2026 年 9 月的 DeepSeek V4.1 Flash 是什么
2026 年 9 月 10 日，DeepSeek 发布 DeepSeek-V4.1-Flash，并在同一份公告里做了三件通常会被厂商分摊到一个季度的事：替换两个模型、下调价格、宣布停用一个月前还在主推的旗舰。这是一个 5520 亿参数的多模态混合专家（MoE）模型，上下文窗口 100 万 token，以 MIT 许可证开源并附完整技术报告。
但真正会改变生产架构决策的数字更小、也更不显眼：每 token 890 字节的 KV 缓存，约为被它取代模型的四分之一。这是关于显存算术的一次发布，而不只是关于基准分数。因此本篇评测从这里切入。
真正的头条：KV 缓存缩减 4 倍
每一个长上下文智能体会话都背着一笔隐藏的显存账单。当模型读取 100 万 token 的上下文时，它必须为每一个已关注过的 token 把 key-value 状态常驻显存，只要会话还活着就不能释放——你不能在工具调用之间把它落盘再读回，那样产生的延迟会毁掉智能体循环。因此这个缓存的大小（以每 token 字节数计量）无声地决定了一个集群能并发服务多少会话，也就决定了单次会话的托管成本。
DeepSeek 的技术报告给出 V4.1 Flash 的全球 KV 缓存占用为每 token 890 字节。模型卡用两种方式描述同一个数字：约为 DeepSeek-V4-Flash 的 1/4，以及约为 DeepSeek-V1 的 1/437。两者意义不同——前者是已运行 V4 Flash 团队的升级理由，后者是多年的趋势线，说明这个家族真正的竞争轴心是注意力效率，而不只是参数规模。
| 指标 | DeepSeek V4.1 Flash | 变化 |
|---|---|---|
| 主干参数 | 552B MoE | 全新结构系列 |
| 上下文窗口 | 1,048,576 token | 维持 1M |
| 每 token KV 缓存 | 890 字节 | 约为 V4 Flash 的 1/4 |
| 持久化 KV 占用 | 约为 V4 Flash 的 1/8 | SWA Bounded Replay |
| 激活参数（预填充 / 解码） | 每 token 8B / 16B | CED 架构 |
| 训练语料 | 45 万亿 token | 从零训练 |
| 许可证 | MIT | 开放权重 |
实现这一压缩的有三项机制，值得点名，因为它们是竞争对手必须对齐的部分。FP4 主 KV 缓存以 E2M1 格式存储缓存，每 16 通道配一个 E4M3 缩放因子——为通常主导显存占用的状态提供了 4 位通路。Compressed Sparse Attention 2（CSA2）给每个注意力层指定 Full、Reindex、Reuse 三种静态模式之一，使各层共享主 KV 与索引器 K，而非各持一份；同时用分层稀疏索引器把更深层索引的成本与上下文长度解耦。SWA Bounded Replay 通过只重放最近的 token 来重建缺失的滑窗 KV 状态，而不是把它们持久化到 SSD。
架构：因果编码器-解码器拆分
模型卡描述了 因果编码器-解码器（CED）架构：一个 40 层 Transformer，由一个 20 层因果编码器加一个 20 层解码器组成。不寻常之处在于解码器从哪里取得记忆。在 CED 下，解码器的全局 KV 缓存是从编码器最终隐状态投影而来，而不是由每个解码层自身的隐状态推导。这单一改动让模型在预填充阶段每 token 仅激活 80 亿参数、解码阶段激活 160 亿——只占 552B 主干的一小部分，也是输入密集型智能体负载成本效率宣称的直接来源。
在注意力之外，配置还声明了几项此前 Flash 系列没有的组件。一个 196B 参数的 Engram 条件记忆块在第 1、14 层通过基于 token 的查找稀疏访问——一种被寻址而非稠密计算的类检索记忆。DSpark 推测解码在最后三层生成半自回归草稿并按置信度调度验证。路由为每 MoE 层 1 个共享专家加 384 个路由专家，每 token 激活 6 个路由专家。图像经由从零训练的视觉编码器（DeepSeek-ViT，采用 2D-RoPE 与 3×3 像素反洗牌下采样）与两层 MLP 投影器进入，视觉 embedding 从语言模型预训练一开始就与文本联合处理，而不是在后期微调阶段补挂。
