DeepSeek 上线 V4.1-Flash：552B 非对称 MoE，KV 缓存仅需 1/4 HBM

AI 圈过去习惯的算力算盘，可能又被打乱了。

DeepSeek 正式发布了新架构模型 DeepSeek-V4.1-Flash，同时在 Hugging Face 放出了遵循 MIT 协议的模型权重和技术报告。

有意思的是，伴随这次上线，DeepSeek 甚至宣布逐步下架旧款旗舰 V4-Pro。从 9 月 14 日起，所有发送给 V4-Pro 的请求都会自动切到 V4.1-Flash，计费也按 Flash 的低价来算，直到未来的 V4.1-Pro 推出。

读写不对称，给 KV 缓存狠狠动刀

这次最大的技术变化在模型底层架构上。

V4.1-Flash 总参数量达到了 552B，采用了混合专家（MoE）设计。但它没有沿用传统的 Decoder-only 架构，而是换成了新的因果编码器与解码器架构。

简单来说，这个设计让模型的输入和输出做到了参数不对称。处理输入的编码阶段只激活 8B 参数，生成输出的解码阶段激活 16B 参数。这样一来，吃算力的大头输入部分被大幅压轻。

更狠的是显存占用。对比上一代，V4.1-Flash 的全局 KV 缓存直接砍到了原来的四分之一，SSD 存储占用更是压缩到八分之一。

做过 AI Agent 的开发者都知道，多轮对话和工具调用的计费大头往往就在缓存命中上。缓存体积缩小四分之三，意味着服务商的部署成本断崖式下跌，API 价格也就有了继续下探的空间。

在非高峰时段，V4.1-Flash 的未缓存输入价格只有每百万 token 0.15 美元，输出 0.60 美元。即使在工作日的高峰时段，价格也只是翻倍到 0.30 和 1.20 美元。

跑分互有胜负，老旗舰直接被替换

为了展示性能，DeepSeek 拿出了不少硬核基准测试。

在最大推理力度下，V4.1-Flash 在编程评测 DeepSWE v1.1 跑出 74.2 分，压过了 74.0 分的 Claude Opus 5 和 73.0 分的 GPT-5.6 Sol。此外，它在自动化任务评测 AutomationBench 以及网络安全评测 CyberGym 上也有领先表现。

不过它并不是全能选手。在 Terminal-Bench 4.0 终端指令评测中，它依然落后于上述两款美国顶级模型。

甚至在科学推理评测 GPQA Diamond 上，新模型的 90.9 分还略低于自家的旧旗舰 V4-Pro 的 92.4 分。在涵盖更广的 Artificial Analysis 智能指数上，它拿到 40 分，距离第一梯队的 GPT-6 Astra 和 Claude Fable 5.1（同为 53 分）还有明显差距。

另外，围绕它的训练数据也有争议。Anthropic 在 9 月的一份威胁报告里指责 DeepSeek 绕过防护提取 Opus 的推理轨迹进行模型蒸馏。不过 Anthropic 也承认，并没有证据坐实这种行为直接用在了 V4.1-Flash 身上。

为什么重要

我们认为，DeepSeek 这次最聪明的做法不是硬拼通用智商的最高分，而是把工程效率抠到了极致。

对于做实际业务的开发者和企业来说，V4.1-Flash 绝对值得现在就接入测试。特别是那些需要长上下文、多轮工具交互的编程助手和自动化 Agent，它的低缓存占用和非高峰半价策略，能让原本亏钱跑的业务直接跑通成本。

但你也要留个心眼。它的复杂指令和深度科学推理能力并没有赶上国际顶流。如果你的工作流容错率极低，或者需要长链条的严密推导，重试和纠错产生的额外 token 可能会吃掉原本省下的差价。

从行业竞争来看，这把火直接烧向了主流大模型厂商的毛利率。OpenRouter 之前的研究就显示，中国开源模型在部分周次已经能吃掉近三成的调用份额。

当一款价格只有顶级模型几分之一、还支持 MIT 协议免费下载权重的模型在编程等核心场景追平第一梯队时，其他厂商就不得不面临两难：要么跟着降价让出利润，要么必须拿出能让客户心甘情愿掏十倍溢价的绝对能力代差。