DeepSeek V4.1 Flash发布：全新架构性能反超旗舰

Flash反超Pro：小模型干翻旗舰大哥

DeepSeek^广告 正式上线 V4.1 Flash，官方称其在性能、速度和费用三个维度全面超越旗舰版 V4 Pro。这在过去很少见——通常带 Flash 后缀的模型定位是「轻量廉价版」，主打成本敏感场景，而这次 Flash 直接把定位更高的 Pro 版本从性能榜首拉了下来。

V4.1 Flash 是一个 552B 参数的 MoE（混合专家）模型，核心创新在于采用了全新的 Coastal Encoder-Decoder 结构，最大的特点是输入与输出激活参数不对称：输入激活仅 8B，输出激活 16B。这种设计让它在实际推理时的算力开销显著低于同尺寸模型，也是它能做到「性能高、成本低」的架构基础。

除了架构变化，V4.1 Flash 还采用了新的预训练方式，并经过更大规模的强化学习后训练。据 B 站 AI 快讯的介绍，正是这套后训练流程让它在基准测试中的智能水平超越了包括自家 V4 Pro 在内的一众旗舰模型。

MoE（Mixture of Experts，混合专家）架构是当前大模型降本增效的主流路线。与传统稠密模型每次推理都激活全部参数不同，MoE 模型将参数分散在多个"专家"子网络中，每次推理只激活其中少数几个专家。这意味着模型总参数量（如 552B）可以非常大，覆盖更广的知识与能力，但实际推理时的计算量只取决于被激活的那部分参数（如 8B 或 16B），从而大幅压低了推理成本和延迟。V4.1 Flash 将这一思路进一步推进：输入阶段仅激活 8B 参数，输出阶段激活 16B 参数，两个阶段的算力分配不对称，让模型在「读取理解」和「生成输出」时各自以最低必要的算力完成工作。

基准测试：多项指标越过 GPT-5.6 和 Opus 5

在 Agentic Benchmark（智能体基准测试）中，V4.1 Flash 与当前主流前沿模型正面对比。原始素材提到，在 Terminal Bench 2.1、DeepSWE 1.1、CyberGym、HLE、Automation Bench、Agent's Last Exam 等多个项目上，它的成绩超过了 GPT-5.6 SOAR 和 Opus 5。

这几项测试普遍偏向智能体能力、长链条任务执行和复杂推理，而非单纯的知识问答，说明 V4.1 Flash 的提升集中在「干活」而不是「背书」的能力上。对于希望用模型跑 Agent 工作流的开发者来说，这类基准的参考价值往往比通用对话榜单更高。

需要提醒的是，以上数据均来自官方发布口径，尚缺乏第三方独立复现。GPT-5.6、Opus 5 这类型号命名在素材中出现，读者应将其理解为该视频对同期竞品的称呼，实际对标关系仍需结合官方基准细则判断。

Agentic Benchmark（智能体基准测试）与传统 LLM 评测的核心区别在于：它测量的不是模型「知道什么」，而是模型「能完成什么任务」。典型的智能体测试会给模型配备工具调用、代码执行、文件操作等能力，然后布置需要多步规划、跨轮决策、错误恢复的复杂任务，例如在终端环境中调试代码（Terminal Bench）、完成软件工程任务（DeepSWE）或安全攻防演练（CyberGym）。HLE（Humanity's Last Exam）则是一个面向顶尖专家级知识的超高难度综合测试集。这类测试之所以对开发者参考价值更高，是因为现实中的 AI 应用——尤其是自动化流程和 Copilot 工具——对模型的要求恰恰是「持续完成多步骤任务」而非「一次性回答单个问题」。

KV Cache 大幅瘦身：硬件需求砍到四分之一

V4.1 Flash 另一个值得关注的工程改进是显著减小了 KV Cache 缓存的大小。相比上一代模型，它对 HBM（高带宽显存）的需求减少到四分之一，对 SSD 的需求减少到八分之一。

