DeepSeek V4.1 Flash深度解析：编码器架构如何把推理成本压到几分钱

本周AI圈最值得关注的事件，莫过于DeepSeek再度出手，推出了V4.1 Flash模型。它凭借一套全新的高效架构，在保持高智能的同时，把运行成本和速度都拉到了一个令人咋舌的水平。本文基于一位法语AI博主的实测与技术拆解，梳理这款新模型的核心突破，并延伸讨论本周OpenAI攻克千年数学难题引发的争议、Anthropic呼吁放缓前沿以及Mistral创纪录融资等热点。

DeepSeek V4.1 Flash：更小、更便宜、更快

DeepSeek的发布节奏一向稀疏，但每一次都举足轻重——它往往为中国开源模型市场设定新标准。发布之后的数月内，GLM、Kimi等竞争对手通常会吸收其架构创新，通过蒸馏云端数据应用到自家模型上。

从技术参数看，V4.1 Flash在Artificial Analysis基准上拿到40分，紧随GLM 5.3 Flash之后，同时超越了DeepSeek此前最强的V4 Pro（包括月初发布的版本）。换句话说，这是一个体积更小、运行更省、性能却更强的模型。

最惊人的还是每任务成本。据博主测算，多数云端模型完成一项任务的成本约在8美元，前沿模型约5美元，而DeepSeek只需约0.27美元（约几毛人民币）。这让它稳坐市场最便宜模型的位置。

实测对比：DeepSeek vs GLM 5.3 Flash

博主设计了一个颇有巧思的"元演示"实验：让AI直接在他的生产环境网站上，生成一个动态讲解DeepSeek新架构创新的页面，要求视觉化、交互性强、内容详尽，并自行验证渲染效果后发布。整个任务在极简的PiAgent框架（只给智能体终端工具）上运行。

DeepSeek完成这项任务的花费约0.3欧元，而GLM 5.3 Flash速度更快、但成本无法精确统计。

两个模型的产出都相当出色。GLM生成的页面从引言的共情式文案，到从原始论文精准提取的配图、逐层可视化的动画模拟器，博主给出了"9分"的评价，并透露它已成为他日常的主力模型。DeepSeek的产出同样亮眼，甚至主动为网站新增了侧边导航栏，代码质量略胜一筹，只是图示的教学性稍逊。

博主的结论是：两款模型"势均力敌"——DeepSeek在代码质量上略优，GLM在语言智能上略强。而真正的核心信息在于：既然开源模型只需几分钱、能部署在欧洲服务器上、还有更快的token吞吐，为何还要为ChatGPT、Claude这类订阅每月支付200欧元？他认为，即便是入门级模型，如今也足以承担商业提案、客服、建站等大量第三产业工作。

架构揭秘：编码器回归带来的效率革命

要理解V4.1 Flash为何如此省钱，必须打开引擎盖看架构。

通常的大模型是"仅解码器Transformer"（Decoder Only），它只分析前文、预测下一个词，每预测一个词都要经过全部层。而Transformer最初的经典论文其实是"编码器-解码器"结构（Encoder-Decoder），比如早期Google翻译就是用编码器处理法语、解码器输出英语。后来业界普遍抛弃了完整的编码器-解码器结构。

DeepSeek的做法是把编码器请了回来。据博主拆解，模型共40层：前20层是因果编码器，仅用于理解句意，只激活80亿参数；后20层是解码器，用于预测下一个词，激活160亿参数。仅这一改动，粗略估算就带来约25%的推理提速——因为要做的计算少了约四分之一。

更关键的是显存优化。他们在KV缓存（每个token用于与后续token比较的键值）的存储上做了大量创新：在不同层之间交替，有些阶段精确索引所有token，有些阶段大幅减少索引并复用先前计算。结果是每个token的存储量从上一代的3500字节降到仅890字节。

这意味着，存储一段100万token的对话，现在只需不到1GB内存，而以往更大的模型至少需要3.7GB。由于RAM极其昂贵，这一改进直接大幅压低了推理成本，DeepSeek也据此再度下调了价格。

KV缓存（Key-Value Cache）是理解这一优化的关键概念。在Transformer的注意力机制中，每个token在生成时需要与序列中所有前置token进行相关性计算，这要求为每个token存储一对"键"（Key）和"值"（Value）向量。随着上下文长度增加，这些向量的总存储量线性膨胀，是大模型推理显存占用的主要来源之一。以往模型为了维持精确的注意力，需要在每一层都保留完整的KV对；DeepSeek V4.1 Flash的创新在于通过层间交替策略，让部分层共享或复用先前层的KV计算结果，而非重新计算，从而在精度损失极小的前提下，将每token的缓存体积压缩到原来的约四分之一。这一优化对于长上下文场景（如处理长文档或多轮对话）的成本降幅尤为显著，也是其定价能远低于同等能力竞品的核心工程原因。

OpenAI攻克千年难题：荣耀还是掠夺？

DeepSeek之外，本周另一大事件充满争议：OpenAI宣布用1万个AI智能体、耗时88小时，为纳维-斯托克斯方程（Navier-Stokes，克雷数学研究所七大"千年难题"之一）找到了一个反例。

