DeepSeek V4.1 Flash 正式上线：小尺寸反超旗舰，定价大幅下调
智东西 9 月 10 日报道，DeepSeek 正式发布全新模型 DeepSeek V4.1 Flash。该模型采用创新架构，作为参数量 552B 的 MoE 模型，是其系列中尺寸最小的成员，但在性能上已超越包括 DeepSeek V4 Pro 在内的多款旗舰模型。
模型开源地址：
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
论文链接：
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf
与此同时，DeepSeek App 已完成升级，整合快速、专家及识图模式并上线新模型，网页端亦同步更新。
01. 性能全面超越旗舰，定价显著下调
得益于架构创新，DeepSeek V4.1 Flash 在保留峰谷定价机制的基础上大幅下调价格，闲时资费仅为高峰时段的一半。新定价自 2026 年 9 月 10 日 12:00 起生效：
- 闲时价格：输入（缓存命中）0.02 元、未命中 1.0 元；输出 4.0 元。
- 高峰价格：输入（缓存命中）0.04 元、未命中 2.0 元；输出 8.0 元。
▲DeepSeek V4.1 Flash 定价表（图源：DeepSeek）
技术层面，该模型具备原生多模态视觉理解能力，采用全新的 Causal-Encoder-Decoder 架构。其输入输出不对称设计（输入激活 8B，输出激活 16B）显著降低了成本。在 Agentic Benchmark 等测试中，凭借新的预训练方式及大规模强化学习，V4.1 Flash 的表现优于 DeepSeek V4 Pro、GLM5.3 及 Kimi-K3 等前沿旗舰模型。
▲DeepSeek-V4.1-Flash 与主流前沿模型在 Agentic Benchmark 上的性能对比（图源：DeepSeek）
官方表示，新架构旨在实现更高的能力上限、更快的推理速度及更大的吞吐量，并具备向更大参数规模扩展的潜力。
02. 缓存大幅压缩，V4 Pro 即将退场
V4.1 Flash 在 KV Cache 缓存效率上实现质的飞跃。相比 V4 Flash，其对 HBM 需求降至 1/4，对 SSD 需求降至 1/8。官方数据显示，初代 DeepSeek V1 的 KV Cache 用量竟是 V4.1 Flash 的 437 倍。
▲DeepSeek 在减少上下文存储方面的持续进展（图源：DeepSeek）
这一突破源于架构、缓存精度与部署策略的协同优化：
- 架构优化：采用 CSA2（压缩稀疏注意力 2）机制，跨层复用全局 KV 缓存和 Top-K 索引，仅保留各层查询向量与局部注意力缓存，大幅削减重复存储。
- 精度提升：训练阶段直接采用 FP4 格式存储全局 KV 缓存，性能损耗微乎其微。
- 部署策略：新增 SWA 有界重放机制，仅需重放最近 n 个 token 即可重建滑动窗口注意力状态，无需将 SWA 缓存写入 SSD，进一步压缩持久化缓存占用。
上述设计使上下文长度从 4K 扩展至 1M，而单 token 解码 FLOPs 仅增加约 25%，解码成本几乎不随上下文长度增长。这对长上下文、多轮调用的 Agent 工作流尤为利好，显著降低了使用成本。
▲DeepSeek-V4.1-Flash 上下文长度和前代模型对比（图源：DeepSeek）
目前，V4.1 Flash 已上线 DeepSeek API。旧版本 V4 Flash 与 V4 Flash Vision Exp 正式下线，原模型名称将自动路由至新版本。鉴于 V4.1 Flash 各项指标全面超越 V4 Pro，官方宣布将于 9 月 14 日 12:00 有序下线 V4 Pro，所有相关请求将路由至新模型并按新单价计费。
▲DeepSeek 模型调整公告（图源：DeepSeek）
03. 全力支持开源，生态伙伴全量接入
DeepSeek 宣布全力支持开源社区进行新模型推理适配，并为具备大规模部署资源（如 2000 卡 GPU 集群）的用户提供联系渠道。
同步上线的 DeepSeek Harness v0.1.5 版本针对 V4.1 Flash 进行了专项优化，支持在保留现有 KV Cache 的情况下更新系统提示词。
生态合作方面，腾讯系产品（WorkBuddy、CodeBuddy 等）及 OpenCode 已全量接入新模型。其中，OpenCode Go 套餐提供 4 倍使用额度，WorkBuddy 推出限时两周独家优惠。腾讯云 TokenHub、ima、Marvis 等平台也同步完成接入。
▲OpenCode 模型使用额度表（图源：OpenCode）
同期开源的还有 DeepJIT，这是一个轻量级 xPU 内核 JIT 编译库，同时支持 NVIDIA CUDA GPU 和华为昇腾 NPU，为推理侧提供统一接口及跨节点共享缓存能力。
04. 结语：最小模型反超旗舰，推理成本持续下降
DeepSeek V4.1 Flash 通过全新架构压低成本的同時，利用大规模强化学习提升智能水平，以最小尺寸实现了对旗舰模型的全面超越。对于高频使用 Agent 的用户而言，缓存压缩与价格下调的双重红利将带来更显著的成本节约。
随着 V4 Pro 的有序下线，DeepSeek 产品线正围绕新架构重新排序。官方透露新架构可扩展至更大参数模型，未来更高性价比的旗舰模型值得期待。
