DeepSeek V4.1 Flash 开源：全新架构

刚刚，DeepSeek 开源了 V4.1 Flash ，原生支持视觉理解，也是全新架构系列中最小的一款模型， 550B 总参数，输入时激活 8B，输出时激活 16B（你没看错，输入输出激活不同） 对于这套全新基座，其设计目标便是： 能力上限更高、推理速度更快、吞吐更大、可扩展到更大参数模型 配套的 DeepSeek Harness 同步更新至 v0.1.5，模型针对其中的不同运行配置做了专项训练。而在 API 中，这一代 Flash 接替上一代 Pro：V4 Pro 将有序下线，相关 API 请求转向 V4.1 Flash，并按新模型的价格计费 DeepSeek V4.1 Flash V4.1 Flash 的主要提升集中在 Agent 任务上。相比 V4 Pro，DeepSWE v1.1 从 62.7 提升到 74.2，Terminal-Bench 3.0 从 11.8 提升到 30.0，Automation-Bench 从 43.2 提升到 54.8，CyberGym 从 83.3 提升到 88.1 在官方列出的对比模型中，V4.1 Flash 在 DeepSWE v1.1、CyberGym 和 Automation-Bench 三项测试上得分最高，超过了表中的 Kimi K3、GLM 5.3、Opus 5 和 GPT 5.6-Sol DeepSeek V4.1 Flash 与其他模型在 Agent 测试中的表现 不过，各项能力的进展并不齐整。V4.1 Flash 在 GPQA Diamond 上的得分仍低于 V4 Pro，在 Terminal-Bench 3.0 等测试上也没有超过表中的全部竞品。更准确地说， 它在多项 Agent 测试中超过了上一代 Pro，部分成绩达到所列前沿模型中的最高水平 DeepSeek V4.1 Flash 完整基准测试结果 550B 总参数，输入只激活 8B V4.1 Flash 采用 MoE 结构， 总参数量为 550B，输入阶段激活 8B，输出阶段激活 16B 这次的新结构，把处理输入与生成输出做成了不对称的两部分 。输入使用较小的激活规模，输出使用较大的激活规模；550B 描述的是模型的总参数量，8B 和 16B 描述的是相应阶段参与计算的参数规模，两者不能混为一谈。 按照发布稿的介绍，这套非对称编码器—解码器结构，目标是在提高能力上限的同时，降低推理成本、提高速度和吞吐量，并继续扩展到更大参数规模。V4.1 Flash 是这个新系列中最小的一款，同时采用了新的预训练方式，以及更大规模的强化学习后训练 长上下文的费用下调 另一项变化在缓存，模型处理过的上下文，可以通过 KV Cache 保存一部分中间计算结果。后续请求中的相同前缀命中缓存时，便可以复用这些结果，不必每次都重新计算 按 DeepSeek 公布的数据，V4.1 Flash 每个 Token 的 KV Cache 从上一代 V4 Flash 的 3514 字节降到了 890 字节，约为此前的四分之一。与初代 DeepSeek V1 相比，则缩小到了约 1/437 DeepSeek 历代模型的每 Token KV Cache 大小 发布稿同时给出了两个存储口径：与上一代相比，缓存相关的 HBM 需求降至 1/4 ，SSD 需求降至 1/8 。这里说的是缓存资源，不能直接理解为整个模型的部署显存也降到了四分之一 配套的 Harness 更新也涉及缓存： 使用 V4.1 Flash 时，新版 DeepSeek Harness 支持在保留已有 KV Cache 的情况下更新系统提示词 这些成本变化反映到了 API 定价上。新价格自 北京时间 2026 年 9 月 10 日 12:00 生效，继续采用峰谷定价，闲时价格为高峰时段的一半。单位均为人民币元／百万 Token 时段： 空闲时段 输入：缓存命中： 0.02 元 输入：缓存未命中： 1 元 输出： 4 元 时段： 高峰时段 输入：缓存命中： 0.04 元 输入：缓存未命中： 2 元 输出： 8 元 高峰时段为工作日北京时间 9:00—12:00、14:00—18:00 ，其余时间均为空闲时段，包括周末休息日。 同样是 100 万输入 Token，闲时缓存未命中收 1 元，命中缓存收 2 分钱，两者相差 50 倍。不过，任务总费用还要加上未命中的输入和输出，不能把缓存单价当成全部 Token 的价格。 举个假设的账单：一批任务累计产生 1 亿缓存命中输入 Token、100 万未命中输入 Token，以及 10 万输出 Token。按上述单价计算，全部在闲时执行，费用为 2＋1＋0.4＝3.4 元 ；同样的用量全部在高峰时段执行，则为 6.8 元 配套的 Harness 一起更新