DeepSeek又把自家旗舰”斩”于马下。9月10日，深度求索正式发布V4.1 Flash模型——一个定位”轻量高速”的Flash档新成员，却在官方基准测试中全面超越了上一代旗舰V4 Pro，同时API价格再下探，缓存命中输入价直接砍掉六成。更干脆的是，V4 Pro将在9月14日12时停止独立服务，原有请求全部转给新Flash、按Flash价格计费。
5520亿参数，输入输出”两套预算”
V4.1 Flash是DeepSeek全新模型结构系列里尺寸最小的一款，总参数量552B（5520亿），属于混合专家模型（MoE）。它换掉了传统自回归模型”一套权重同时负责读和写”的老路，改用全新的Causal-Encoder-Decoder（因果编码器—解码器）结构。
这套结构最大的特点是输入与输出不对称：处理输入时每个Token只激活80亿参数，生成输出时激活160亿参数。模型整体很大，但每次计算只调用其中一小部分，并且给”读信息”和”写内容”分配了不同规模的算力。官方称其成本显著低于已知的同尺寸模型。
为什么要这么拆？因为智能体（Agent）类任务的Token消耗极度倾斜——一次调用里，读入的代码仓库、工具返回、历史对话可能有几万到几十万Token，而模型真正输出的判断或代码往往只有几十上百个Token，输入输出比动辄100:1。既然绝大部分计算花在”读”上，就没必要让读取环节背上和生成一样重的参数。
多项基准反超旗舰，视觉能力并入主力模型
新架构配合全新预训练方式和更大规模的强化学习后训练，让这个”最小号”模型跑出了旗舰级成绩。官方公布的数据中，V4.1 Flash在科学问答GPQA Diamond得分90.9，Codeforces竞赛编程评级3471，MathArena Apex得分65.6；终端任务执行Terminal-Bench 2.1得分90.6，网络安全CyberGym得分88.1，均高于V4 Pro此前公布的87.9和83.3。
另一项关键变化是原生多模态。此前DeepSeek靠实验性质的V4 Flash Vision Exp提供视觉能力，需要单独模块；V4.1 Flash把图像理解直接并入主力模型，能描述图片、识别截图文字、分析图表，文字与图片处理走同一个API。模型支持100万Token上下文、最大384K输出，提供思考与非思考两种模式，思考强度分low、high、max三档。
缓存压缩到极致，连续干活更便宜
技术报告把核心工程主题直接写进标题：把KV Cache压缩推到极限。V4.1 Flash的全局KV Cache压到每Token 890字节，约为上一代V4 Flash的四分之一，相比初代DeepSeek模型缩小了437倍。这带来的直接收益是，对显存（HBM）的需求降到上一代的1/4，对SSD的需求降到1/8。
这对Agent场景意义重大。智能体连续工作时要反复读取历史对话和工具说明，缓存命中费用往往占账单大头，KV Cache一压缩，这部分开销随之大幅下降。社区实测输出速度可达每秒300到500个Token。
价格方面，新定价已于9月10日12时生效，沿用峰谷定价：闲时缓存命中输入每百万Token 0.02元、缓存未命中1元、输出4元，高峰时段翻倍。相比老款V4 Flash同时段，缓存命中输入降价60%，未命中输入降约33%，输出降约11%；并发上限也从V4 Pro的500提到2500。开发者把模型名改为deepseek-flash即可调用。
Flash”上位”，V4 Pro四天后退场
按照官方安排，9月14日12时之后，deepseek-v4-pro的请求会被自动路由到V4.1 Flash，并按Flash单价计费，直到未来更大的V4.1 Pro上线。换句话说，开发者不用改代码，就能用原来约三分之一的价格，跑到比旧旗舰更强的性能。模型权重也已在Hugging Face以MIT许可开源，附带51页技术报告。
这步棋的逻辑很清晰：不搞优惠券、不做社区运营，而是靠架构升级把”便宜”做成产品本身的属性。当一个5520亿参数、原生多模态、百万上下文的模型，闲时缓存命中价低到每百万Token两分钱，高端AI的调用门槛正在被国产开源阵营一再拉低——闭源巨头靠定价挖出来的护城河，也就没那么宽了。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
