发布日期：2026-09-10 | 标签：DeepSeek V4.1 Flash、Causal Encoder-Decoder、KV Cache 压缩、MoE、大模型 API 定价、Agent 编程
DeepSeek V4.1 Flash 是 DeepSeek 于 2026 年 9 月 10 日发布并以 MIT 许可开源的多模态 MoE 模型，总参数 552B，采用全新的 Causal Encoder-Decoder（CED）非对称结构，输入阶段每 token 只激活 8B 参数、输出阶段激活 16B，支持 100 万 token 上下文并原生具备视觉理解能力。技术报告显示，它在 DeepSWE v1.1、Terminal-Bench 2.1、Automation-Bench 等 Agent 基准上超过 DeepSeek V4 Pro，部分项目高于 Opus 5 和 GPT-5.6 Sol；同时全局 KV Cache 压到每 token 890 字节，对 HBM 的需求降为上一代 V4 Flash 的 1/4，对 SSD 的需求降为 1/8。API 侧模型名统一为 deepseek-flash，高峰时段输出价 8 元每百万 token，闲时减半，并发上限 2500；V4 Pro 将于 9 月 14 日 12:00 起被路由到 V4.1 Flash 并按 Flash 单价计费。本文基于 DeepSeek 官方发布文、51 页技术报告、API 定价页和 Hugging Face 仓库，拆解 V4.1 Flash 的结构创新、基准表现、定价变化与接入方式，并说明它对国内多模型平台格局的影响。
DeepSeek V4.1 Flash 是什么
DeepSeek V4.1 Flash 是 DeepSeek "全新模型结构系列"中尺寸最小的一款，官方发布文用三个词概括：更强、更快、更普惠。它是一个 552B 参数的多模态 MoE 模型，原生支持图像理解，上下文 100 万 token，最大输出 384K，以 MIT 许可在 Hugging Face 开源。
官方对新结构系列的设计目标是四条：能力上限更高、推理速度更快、吞吐更大、可扩展到更大参数模型。技术报告的标题则直接点出核心工程主题：Pushing the Limits of KV Cache Compression（把 KV Cache 压缩推到极限）。
发布同日的关键事实：
- Hugging Face 仓库 deepseek-ai/DeepSeek-V4.1-Flash 于 2026 年 9 月 10 日 02:17（UTC）创建，含 51 页技术报告、prompt 编码参考和最小化 PyTorch 推理实现
- config.json 显示 40 层、384 个路由专家、每 token 激活 6 个、1 个共享专家，最大位置编码 1,048,576，专家权重为 FP4
- 腾讯 WorkBuddy、CodeBuddy 和 OpenCode 作为官方合作伙伴已全量接入
- Hacker News 上"DeepSeek launching v4.1 flash cheaper and more capable than v4 pro"一帖在 9 月 9 日获得 399 分
非对称结构：输入 8B、输出 16B 的 Causal Encoder-Decoder
CED 结构让模型在读输入和写输出时激活不同规模的参数，这是 V4.1 Flash 成本优势的第一来源。
传统 Decoder-only 模型对 prefill（读入提示词）和 decode（逐 token 生成）使用同一套参数量。DeepSeek 技术报告指出，长程 Agent 的普及让工作负载越来越"输入重"：一次任务里读入的工具输出、文件、历史对话远多于模型自己生成的内容，prefill 的计算开销和 KV Cache 的存储开销成为降本的主要瓶颈。
CED 的解法是把两阶段拆开：
阶段
每 token 激活参数
对应工作
Prefill（输入编码）
8B
读取提示词、工具返回、文档、图片
Decode（输出解码）
16B
生成推理链、代码、回复
官方发布文的表述是"输入和输出不对称，成本显著低于已知的同尺寸模型"。配合更大规模的强化学习后训练，V4.1 Flash 在基准上"成功超越了包括 DeepSeek V4 Pro 在内的一众旗舰模型"。
除 CED 外，技术报告列出的结构组件还包括：Compressed Sparse Attention 2（CSA2，含跨层 KV 与索引复用、分层稀疏索引器）、Single-Pass mHC、Engram n-gram 查表、DSpark 前向路径，以及 FP4 主 KV Cache。预训练语料为 45T token 多模态数据。
