9月10日，DeepSeek正式发布V4.1 Flash模型。作为全新CED（Causal-Encoder-Decoder）架构家族中体量最小的MoE模型，它在多项Agent基准测试中超越V4 Pro旗舰版本，同时带来原生多模态能力，借助KV Cache深度压缩与全新峰谷计费策略，大幅降低长会话、智能体任务的API使用成本。

一、全新CED非对称架构：输入输出差异化激活

V4.1 Flash整体骨干总参数达到552B，采用全新的Causal-Encoder-Decoder非对称架构。该架构为40层Transformer，前20层为因果编码器，后20层为解码器，实现输入输出阶段的差异化参数激活：处理输入时仅激活8B参数，生成输出时激活16B参数。

这种设计贴合AI Agent的真实工作模式：智能体运行过程需要读取海量历史对话、工具描述和项目源码，最终输出的指令和代码体量相对较小。编码器处理输入时激活参数更少，prefill计算复杂度从O(NL)降至约O(NL/2)，接近减半。MoE层面，每层配置1个共享专家和384个路由专家，每token激活6个专家。

配合全新预训练方案与大规模强化学习后训练，官方测试显示，该模型在Terminal-Bench 2.1（90.6 vs 87.9）、Terminal-Bench 3.0（30.0 vs 11.8）、DeepSWE v1.1（74.2 vs 62.7）、AutomationBench（54.8 vs 43.2）等多项Agent评测中超过V4 Pro。不过需要说明，官方同时承认V4.1 Flash在知识容量维度上仍不及V4 Pro。

二、原生多模态，百万上下文 + 384K输出上限

和上一代外挂视觉模块的实验版本不同，V4.1 Flash实现底层原生多模态视觉理解，无需额外外挂模块，直接支持图片、软件界面截图、图表、图文文档的解析识别。

API层面提供充足的能力配置：支持1M token上下文窗口，最高可输出384K token内容；同时兼容思考/非思考双模式、工具调用、结构化JSON输出、Responses API，接口格式兼容OpenAI、Anthropic。此外，模型支持reasoning_effort参数（整数1–100），可连续调节推理成本与准确率之间的平衡。

三、KV Cache极致压缩：从V1到V4.1缩小437倍

对于AI智能体来说，多轮连续运行会反复复用历史上下文，KV Cache缓存开销是成本大头。V4.1 Flash在缓存压缩上实现重大突破：全局KV Cache为890 bytes/token，对比上一代V4 Flash，HBM显存占用压缩至1/4，SSD存储需求降至1/8；对比初代V1模型，KV Cache整体规模累计缩小437倍。

这一压缩由三方面协同完成：

• 架构层面：采用CSA2（Compressed Sparse Attention 2）机制，将全局KV缓存和Top-K索引跨层复用，每层只保留自己的查询向量和局部注意力缓存；

• 缓存精度：训练阶段即采用FP4格式存储全局KV缓存，官方称性能损失几乎可以忽略；

• 部署策略：新增SWA有界重放机制，SWA缓存不必再写入SSD，持久化缓存占用进一步压至V4 Flash的1/8。

效果上，上下文从4K拉长到1M，单token解码FLOPs只增加约四分之一，解码成本几乎不随上下文长度增长。

四、API调用规则、价格与路由变更

V4.1 Flash已正式上线DeepSeek API，开发者直接填写模型名称deepseek-flash即可完成调用。旧接口标识deepseek-v4-flash和deepseek-v4-flash-vision-exp暂时保留兼容，请求会自动路由至V4.1 Flash。腾讯WorkBuddy、CodeBuddy、OpenCode等产品已完成全量接入。

新计费规则于9月10日12:00正式生效，延续峰谷计价，闲时价格为高峰时段的一半。高峰时段为工作日9:00–12:00和14:00–18:00（北京时间），其余均为空闲时段（含周末）。具体价格如下：

一个重要的业务变动：自9月14日12:00起，至V4.1 Pro正式上线之前，所有指向deepseek-v4-pro的请求将全部路由转发至V4.1 Flash，并按V4.1 Flash价格计费。不过DeepSeek在9月11日又更新了说明，表示决定在9月14日之后继续提供V4 Pro模型的API调用服务，计费方式保持不变。这一动态调整值得开发者密切关注。

模型权重与51页完整技术报告已在Hugging Face以MIT许可证开源，可供开发者研究、私有化部署参考。

五、核心信息速览

1. 552B MoE模型，CED非对称架构，40层=20层编码器+20层解码器，输入激活8B、输出激活16B，Agent基准性能超越V4 Pro（知识容量维度除外）；

2. 原生多模态，支持1M上下文、最高384K输出，兼容OpenAI/Anthropic接口格式；

3. KV Cache大幅压缩至890 bytes/token，HBM降至前代1/4，SSD降至1/8，较V1缩小437倍；

4. 调用名deepseek-flash，保留旧模型别名做兼容；V4 Pro路由规则存在动态调整，建议关注官方最新公告；

5. 峰谷双档API定价，闲时半价；模型权重与技术报告在Hugging Face以MIT许可证公开。

六、常见问题FAQ

V4.1 Flash真的全面超越V4 Pro了吗？

在Agent基准测试的多个维度（Terminal-Bench、DeepSWE、AutomationBench等）上，V4.1 Flash表现优于V4 Pro。但官方同时承认其在知识容量上不及V4 Pro。选型时需根据具体任务类型判断。

KV Cache压缩437倍是怎么算的？

437倍是初代V1模型KV Cache规模与V4.1 Flash的比值。相对于上一代V4 Flash，V4.1 Flash的HBM需求降至1/4，SSD需求降至1/8。

现有调用deepseek-v4-flash的业务需要改代码吗？

不需要。旧模型标识符暂时保留兼容，请求会自动路由至V4.1 Flash。但建议尽早将调用名称更新为deepseek-flash。

V4 Pro会被下线吗？

存在动态调整。9月10日官方计划9月14日12:00后将V4 Pro请求路由至V4.1 Flash；9月11日又更新说明，表示将继续提供V4 Pro的API服务，计费不变。建议以DeepSeek开放平台最新公告为准。

模型可以本地部署吗？

可以。模型权重已在Hugging Face以MIT许可证开源，技术报告同步公开。

参考来源：

• DeepSeek官方公告及API文档

• Hugging Face开源仓库：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash

• 技术报告：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf

免责声明：
本文信息整理自DeepSeek官方公告、开源仓库与公开媒体报道。模型能力、价格、路由规则和会员权益可能随时调整，请以DeepSeek开放平台官方页面为准。本文不构成购买建议或投资建议。