预训练使用 45 万亿 token 的多模态语料，稀疏注意力在 64K 序列长度上训练，并在 34 万亿 token 处把上下文扩展到 1M。后训练遵循标准 SFT → RL → 在线策略蒸馏范式，未做算法改动；DeepSeek 说明所有实质变化都在数据流水线，即大规模自动合成智能体任务与环境。
已核实的 API 定价：高峰、空闲与缓存价
DeepSeek 以人民币计价并区分高峰与空闲时段，而对带重复前缀的智能体负载，缓存命中价才是最关键的杠杆。高峰时段为北京时间周一至周五 09:00-12:00 与 14:00-18:00，窗口之外全部为空闲，价格恰为高峰的一半。
| 价格（每百万 token） | 空闲时段（元） | 高峰时段（元） | 对比 V4 Pro（高峰） |
|---|---|---|---|
| 输入（缓存命中） | 0.02 | 0.04 | 0.30 → 便宜约 7.5 倍 |
| 输入（缓存未命中） | 1.00 | 2.00 | 9.00 → 便宜 4.5 倍 |
| 输出 | 4.00 | 8.00 | 27.00 → 便宜 3.4 倍 |
| 并发上限 | 2,500 | 500 → 提高 5 倍 | |
在国际聚合平台 OpenRouter 上，同一模型标价为每百万输入 0.30 美元、每百万输出 1.20 美元、每百万缓存读取 0.006 美元，上下文长度 1,048,576。注意缓存读取比全新输入便宜多少：按这些费率，一个在多次调用间复用大型系统提示或文档前缀的负载，为重复部分支付的费用几乎可以忽略——而这正是四分之一 KV 缓存让其变得经济可服务的那种模式。
并发上限也从 V4 Pro 的 500 提升到 2,500。对高峰时段曾被 V4 Pro 限流的团队来说，这比标价下调本身更具运营意义。
V4 Pro 将于 2026 年 9 月 14 日停用
公告中最具影响的一句与新模型无关。DeepSeek 表示，多轮测试显示 V4.1 Flash 在性能、费用、速度与总用时上全面超越 V4 Pro，因此计划有序下线 V4 Pro。具体而言：
- 自北京时间 2026 年 9 月 14 日 12:00 起，至未来 V4.1 Pro 上线之前，所有指定
deepseek-v4-pro的请求都会被路由到 V4.1 Flash，并按 V4.1 Flash 价格计费。 deepseek-v4-flash与deepseek-v4-flash-vision-exp作为模型已下线；ID 仍可解析，但由 V4.1 Flash 提供服务。- 新的可调用名就是
deepseek-flash。
这是强制迁移，而不是弃用窗口。写死 deepseek-v4-pro 的代码会继续返回 HTTP 200——只是换了一个模型、换了一个价格。这正是 API 变更最危险的形态：没有任何东西崩掉，所以没有任何告警。如果你的评测套件假定 V4 Pro 的推理深度，分数会悄然改变，而日志里不会出现任何错误。坦率的说法是：DeepSeek 认定自家更便宜的模型已经好到足以承接旗舰流量，并要求客户在四天通知内接受这一判断。
迁移清单。在代码库中检索 deepseek-v4-pro 与 deepseek-v4-flash，两者都替换为 deepseek-flash。在 9 月 14 日之前用 V4.1 Flash 重跑评测套件，让分数差异在你的掌控下暴露，而不是在生产环境里被发现。如果应用依赖 Anthropic 格式端点，注意 V4.1 Flash 同时支持 OpenAI 与 Anthropic 格式（api.deepseek.com/anthropic），因此除模型 ID 外该路径无需改动。
基准测试：价格档位内很强，但未达前沿
DeepSeek 公布了与 Opus-5.0、GPT-5.6 Sol、Kimi K3、GLM-5.3 以及自家 V4 Pro、V4 Flash 的对比表。规律一致：V4.1 Flash 胜过它所取代的模型，在智能体编程上逼近前沿，但在最难的推理与安全利用任务上明显落后。
| 基准 | V4.1 Flash | V4 Flash | V4 Pro | 前沿最佳 |
