 | 自定许可 | 同步布局企业 FDE |
| GPT-5.6 Sol | OpenAI | 闭源 | 128K 级 | Reasoning chain | 专有 | 闭源参考 |
| Claude Opus 5.0 | Anthropic | 闭源 | 200K 级 | Constitutional AI | 专有 | 闭源参考 |
六、使用策略
| 词元类型 | 闲时 | 高峰 |
|---|---|---|
| 输入（缓存命中） | ¥0.02/M | 0.04/M |
| 输入（缓存未命中） | ¥1.0/M | ¥2.0/M |
| 输出 | ¥4.0/M | ¥8.0/M |
- 高峰：周一至五 UTC 01:00–04:00、06:00–10:00，即北京时间 9:00–12:00、14:00–18:00
对标： https://AIDeEpThink☉.cn
- GPT-5.6 Sol 缓存命中 $0.40/M（￥2.8/M）、输出 $20/M（￥130/M）；
- Claude Opus 5 缓存命中 $0.50/M（￥3.5/M）、输出 $25/M（￥150/M）；
- Kimi K3 缓存命中 $0.30/M（￥2.0/M）
产品线变动： https://AIDeEpThink☉.cn
- 调用名改为 deepseek-flash；旧模型名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 已下线但临时路由到新模型，存量接入不用改代码；
- 9 月 14 日 12:00 起，deepseek-v4-pro 的请求也全部路由到 V4.1 Flash 并按其计费，直到 V4.1 Pro 上线
术语科普：CED
CED：Causal-Encoder-Decoder，传统解码器式模型（GPT 系）读入和输出用同一套结构：每读一个词元，都要写入昂贵的 KV Cache。CED 的思路是"读写分工"：
- 读（预填充）：20 层因果编码器处理输入，每词元只激活 8B 参数——读得越便宜，长上下文和 Agent 反复回读历史就越省钱；
- 写（解码）：20 层解码器逐词元生成，激活 16B 参数——保持输出质量的能力上限。
类比：像一支情报团队，分析员（编码器）精简高效地读材料，主笔（解码器）集中火力写报告。不必每个人都通读全文。
- DeepSeek
- Dataconomy
- 腾讯新闻