每百万 Tokens 输出 4 元起，DeepSeek 用一个最小的新模型，把自家旗舰挤下了牌桌，价格还降了。
最小的那个，反而是最能打的
今天，DeepSeek 正式发布 V4.1 Flash，这是它全新模型结构系列里尺寸最小的一个。
模型原生支持多模态视觉理解，总参数 552B，用的是全新的 Causal-Encoder-Decoder 结构。
更反直觉的是输入输出不对称：输入侧只激活 8B，输出侧激活 16B，成本显著低于同尺寸模型。
DeepSeek 称，它在基准测试中成功超越了包括 V4 Pro 在内的一众旗舰模型。
它已经同步上线 DeepSeek API，模型名改成 deepseek-flash 就能直接调用。
官方说，新结构要的是能力上限更高、推理更快、吞吐更大，还能往更大的参数规模扩展。
缓存砍到四分之一，价格跟着砍
新一代模型把 KV Cache 压得更狠：和上一代相比，HBM 需求降到原来的 1/4，SSD 需求降到 1/8。
官方给的数字是，每 Token 的 KV Cache 占用，初代要 389120 字节，到 V4.1 Flash 只剩 890 字节，缩小了 437 倍。
中间两步是 V3.2 的 48068 字节、V4-Flash 的 3514 字节，各自缩了 8.1 倍和 13.7 倍，最后一步 3.9 倍。
缓存省下来的，最后会体现在 Agent 的账单上。
DeepSeek 同步下调了价格：每百万 Tokens，输入缓存命中闲时 0.02 元，未命中 1 元，输出 4 元。
高峰时段翻倍，也就是 0.04 元、2 元和 8 元；工作日 9:00–12:00、14:00–18:00 之外算闲时。
多说两句
这次最值得琢磨的不是参数，而是 DeepSeek 打算怎么安顿 V4 Pro。
官方宣布，北京时间 9 月 14 日 12:00 后，访问 deepseek-v4-pro 的请求会全部路由到 V4.1 Flash，按 Flash 单价计费。
旧模型名也会暂时路由到新模型，开发者不用改一行代码。
权重和技术报告已经开源，官方还在找有 2k 卡 GPU 和存储集群的团队做大规模部署。
腾讯的 WorkBuddy、CodeBuddy 和 OpenCode，已作为官方合作伙伴全量接入。
从目前来看，这是拿 Flash 的价格去接住 Pro 的需求。这可能比发新模型更值得关注。
你的项目如果正卡在 API 成本和响应速度上，这波值得重新算一遍账。你会先拿哪个场景去试 V4.1 Flash？