|---|---|---|---|---|
| GPQA Diamond | 90.9 | 89.9 | 92.4 | 94.1（GPT-5.6 Sol） |
| HLE | 36.8 | 37.8 | 42.7 | 56.3（Opus-5.0） |
| Codeforces（Rating） | 3471 | 3289 | 3348 | 3471（自身） |
| Terminal-Bench 2.1 | 90.6 | 82.7 | 87.9 | 90.6（自身） |
| DeepSWE v1.1 | 74.2 | 54.4 | 62.7 | 74.2（自身） |
| CyberGym | 88.1 | 76.7 | 83.3 | 88.1（自身） |
| ExploitGym | 15.3 | 1.8 | 5.4 | 33.7（GPT-5.6 Sol） |
请仔细读这张表，因为标题式叙事与底层数据讲的不是同一个故事。V4.1 Flash 在 Codeforces 评分、Terminal-Bench 2.1、DeepSWE v1.1 与 CyberGym 这些智能体编程与安全基准上直接领先该对比集；但在 GPQA Diamond 与 HLE 这两项纯推理测试上落后于自家 V4 Pro。而在衡量攻击性安全能力的 ExploitGym 上，它为 15.3，GPT-5.6 Sol 为 33.7。
DeepSeek 还公布了智能体基准的框架敏感性，这是整份报告中最诚实的部分。DeepSWE v1.1 视所用智能体框架不同在 65.5（OpenCode）到 74.2（mini-SWE）之间浮动；Terminal-Bench 2.1 在 84.1（Codex）到 90.6（DSH Minimal）之间浮动。仅框架选择就带来 8.7 分的摆动，这意味着任何单一的智能体基准数字——无论来自他们还是竞争对手——既是对模型的陈述，也是对框架的陈述。如果你要基于智能体分数选型，先在你自己的框架里复现那个数字再决定。
如果你在 API 之上构建，这意味着什么
负载输入密集且前缀复用时，应该切换。长文档、大规模检索上下文、系统提示臃肿的智能体、共享指令的批量分类——这些形态正是四分之一 KV 缓存与每百万 0.006 美元缓存读取价产生复利的地方。如果批处理任务能安排在非北京工作时间，空闲时段折扣就是一个真实的 50% 杠杆。
负载深度推理密集时，应该对冲。V4.1 Flash 用纯推理能力换取吞吐与成本。如果你的应用价值来自困难的多步推理而非快速廉价的智能体执行，那么 HLE 的 36.8 与 Opus-5.0 的 56.3 就是必须权衡的数字。把常规步骤交给 V4.1 Flash、把最难的部分升级到别处的路由方案，能在不继承天花板的前提下拿到大部分节省。
在 9 月 14 日之前验证评测套件。本次公告中最具可操作性的风险就是 V4 Pro 的请求改路由。四天通知、无任何报错、由另一个模型应答你的请求——这正是能通过 CI 却在生产环境失败的那类变更。
有一点需要说明：本文所有数字均来自 DeepSeek 官方定价页、模型卡与技术报告，以及 OpenRouter 的模型列表。基准对比是厂商自行运行的。DeepSeek 的评测说明中披露了自身框架选择——多数代码智能体测试用 DeepSeek Harness Minimal、DeepSWE v1.1 用 mini-SWE、SEC-Bench Pro 与视觉智能体基准用 Claude Code。截至撰写时尚未有独立复现。建议把架构类数字（KV 缓存字节数、参数量、激活参数量）视为可靠——它们来自已发布的配置、属于结构性事实；而跨厂商基准上的领先幅度，在第三方重跑之前只应作为方向性参考。
常见问题
DeepSeek V4.1 Flash 是什么？何时发布？
DeepSeek V4.1 Flash 是 2026 年 9 月 10 日发布的多模态 MoE 模型，主干参数 552B，是 DeepSeek 全新模型结构系列中尺寸最小的成员，取代 DeepSeek-V4-Flash 与实验性的 DeepSeek-V4-Flash-Vision-Exp。它原生支持图像与文本输入，上下文最长 100 万 token。在 DeepSeek API 中，可调用模型名现为 deepseek-flash；旧名仍可解析，但会被路由到 V4.1 Flash 并按 V4.1 Flash 价格计费。
