【重复稿·请勿转正】DeepSeek V4.1 Flash 开源：非对称架构缓存成本降至八分之一
要点
DeepSeek 在 2026 年 9 月 10 日正式发布并开源 DeepSeek-V4.1-Flash，这款 552B 参数的 MoE 模型采用全新的 Causal-Encoder-Decoder 非对称架构，并同步开放权重。官方将其定位为"全新架构家族中尺寸最小的成员"，…
DeepSeek 在 2026 年 9 月 10 日正式发布并开源 DeepSeek-V4.1-Flash，这款 552B 参数的 MoE 模型采用全新的 Causal-Encoder-Decoder 非对称架构，并同步开放权重。官方将其定位为”全新架构家族中尺寸最小的成员”，却在多项 Agentic 基准上超越了自家的 V4 Pro 等旗舰模型，并以更低的缓存与 API 成本进入开源生态。
官方发布页给出的核心数字相当显眼：模型输入激活参数仅 8B、输出激活 16B，却依托 552B 的总参数规模维持了强推理能力。更关键的是缓存压缩——与上一代相比，V4.1-Flash 的 KV Cache 对 HBM 的需求降至四分之一、对 SSD 的需求降至八分之一。在 Agent 类任务中，缓存命中费用往往占据可观比例，压缩缓存意味着部署侧的成本被直接砍掉一大块；官方还披露，相对于初代模型，KV Cache 已经缩小了 437 倍。
新模型原生支持多模态视觉理解，并已上线 DeepSeek API，将模型名切换为 deepseek-flash 即可调用，旧版 V4-Flash 与 V4-Flash-Vision-Exp 出于兼容被暂时路由到新模型。在定价上，得益于架构创新，官方同步下调了费率并保留峰谷机制——闲时价格仅为高峰时段的一半，鼓励用户把弹性负载排到闲时。API 文档显示，新的输入/输出价格为每百万 token 0.30/1.20 美元，而经过多方测试，V4.1-Flash 在性能、费用、速度与总用时上全面超越 V4 Pro，因此官方计划有序下线 V4 Pro，自 2026 年 9 月 14 日起将相关请求路由到 V4.1-Flash。
把视野拉到开源权重这一层，事情变得更有意思。HuggingFace 上的官方仓库开放了模型权重并附上《DeepSeekV41Tech_Report》技术报告。到 10 月 17 日，社区悄然迎来了 V4.1-Flash-1017 版本，采用 MIT 许可。第三方测评显示，其 DeepSWE v1.1 分数达到 77.0，高于 Claude Opus 5 的 74.0；而在价格维度上，每百万 token 的投入仅约为 Opus 的 1/50。换句话说，一个开源、轻量的模型在若干基准上压过了闭源旗舰——这正是官方”普惠 AGI”叙事最有力的注脚。
然而，这种”以小胜大”的对比也需要冷静看待。第三方测算本身带着估算成分，例如同代竞品的升级版本得分仍以”推测”形式出现；更重要的是，1M token 上下文在真实长程任务中的稳定性、以及长链推理质量，仍需要更多独立评测来确认。价格的悬殊更多来自架构与缓存设计带来的部署成本下降，而非单纯的能力代差，因此把”1/50 价格”直接等同于”1/50 成本”并不严谨。
从行业节奏看，V4.1-Flash 是 DeepSeek V4 系列架构革新的延续：2026 年 4 月的 V4 预览版就已开源并迈入百万上下文，随后 Sparse Attention、Agent 能力、思考推理被逐步揉进系列模型。本次非对称结构把”能力上限、推理速度、吞吐、可扩展性”打包成一套更易低成本服务的方案，官方也明确表态将与开源社区紧密协作做推理适配，并面向具备 2k 卡 GPU 与存储集群的大规模部署需求开放合作。
一个有意思的延伸是生态侧的反应。官方列出的合作伙伴中，WorkBuddy（含 CodeBuddy）与 OpenCode 已全量接入 V4.1-Flash，意味着这类轻量但高吞吐的模型正更快进入编程代理与生产工作流。当缓存成本和单价同时下探，过去因费用而被压制的长上下文、长链路 Agent 场景，有可能被重新解锁。
综合来看，V4.1-Flash 的意义不止于一次版本更新。它把”非对称架构 + 激进缓存压缩 + 开放权重”组合成一种可规模化的低成本服务范式，并用基准与价格双重证据挑战了”更强模型必然更贵”的默认假设。至于它能否在更长周期、更复杂的真实业务里稳住优势，答案会由接下来开源社区的独立评测与落地案例共同给出。
