9 月 10 日，DeepSeek V4.1 Flash 正式开源。该 552B 新模型引入全新的CED（Causal Encoder-Decoder）架构：Prefill 阶段每 token 仅激活 8B 参数，Decode 阶段激活 16B，KV Cache 大幅缩减，显著降低了 Agent 任务的部署成本。
此前内测版本已展现原生多模态、推理提速及空间感知升级等特性。本次测评聚焦真实任务落地能力：从网页还原、数据看板、规则模拟到 3D 交互及视频生成，验证多模态理解与执行效率的同步兑现情况。
组织层面信号明确：DeepSeek 同期 release 约 150 个工程岗位，全数投向服务端与 Agent 弹性计算，无研究岗；Harness 同步更新至 v0.1.5 以适配迭代。模型与工具链的双重加码，标志着竞争重心正转向交付链路。
原生多模态升级：推理提速，空间感知超预期
继 8 月推出支持 API 图片输入的 V4-Flash-Vision-Exp 后，V4.1 Flash 实现了原生多模态支持，进一步强化视觉与空间感知能力。
官方数据显示，V4.1 Flash 在四项 Agent 基准测试中全面领先 Kimi-K3：Terminal-Bench 3.0（30.0 vs 17.7）、DeepSWE v1.1（74.2 vs 67.5）、CyberGym（88.1 vs 80.0）及 Automation-Bench（54.8 vs 46.7）。尽管与顶尖闭源模型仍有差距，但其在视觉推理、专业图表解读及“看图自检”流程上已实现闭环。
在视频重建 3D 房间任务中，对比 Astra，DeepSeek V4.1 Flash 虽存在细节缺失、空间排布不够精准及穿模等遗留问题，且因截图信息不全导致部分丢失，但整体表现已大幅超出预期。
DeepSeek V4.1 Flash 空间感知效果（图源：测试用户 Subly7）
Astra 空间感知效果（图源：测试用户 Subly7）
未来竞争将延伸至 Blender、Web 3D、工业 CAD 及渲染自检等三维软件实操领域。速度方面，社区实测平均解码速度约为 350 tokens/s。
NVIDIA 开发者论坛转帖：平均解码速度约为 350 tokens/s
推理速度的提升源于Prefill、长上下文 Decode、投机解码及底层执行全链路的开销压缩。
首先，引入Causal Encoder-Decoder（CED）架构，将 40 层网络拆分为 20 层编码器与 20 层解码器。处理长 Prompt 时，输入 Token 仅需经过前半部分 Encoder，Decoder 所需的 Global KV 由 Encoder 末层隐藏状态逐层投影生成，避免了全量 Token 重复计算。
配合Decoder SWA Bounded Replay技术，长序列 Prefill 复杂度从 O(NL) 降至近似 O(NL/2)，输入侧计算量减半。
生成阶段采用Compressed Sparse Attention 2（CSA2）降低长上下文 KV 及索引成本：注意力层分为 Full、Reindex 和 Reuse 三种模式。仅 Full 层完整生成 Global KV 并执行 Top-K 检索；Reindex 层复用前层 Main KV 并重选 Top-K；Reuse 层则直接复用结果，省去索引计算。
此外，Hierarchical Sparse Indexer使首层 Indexer 筛选出候选池，后续层仅在固定集合内重选 Top-K，确保百万 Token 级别下 indexing 成本不随长度线性增长。
为提升出词速度，模型集成DSpark Speculative Decoding：轻量 Drafter（3 个 Transformer Block）并行预测 5 个候选位置，结合 Confidence Head 估计接受概率，动态选择验证长度，最大化主模型验证吞吐。
综上，V4.1 Flash 通过CED 减半 Prefill 计算、CSA2 控制长上下文 Decode 成本、DSpark 提升生成吞吐，实现了三项关键加速。
底层优化方面，结合Single-Pass mHC与Mega-mHC Kernel，打破数据依赖以融合残差更新等操作，Activation Memory Traffic 减半；Main KV Cache 压缩至FP4，减少 HBM 与 SSD 搬运量；通过 Kernel Fusion 将 CSA2 Reuse 层压缩至 Prefill 约 15 个 Kernel、Decode 约 11 个 Kernel，进一步降低延迟并提升吞吐量。