KV Cache 缩到 890 字节每 token：HBM 需求 1/4、SSD 需求 1/8
V4.1 Flash 的全局 KV Cache 为每 token 890 字节，约为 V4 Flash 的四分之一，相对初代 DeepSeek 模型缩小了 437 倍。
技术报告把 KV Cache 分为两类并分别优化：
- 全局 KV Cache（常驻 HBM）：通过 CSA2 的跨层复用加 FP4 量化，压到 890 字节每 token，约为 V4 Flash 的 1/4
- 持久 KV Cache（常驻 SSD 或主机内存）：通过名为 SWA Bounded Replay 的部署优化，降到 V4 Flash 的约 1/8
官方发布文解释了这为什么直接关系到账单："在 Agent 使用场景中，缓存命中的费用往往占比较高，对 KV Cache 的压缩大幅降低了 Agent 类任务的使用成本。"新定价中缓存命中输入价为 0.04 元每百万 token（高峰），是缓存未命中价的五十分之一，正是这一压缩的直接体现。
基准表现：Agent 任务全面超越 V4 Pro
技术报告表 3 给出 V4.1 Flash 与 Opus 5、GPT-5.6 Sol、Kimi K3、GLM-5.3、DeepSeek V4 Pro、V4 Flash 的对比，全部为 Max 推理档。节选如下：
三个值得注意的读法：
- Agent 编程是强项：DeepSWE v1.1 从 V4 Flash 的 54.4 跳到 74.2，超过 Opus 5 的 74.0；Terminal-Bench 2.1 的 90.6 是七个模型中最高
- 纯推理仍有差距：HLE 36.8 明显低于 Opus 5 的 56.3；Terminal-Bench 4.0 的 31.2 与 Opus 5 的 51.8 差距较大
- 跨框架稳定：报告表 4 在 Claude Code、Codex、OpenCode、Pi、mini-SWE、DeepSeek Harness 六个脚手架上测试，DeepSWE v1.1 得分在 65.5 到 74.2 之间，说明能力不绑定单一 harness
报告还公开了 reasoning effort 的量化影响：把 effort 从 25 提到 100，八项推理基准平均 Pass@1 从 67.1% 升到 76.3%，输出 token 增加约 2.5 倍；60 到 80 区间已恢复大部分精度但只用不到一半 token 预算。公开 API 提供 low / high / max 三档，分别对应 effort 50 / 75 / 100。
API 定价与模型路由变化
新价格自 2026 年 9 月 10 日 12:00 生效，闲时为高峰价的一半。
项目
deepseek-flash（V4.1 Flash）
deepseek-v4-pro（V4-Pro-0813）
输入·缓存命中
高峰 0.04 元 / 闲时 0.02 元
高峰 0.30 元 / 闲时 0.15 元
输入·缓存未命中
高峰 2 元 / 闲时 1 元
高峰 9 元 / 闲时 4.5 元
输出
高峰 8 元 / 闲时 4 元
高峰 27 元 / 闲时 13.5 元
上下文 / 最大输出
1M / 384K
1M / 384K
图像理解
支持
不支持
并发上限
2500
500
单位均为元每百万 token。高峰时段为北京时间周一至周五 9:00–12:00 和 14:00–18:00，其余均为闲时。
模型名与路由规则：
- 调用最新模型统一使用 deepseek-flash
- 旧名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 暂时路由到 V4.1 Flash，旧模型 V4 Flash 与 V4 Flash Vision Exp 已下线
- 北京时间 2026 年 9 月 14 日 12:00 起，deepseek-v4-pro 请求全部路由到 V4.1 Flash，按 Flash 单价计费，直到未来 V4.1 Pro 上线
官方给出的下线理由是："经多方测试，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro。"以输出价计，从 V4 Pro 迁到 V4.1 Flash 的成本约降为原来的 30%。
如何接入
DeepSeek API 同时提供 OpenAI 与 Anthropic 两种格式，把模型名改为 deepseek-flash 即可。
from openai import OpenAI
client = OpenAI(
base_url="https://api.deepseek.com",
api_key="YOUR_DEEPSEEK_API_KEY",
)
resp = client.chat.completions.create(
model="deepseek-flash",
messages=[{"role": "user", "content": "用一句话解释 Causal Encoder-Decoder 结构"}],
)
print(resp.choices[0].message.content)
Anthropic 格式的 base_url 为 api.deepseek.com/anthropic，可直接供 Claude Code 一类工具使用。
本地部署方面，官方仓库提供 inference/ 目录下的最小推理实现和权重转换脚本，并表示将"全力支持开源社区进行新模型的推理适配"；有 2k 卡 GPU 和存储集群的大规模部署需求可直接联系 DeepSeek。截至 9 月 10 日，Hugging Face 页面显示尚无第三方推理服务商托管该模型。
对国内多模型平台的影响
V4.1 Flash 的定价与路由变化会在数日内传导到各家模型广场，选型时需要关注三件事。
- 模型 ID 对齐：DeepSeek 官方已改用 deepseek-flash 这一不带版本号的名称，第三方平台通常沿用带日期或版本的 ID。以 9 月 10 日的抓取为例，七牛云 AI 大模型广场当前在线的是 DeepSeek-V4-Pro-0813、DeepSeek-V4-Flash-20260731 和 DeepSeek-V4-Flash-Vision-Exp，并同样区分缓存 / 非缓存与高峰 / 闲时四档单价，V4.1 Flash 何时上架需以平台公告为准
- V4 Pro 路由：9 月 14 日后官方接口的 deepseek-v4-pro 实际返回 V4.1 Flash，若业务依赖 V4 Pro 的特定行为，应在此之前完成回归测试
- 峰谷调度：闲时半价对批处理、离线评测、夜间 Agent 任务有直接意义，值得在任务调度层加入时段判断
常见问题
V4.1 Flash 和 V4 Flash 有什么区别？
结构上从 Decoder-only 换成 Causal Encoder-Decoder，输入激活降到 8B；KV Cache 缩到约 1/4；原生支持图像输入，不再需要单独的 Vision Exp 版本；DeepSWE v1.1 从 54.4 升到 74.2，Terminal-Bench 2.1 从 82.7 升到 90.6。
为什么 V4 Pro 会被 Flash 取代？
官方称多方测试显示 V4.1 Flash 在性能、费用、速度、总用时上全面超越 V4 Pro。技术报告表 3 中，V4.1 Flash 在 Agent 类基准上普遍高于 V4 Pro，纯推理基准（如 GPQA Diamond、HLE）略低。9 月 14 日 12:00 后 V4 Pro 请求将路由到 V4.1 Flash，直到 V4.1 Pro 上线。
552B 和 Hugging Face 显示的 485B 哪个对？
技术报告和官方发布文均为 552B backbone 参数。Hugging Face 页面的 485B 来自 Safetensors 元数据自动统计，受 FP8 / FP4 混合精度和多模态组件计数方式影响，以论文数字为准。
闲时价怎么算？
高峰时段为北京时间周一至周五 9:00–12:00、14:00–18:00，其余时间（含周末）为闲时，所有档位单价减半。计费按请求完成时刻所在时段判定，具体以 DeepSeek 定价页为准。
能在本地跑吗？
可以，MIT 许可，官方提供最小 PyTorch 推理实现。但 552B 总参数加 100 万上下文对显存与存储要求很高，官方对大规模部署的表述是"2k 卡 GPU、有存储集群"，个人设备不现实。
结语
DeepSeek V4.1 Flash 用非对称结构和 KV Cache 压缩把"更强"和"更便宜"同时做到，并用它替换掉了自家的旗舰 V4 Pro，这在近两年的模型迭代中并不常见。本文数据来自 DeepSeek 官方发布文、技术报告 DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression、DeepSeek API 定价页和 Hugging Face 仓库，均采集于 2026 年 9 月 10 日；价格与路由规则以官方页面实时信息为准。