KV Cache 是长上下文推理时占用显存的大头，缓存越小，单卡能承载的并发和上下文长度就越高。这项优化直接决定了推理部署的边际成本——这也解释了为什么官方敢于大幅下调定价。架构层面的降本，最终转化成了 API 价格上的竞争力。

KV Cache（Key-Value Cache）是 Transformer 架构在处理长文本时的核心机制。模型在生成每个新 token 时，需要反复引用之前所有 token 对应的注意力键值（Key-Value）向量，KV Cache 就是把这些向量缓存在显存中，避免重复计算。上下文越长，KV Cache 占用的显存就越多；并发请求越多，总缓存需求呈线性增长。这使得 KV Cache 成为大规模部署时最主要的显存瓶颈，直接影响单卡可承载的最大上下文长度和并发用户数。HBM（High Bandwidth Memory，高带宽显存）是 GPU/TPU 上的片内高速显存，带宽极高但容量有限且成本昂贵；SSD 则作为二级存储在显存不足时承接溢出的 KV Cache，读写速度远低于 HBM。V4.1 Flash 将两者的需求分别压缩到原来的四分之一和八分之一，意味着相同硬件配置下可以服务更多用户或处理更长的对话，是推理侧成本下降的直接来源。

产品线合并：三种模式变一个入口

伴随新模型上线，DeepSeek 在产品侧做了一次明显的收敛。App 和网页端原本的「快速 / 专家 / 视图」三种模式，现在合并成一个原生多模态模型，一个入口同时处理日常对话、看图和复杂推理，用户不再需要手动切换或纠结选哪个模式。

模型调用侧也有相应调整：

• V4.1 Flash 已同步上线 DeepSeek API，原生支持多模态，将模型名改为 DeepSeek Flash 即可调用最新版本；
• 旧版 V4 Flash 与 V4 Flash Vision EXP 已下线，出于兼容考虑，这两个模型名会被暂时路由到 V4.1 Flash；
• V4 Pro 延期至 9 月 14 日 12 点下线，在 V4.1 Pro 上线之前，访问 V4 Pro 的请求将全部路由到 V4.1 Flash，并按 V4.1 Flash 单价计费。

这套路由策略意味着，即便你还在用旧的模型名，实际调用到的已经是新模型，成本也按新价格结算。

价格：架构降本带来极低定价

得益于架构创新，V4.1 Flash 的成本大幅下降，官方也随之下调了定价。不过素材提到一个细节：视觉相关的定价依然翻倍——多模态输入的处理开销仍高于纯文本。

OpenDesign 对 V4.1 Flash 做了基准测试，结果颇具冲击力：在基于用户需求的日常设计任务中，V4.1 Flash 仅以 1.4% 的成本，就达到了 GPT-6 Astra 98% 的得分。除 Astra 外，其余对比模型得分更低、成本更高。换句话说，在这类实用场景里，它是在用极小的价格代价换取接近顶级模型的效果。

生态跟进：多个 Agent 平台限时优惠

WorkBuddy^广告 和 OpenCode 已全量接入 V4.1 Flash。据素材信息，9 月 10 日到 9 月 23 日期间，WorkBuddy 提供独家限时优惠，倍率低至 0.03，且不设高峰时段限制。当 DeepSeek 自己降价、云厂商与通用 Agent 平台再叠加一层折扣后，实际调用价格几乎可以忽略不计。OpenCode 的 Go 套餐也已上线 Flash V4.1。

对开发者而言，模型降价 + 平台补贴的组合，短期内是低成本试用高性能模型的窗口期。不过这类超低倍率多为限时促销，长期成本仍应以官方标准定价为准来评估。

总结

V4.1 Flash 的意义不只是又一次跑分更新，而是通过 Coastal Encoder-Decoder 这类架构创新，把「高性能」和「低成本」这对通常矛盾的目标同时往前推了一步。KV Cache 大幅压缩带来的硬件需求下降，是这次降价的底层逻辑。产品线的合并也反映出厂商正在弱化模型选择的复杂度，让原生多模态成为默认体验。当前数据仍以官方口径为主，真实表现有待更多第三方验证。