DeepSeek V4.1 Flash 正式发布：Flash 反超 Pro，非对称架构重新定义性价比

9 月 10 日，DeepSeek 正式发布 V4.1 Flash 模型。这不是一次常规的小版本迭代——官方直接宣布，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越自家旗舰 V4 Pro，并计划有序下线 V4 Pro。

一个 Flash 级别的模型，居然干掉了 Pro，这在大模型行业还是头一回。

非对称架构：输入 8B，输出 16B

DeepSeek V4.1 Flash 最核心的变化，是采用了全新的 Causal-Encoder-Decoder（CED）非对称架构。

传统的大语言模型，无论是 dense 还是 MoE，输入和输出走的都是同一套计算路径。而 CED 架构把模型拆成了两部分：

• Causal Encoder（因果编码器）：处理输入文本，激活参数只有 8B

• Decoder（解码器）：生成输出文本，激活参数 16B

总参数规模达到 552B 的 MoE，另有 196B Engram 参数，支持最长 100 万 token 上下文。但实际运行时，输入阶段只激活 8B，输出阶段激活 16B，计算成本显著低于同尺寸的传统 MoE 模型。

这种设计抓住了一个朴素的事实：大多数场景下，输入 token 远多于输出 token。既然输入是"读"的过程，就不需要全量计算；输出是"写"的过程，才需要更强的生成能力。非对称架构正好匹配了这种不对称的使用模式。

KV Cache 暴降 437 倍，Agent 场景成本大幅下降

如果说非对称架构省的是计算，那 KV Cache 的优化省的就是显存和存储——而后者在长上下文和 Agent 场景中，往往是更大的成本项。

V4.1 Flash 在 KV Cache 压缩上做到了新的高度：

• HBM 需求降至上一代的 1/4

• SSD 需求降至上一代的 1/8

• 相对于 DeepSeek 初代模型，KV Cache 已经缩小了 437 倍

这对 Agent 类应用意味着什么？在多轮对话、工具调用、RAG 知识库等场景中，上下文会越积越长，缓存命中的输入 token 占比很高。KV Cache 越小，缓存命中的成本就越低，整体推理成本就能再下一个台阶。

结合非对称架构和 KV Cache 优化，V4.1 Flash 打出了一套"计算省 + 缓存省"的组合拳，这也是它能以 Flash 之名超越 Pro 的关键所在。

性能：Agent 能力追平甚至超越旗舰

DeepSeek 官方公布的基准测试数据显示，V4.1 Flash 在多项 Agent 相关基准上的表现已经追上甚至超越了当前的旗舰模型：

可以看到，在 Terminal-Bench 和 DeepSWE 这两个最能反映 Agent 编程能力的基准上，V4.1 Flash 已经超过了 Opus 5.0 和 GPT-5.6 Sol，也大幅领先上一代 V4 Flash。

生成速度方面，内测数据显示 V4.1 Flash 约达每秒 284 个 token，比 V4 的约 97 个 token 提速近两倍。

性能追上旗舰，速度更快，成本更低——这就是 Flash 反超 Pro 的底气。

多模态原生支持，百万级上下文

V4.1 Flash 原生支持多模态视觉理解，不再像上一代那样需要单独的 Vision 版本。这也是新架构带来的额外红利：CED 结构天然适配多模态输入。

上下文窗口方面，V4.1 Flash 支持最长 100 万 token，延续了 DeepSeek V4 系列的长上下文能力。

向量云即将上线火山方舟 DeepSeek V4.1 Flash

好消息是，向量云即将在火山方舟平台上线 DeepSeek V4.1 Flash 模型服务。

作为火山方舟官方授权的 Token 服务提供商，向量云将第一时间为用户带来 V4.1 Flash 的接入能力。用户可以通过火山方舟官方 API 直接调用这款最新模型，享受新架构带来的性能提升和成本优势。https://ark.tokenrize.cn/

为什么选择通过向量云使用火山方舟的模型服务？

• 官方 API，稳定可靠：火山方舟官方真实 API Key，直达官方接口，不经中转，性能和安全有保障

• 企业级 RPM/TPM 保障：独享接入点资源，高峰期不排队、不限流，企业级使用有保障

• 缓存隔离，命中率更高：独立接入点，缓存数据与其他用户隔离，缓存命中率更高，进一步降低推理成本

• 多模型通用：一把 Key 可调用火山方舟平台上的多款模型，灵活切换，按需使用

• 按量计费，扣完即止：预充值模式，用多少扣多少，余额用完自动停止，零欠费风险

V4.1 Flash 本身在架构层面已经把成本压到了很低的水平，再加上向量云独享接入点的缓存优势，实际使用成本还能再降一截。对于重度使用 Agent、编程辅助、RAG 等场景的用户来说，这是一个值得关注的组合。https://ark.tokenrize.cn/

写在最后

DeepSeek V4.1 Flash 的发布，标志着大模型架构正在发生一次微妙但重要的转向。传统的"参数越大越强"的线性思维正在被更精巧的架构设计所补充——非对称的输入输出、极致的缓存压缩、更高效的 MoE 路由，这些"软实力"正在成为决定模型性价比的关键因素。

Flash 超越 Pro，听起来像是一个营销噱头，但背后是扎扎实实的技术创新。当一个 Flash 级别的模型既能打又便宜，Pro 的位置就变得尴尬了。这对用户来说是好事：用更低的成本，拿到更强的能力。

向量云将持续跟进火山方舟平台的模型更新，第一时间为用户带来最新、最具性价比的模型服务。关注我们，获取 V4.1 Flash 上线的最新动态。https://ark.tokenrize.cn/

向量云 — 火山方舟官方授权 Token 服务提供商，专注为企业和开发者提供高性能、高可靠的大模型 API 服务。