扩招 150 名工程师，模型深度集成 Harness
9 月 8 日内测开启同日，DeepSeek 发布约 150 个工程师招聘需求，仅设服务端开发与 Agent 弹性计算两类，面向 2-10 年经验资深后端，无 AI 研究岗。
此次招聘重点明确：服务端覆盖研究平台、Agent 框架、API 及数据工程；弹性计算对应 DSec（DeepSeek Elastic Compute），系统栈改造贯穿操作系统至应用层调度。团队负责人崔添翼指出，数据量、训练任务及用户请求激增，亟需升级维护原有后端甚至重写模块。
此举释放清晰信号：模型侧聚焦多模态与效率，组织侧保障请求稳定与环境调度。研究岗的缺席表明，当前瓶颈已从单纯模型研发转向工程化落地与 GPU 效率提升。
9 月 10 日，DeepSeek Harness 更新至 v0.1.5，与 V4.1 Flash 深度绑定。新版支持标准模式、程序化工具调用及极简模式下的专项优化，修改系统提示词可保留 KV Cache。功能上支持父子 Agent 双向通信、消息排队与中断、Web 端文件上传预览，并开放实验性 Agent Teams 插件。
这表明 DeepSeek 正交付“模型+Harness"的整体解决方案，150 个工程岗位的落点正是强化这一层交付能力。
五维评测：初版生成快，收尾优化慢
测评沿用 ZPedia 标准：模型独立完成代码编写、运行及自检，记录卡点、返工轮次及人工介入情况。五道考题涵盖网页还原、数据处理、规则模拟、3D 交互及视频生成。
Case 1：NASA 网页截图还原
任务要求基于 NASA「Webb Images」截图生成单文件 HTML。模型准确捕捉了双层导航、标题介绍、分类入口及底部星系图等核心结构，配色与分区还原度高。
主要差距在于比例控制：字号偏小、内容区域过窄、留白过多且底部图片高度异常。虽元素齐全，但整体布局显得紧凑粗糙，缺乏原图的舒展感。
Case 2：运营数据驾驶舱
基于 7 天 4 模型数据构建离线驾驶舱。核心指标（请求量、成功率、成本等）读数准确，成本模拟验算无误。页面包含总览、图表、异常事件及明细，业务信息完整。
驾驶舱总览：五项核心指标及四类图表
驾驶舱下半屏：异常事件与成本模拟器
体验短板在于信息密度：明细表字体过密，部分图例在深色背景下辨识度低，追踪具体数据较为困难。
Case 3：12 人规则撤离沙盘
模拟建筑疏散场景，实时计算寻路、烟雾及排队。模型清晰呈现了人员移动、烟雾扩散及统计更新过程。最终 11 人撤离，1 人受困，逻辑符合预期。
疏散沙盘运行展示
亮点在于对规则变化的解释能力：左侧展示空间关系，右侧呈现统计数据，辅以事件日志，清晰说明了关门对疏散结果的影响。
Case 4：3D 可玩魔方
利用原生 Web 技术制作支持打乱、转动及复原的 3D 魔方。操作区布局合理，中央展示主体，两侧分列控制与状态信息，历史记录清晰。
魔方训练器初始界面
视觉上色块反差鲜明，但初始视角偏低，顶面几乎不可见，三维结构展示不够充分，需调整视角以获得更直观的空间感。
Case 5：15 秒异常数据复盘短片
依据数据生成 15 秒 1080p MP4 短片。视频完整呈现品牌片头、两次异常、恢复数据及片尾，数字变化方向准确，颜色区分清晰。
生成的 15 秒异常复盘短片
瑕疵集中在恢复页：图例与横轴小字出现方框乱码，影响了画面的精致度，但主体信息传达无误。
综合来看，模型在功能实现与数据准确性上表现优异，差距主要集中在比例、密度、视角及字体等收尾细节，需人工逐项校对。
耗时分布印证了这一判断：初版生成仅需约 15 分钟，但自检与返工耗时超过 45 分钟。生成环节占比极小，大部分时间耗费在反复修正上。模型适合快速验证想法，但在成品交付的推理效率上仍有提升空间。
V4.1 Flash 通过 CED 架构降低成本，凭借原生多模态拓展任务边界，依托 Harness 补齐工具链，形成了一套完整的组合方案。下一步的关键，在于能否将收尾工作纳入自检闭环，真正将成本优势转化为稳定的交付能力。
来源：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf
