9月8日，DeepSeek在官方交流群放出V4.1 Flash中间版本内测，模型名直接写着deepseek-v4.1-flash-expires-on-0910，只开放两天。
9月9日，DeepSeek又宣布下调Flash系列API价格，并明确在V4.1 Pro发布前，所有V4 Pro请求将自动路由至V4.1 Flash，按Flash价格计费。梁神回归不是假的！DeepSeek V4.1 Flash明天先行上线，Pro后续登场。
9月10日，V4.1 Flash正式上线刚刚，DeepSeek V4.1 Flash上线！Harness新版同步启动试用，模型权重与技术报告同步公开。
随着技术报告公开，这个模型的真正看点也逐渐清晰：552B参数，却已经把能力推到了顶级开源模型的竞争区间
它的开篇逻辑是：长周期智能体让模型的负载越来越输入密集型，稀疏注意力已经把长序列的计算成本降下来了，但 prefill 依然昂贵，庞大的 KV Cache 持续压迫 HBM 与 SSD 的容量和数据传输带宽。
计算、存储、带宽三者叠加，构成了部署成本继续下探的主要障碍。
于是 V4.1-Flash 的全部架构改动，几乎都围绕这一个目标展开。
01
CED：让552B的模型
在prefill时只激活 8B
V4.1-Flash 是一个多模态 MoE 模型，语言主干共 40 层，被切成 20 层 causal encoder 加 20 层 decoder。
整体有 552B 主干参数，另加 196B Engram 参数，支持最长 100 万 token 的上下文。
关键在激活量的不对称：每 token 在 prefill 阶段只激活 8B 参数，decode 阶段激活 16B。
支撑这一点的是核心设计 CED（Causal Encoder-Decoder）：
用 encoder 的输出直接构造 decoder 的全局 KV Cache，让大部分 prompt token 绕开完整的 decoder 计算，同时保留层内的滑动窗口注意力，报告称这几乎把 prefill 的计算量减半。
与它配合的 CSA2 在层与层之间共享全局 KV、复用稀疏选择结果，decoder 中还设了一层"层次稀疏索引器"，让后续索引器只在前一层已选出的候选池里打分。
其余改动集中在效率与部署侧：
（1）mHC 升级为 Single-Pass mHC，配套的 Mega-mHC 部署内核把激活内存流量相对原四内核实现减半；
（2）引入 Engram 条件记忆与 DSpark 推测解码；
（3）主 KV Cache 采用 FP4；
（4）部署侧加上 SWA Bounded Replay，只重放最近的 n_win 个 token 来近似重建 SWA KV 状态。
这些改动叠加之后的效果是单 token 的 Decode FLOPs 在不同上下文长度下几乎保持恒定。
02
预训练：45T token，
稀疏注意力从零训起
V4.1-Flash 的预训练语料是 45T token 的多模态数据集。
稀疏注意力是从零开始、在 64K 序列长度上直接训练的，没有任何 dense attention 的热身阶段，视觉从零训、与语言一起进语料，旧的 Flash Vision-Exp 外挂路线被收掉。
Base 模型的对比相当有信息量。
V4.1-Flash-Base 只用约 1/3 的总参数、1/4 的激活参数，就在世界知识、推理和编程上取得了与 V4-Pro-Base 相当的水平，并在部分留出评测上提升 5%–10%。
03
后训练没有新算法，
报告在后训练章节的开头，主动做了一个限定，本环节不引入算法创新。
流程沿用监督微调、强化学习、在策略蒸馏，与 V4 开发时的成熟做法没有区别。
所有实质变化都发生在数据管线里：大规模自动化的数据合成与环境构建，以及在 RL 中持续放大的数据、任务与 rollout 规模。
支撑这一规模的是 DSec（DeepSeek Elastic Compute），一个面向大规模智能体训练与评测的生产级沙箱平台。
报告提到，V4.1 的训练把需求推高到了数百万并发沙箱实例，瓶颈随之转向数据中心可扩展性、工作负载隔离、单节点算力密度，以及对越来越强的智能体越界行为的约束。
另一个设计是可控制的推理强度（Controllable Reasoning Effort）：
模型在训练时接受一个 1–100 的标量 effort 作为显式条件信号，写进系统提示词，让同一个 checkpoint 能在不同的成本—质量区间之间滑动。
04
Agent 追平前沿，
长上下文仍有短板
05
Flash只是开始，
V4.1 Pro或许才是下一张牌
V4.1 Flash更像是DeepSeek对下一阶段Agent模型的一次系统级试验。
552B参数只是表面，真正的核心是围绕KV Cache、Prefill和长上下文推理持续压缩成本。
CED、CSA2、FP4 KV Cache以及SWA Bounded Replay等设计，把模型能力和部署效率放到了同一个优化目标里。
它目前在Agent、代码等任务上已经进入开源模型第一梯队，但长上下文和部分复杂推理仍有短板。
对DeepSeek来说，V4.1 Flash更像一个起点，后面的V4.1 Pro以及下一代模型，或许才会真正体现这套技术路线的上限。
END
关注+星标，获取AI前沿进展与开源一线动态