每百万 token 定价是多少？
以人民币计价并区分峰谷。空闲时段：缓存命中输入 0.02 元、缓存未命中输入 1 元、输出 4 元（每百万）。高峰时段分别为 0.04 / 2 / 8 元。高峰为北京时间周一至周五 09:00-12:00 与 14:00-18:00，其余为空闲，价格恰为一半。OpenRouter 上同一模型标价每百万输入 0.30 美元、输出 1.20 美元、缓存读取 0.006 美元。
为什么 890 字节的 KV 缓存很重要？
100 万 token 的智能体会话在运行期间必须把 key-value 状态常驻显存；缓存缩小四倍直接减少长时智能体所需的显存，从而决定集群可并发服务的会话数与厂商的单会话成本。DeepSeek 报告为每 token 890 字节，约为 V4 Flash 的 1/4、比 DeepSeek-V1 小约 437 倍，来自 E2M1 格式的 FP4 主 KV 缓存、CSA2 层间共享，以及把持久化占用压到约 1/8 的 SWA Bounded Replay。
2026 年 9 月 14 日 V4 Pro 会发生什么？
自北京时间 2026 年 9 月 14 日 12:00 起，直至未来的 V4.1 Pro 上线之前，指定 deepseek-v4-pro 的请求都会被路由到 V4.1 Flash 并按 V4.1 Flash 价格计费。DeepSeek 的理由是 V4.1 Flash 在性能、费用、速度与总用时上全面超越 V4 Pro。请把这视为强制迁移日：模型 ID 照常工作，但底层模型与价格同时改变，且日志中不会浮现任何错误。
DeepSeek V4.1 Flash 是开源的吗？
是——MIT 许可证，权重位于 Hugging Face 的 deepseek-ai/DeepSeek-V4.1-Flash，附完整技术报告与 DeepSWE v1.1 复现说明。模型卡记录为 40 层 Transformer（20 层因果编码器 + 20 层解码器）、每 MoE 层 384 路由专家加 1 共享专家、每 token 激活 6 路由专家、196B 参数的 Engram 条件记忆块、DSpark 推测解码，以及 45 万亿 token 的多模态预训练。
长上下文智能体开发者应该切换到它吗？
输入密集与智能体负载的经济性支持切换：预填充每 token 激活 8B、解码 16B，空闲时段缓存未命中输入价约为 V4 Pro 的十五分之一，使长文档加重复前缀的场景成本大幅下降。代价是推理深度——HLE 36.8 对 Opus-5.0 的 56.3，ExploitGym 15.3 对 GPT-5.6 Sol 的 33.7。把它当高吞吐工作马、把最难推理步骤路由到别处。
资料来源
- DeepSeek API 更新日志「DeepSeek-V4.1-Flash 发布」，日期 2026-09-10 — api-docs.deepseek.com/zh-cn/updates
- DeepSeek API 模型与价格页（峰谷价格表、并发限制、模型细节）— api-docs.deepseek.com/zh-cn/quick_start/pricing
- Hugging Face 模型卡与配置，
deepseek-ai/DeepSeek-V4.1-Flash（MIT，创建于 2026-09-10）— huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash - DeepSeek-V4.1-Flash 技术报告《Pushing the Limits of KV Cache Compression》（模型仓库内 PDF）
- OpenRouter 模型列表
deepseek/deepseek-v4.1-flash（1M 上下文；$0.30/$1.20 每百万；缓存读取 $0.006 每百万）
最后核实：2026 年 9 月 11 日。厂商页面的价格、模型 ID 与停用日期可能随时变动——在锁定生产预算前请重新核对 DeepSeek 定价页。