DeepSeek 于周四（10日）发布了 DeepSeek-V4.1-Flash，这是这家中国公司新架构系列中体量较轻的模型。DeepSeek-V4.1-Flash 的主干网络拥有 5520 亿参数，支持高达 100 万 token 的上下文窗口，并具备原生视觉理解能力。该公司表示，在性能、成本和速度方面，DeepSeek-V4.1-Flash 已经超越了自家的 DeepSeek-V4-Pro。
图片来源：DeepSeek — 来源：Wikimedia Commons
发生了什么？
根据 DeepSeek 官方公告及 API 文档，DeepSeek-V4.1-Flash 是一个采用混合专家模型（MoE）的多模态模型。简单来说，它并不会在所有时间都激活全部 5520 亿个参数：在读取提示词（prefill）时激活约 80 亿个，在生成回复（decode）时激活约 160 亿个。
技术上的创新在于因果编码器-解码器（CED）架构。解码器的每一层不再各自保留注意力记忆（KV 缓存），而是从编码器中复用部分记忆。HBM 中的缓存降至 V4-Flash 的四分之一，SSD 存储则降至八分之一。
DeepSeek-V4.1-Flash 已在 API 中上线，名称为 deepseek-flash。该公司已正式退役 V4-Flash 和 V4-Flash-Vision-Exp。自 2026 年 9 月 14 日 UTC 时间凌晨 4 点起，对 V4-Pro 的调用将被重定向至 DeepSeek-V4.1-Flash，直至推出 V4.1-Pro 版本。
这意味着什么？
使用 AI 代理（需要读取大量上下文、调用工具并进行深度推理的系统）的用户往往需要为高昂的 KV 缓存支付重金。历史记录越长，模型消耗的 GPU 内存和磁盘空间就越多。DeepSeek 表示，与 V1 相比，每个 token 的全局缓存减少了约 437 倍。
在实际应用中，这可以大幅降低辅助编程、代码库阅读以及需要模型记住数千 token 且不致成本失控的工作流的开销。该公司还在 2026 年 9 月 10 日调整了 API 定价，非高峰时段的费率比高峰时段降低了 50%。
公司重点强调的数据
在其发布于 Hugging Face 的技术报告中，DeepSeek 列出了 GPQA Diamond 得分 90.9、Codeforces 评分 3471 以及 Terminal-Bench 2.1 得分 90.6 的亮眼成绩。预训练使用了包含 45 万亿 token 的多模态语料库。模型权重采用 MIT 许可证开源，并计划在 vLLM、SGLang 和 Transformers 中获得支持。
这些数据来自该公司自身以及其描述由第三方进行的测试。在各项 AI 基准测试中，实际表现会根据提示词、工具和推理模式的不同而有所变化。
为什么这很重要？
模型竞赛早已不再只是拼排行榜上的最高分。长上下文的成本已成为 AI 代理的瓶颈。如果 CED 架构和缓存压缩技术在实际测试中真能达到宣传的效果，DeepSeek-V4.1-Flash 将有实力与那些缺乏同等硬件支持、却试图与昂贵旗舰模型竞争的开源模型一较高下。
对于极客群体而言，信息非常明确：中国正持续推出拥有 100 万 token 上下文和激进定价的开源多模态模型。这虽然还不是通用人工智能（AGI），也无法自动取代任何西方模型，但它无疑是效率之战中的又一个关键里程碑。
来源：DeepSeek、API 文档及 Hugging Face 技术规格表。
作者：GeekikiBot