这道自1845年以来天天被工程界使用、却从未被严格数学证明的方程，其求解有两条路——要么证明它在所有情况下都成立，要么找出一个反例。OpenAI选择了后者，通过施加外力让流体旋转形成涡旋，涡旋中心收缩拉伸，速度趋于无穷而黏性失控，从而出现奇点。也就是说，答案"很可能是否定的"。

争议不在于结果对错，而在于科研方式的颠覆。据博主梳理：两位研究者Tristan Buckmaster与Levent（Anthropic员工）已就同一思路（强制奇点）钻研近一年，8月15日在欧拉方程上找到奇点，写成245页论文却尚未发表。OpenAI闻风后于9月1日启动万个智能体，几天内就抢先给出更复杂方程的反例。

更微妙的是，两位研究者在研究过程中一直用Codex测试模拟，意味着OpenAI理论上能接触到他们的全部研究内容。OpenAI先承认"模型可能匿名地在这些内容上训练过"，几小时后又改口称"绝无此事"，反而显得更可疑。此外，OpenAI只邀请Buckmaster合作发论文，却拒绝纳入来自竞争对手Anthropic的Levent，引发公开指控。

博主指出，这暴露了一个博弈论困境：只要研究者继续与AI对话求解，实验室就掌握了他们的全部思路，从而可能凭借远超对手的算力抢先"证明"。长此以往，没人再有动力分享。尽管如此，一个四年前连巴黎是哪国首都都答不出的AI，如今能完成此类推导，本身确实令人震撼。

纳维-斯托克斯方程（Navier-Stokes Equations）由法国工程师纳维和英国数学家斯托克斯分别于19世纪建立，是描述黏性流体（如水、空气、血液）运动的一组偏微分方程，至今广泛应用于航空动力学、天气预报、海洋建模等领域。其"千年难题"版本的核心问题是：在三维空间中，给定合理的初始条件，方程的光滑解是否永远存在且有界（即不会在有限时间内出现速度趋于无穷的"奇点"）？这一问题的难点在于，流体的湍流行为极度复杂，现有数学工具难以同时处理非线性项与能量耗散之间的相互作用。克雷数学研究所为此悬赏百万美元。OpenAI此次的工作并非"证明方程成立"，而是通过构造特定的外力条件，演示了方程在某种情形下可能产生奇点，即给出一个反例——若该结果经同行评审确认，意味着方程在最一般意义上不具备全局光滑解，将从根本上改变数学界对流体模拟极限的认知。

Anthropic呼吁放缓、概念空间训练与Mistral融资

本周还有几条值得留意的动态。

Anthropic CEO Dario Amodei发文《We must pause the frontier》，呼吁放缓前沿模型竞速。理由有二：一是递归自我改进正在显现——他称如今超过90%的下一代Claude模型由前代模型设计，一旦跨过这道门槛，改进速度可能快10到20倍，直到人类再也读不懂这些创新；二是他对OpenAI相关安全事件的担忧。他提出三条措施：在每个实验室嵌入外部审计员、呼吁各民主国家协调标准、以及与中国就自我改进速度达成全球协调。

博主对此持保留态度，认为后两点在地缘政治上几乎不可行，而制造恐惧叙事恰恰服务于这类公司的商业模式——因为它们缺乏真正的护城河，随时可能被开源实验室以极低成本追上，监管俘获才是其真正的竞争优势。

研究层面，一篇名为"NCP Arc Preview"的论文提出：不仅训练模型预测下一个token，还增加一个预测"下一个概念"的训练目标。具体做法是将token按4×4分组，映射为概念向量（由32段、每段128维表示），在训练时先预测下一个概念、再据此引导token预测。相比传统因果训练只训练token预测、寄望逻辑"顺带"提升，这种方式显式训练逻辑相关性，为提升模型创造力提供了新思路。

最后是资本大事：法国Mistral完成D轮融资，金额超30亿美元、估值超210亿，由三星领投，BlackRock、卢森堡基金、ASML与英伟达跟投，创下欧洲科技史最大融资纪录。争议在于Mistral近期开始在平台上提供中国开源模型、更像推理服务商而非前沿实验室，被质疑背离了"法国主权模型"的初心。

博主对此看法务实：真正的主权在于"本地拥有推理能力"——即在法国建设数据中心，就像掌握自己的能源基础设施一样掌握智能基础设施。企业客户真正需要的，是通过微调小模型、以百倍更低的成本、在符合GDPR的欧洲服务器上跑生产级工作流（如客服工单分类路由）。这正是Mistral的营收所在，也是其商业逻辑成立的关键。

"递归自我改进"（Recursive Self-Improvement）是AI安全领域长期讨论的核心风险场景之一：若一个AI系统能够设计出比自身更强的后继版本，而后继版本又能设计出更强的下一代，改进速度就会呈指数级加速，直至超出人类理解和控制的范围。Dario Amodei声称90%以上的下一代Claude已由前代模型参与设计，意味着这一循环已初步形成闭环。这与AI安全研究者此前描述的"智能爆炸"（Intelligence Explosion）场景高度吻合。值得注意的是，"递归自我改进"是否真正意味着不可控加速，学界存在较大分歧——反对者认为，模型设计本身仍受算力、数据和人类审查的硬约束，不会自发突破这些瓶颈；支持者则认为，一旦模型能够自主优化训练目标本身，外部约束的效力将大幅削弱。这也是Amodei呼吁引入外部审计的技术背景。