DeepSeek｜发布V4.1-Flash：CED架构压缩KV缓存，原生多模态上线并下调API价

Agent时代最贵的往往不是「答一道题」，而是把长上下文、工具调用与缓存命中反复滚在同一条账单里。9月10日，DeepSeek正式发布并上线DeepSeek-V4.1-Flash，官方定位为新架构家族中的最小型号，强调原生视觉理解、更快推理与更高吞吐，并面向更大规模模型扩展。API侧模型名可设为deepseek-flash。

DeepSeek是国内开源与API双线推进的大模型团队，近期持续在Agent评测与性价比上抢位。此轮不只是「再发一个Flash」，而是把架构、缓存、多模态与价格捆成一次产品切换：旧版V4-Flash与V4-Flash-Vision-Exp退役，兼容路由临时指向V4.1-Flash；公司称多方测试显示新模型在性能、成本、速度与总运行时间上优于V4-Pro，将阶段性淘汰V4-Pro，并计划自2026年9月14日04:00 UTC起，将全部deepseek-v4-pro请求按V4.1-Flash费率路由至新模型，直至V4.1-Pro推出。

架构与能力要点（官方/模型卡口径）：

1. 规模：多模态混合专家（MoE）骨干约552B参数；上下文最长约100万token
2. 结构：因果编码器—解码器（CED），约40层Transformer，编码器与解码器各约20层
3. 激活：预填阶段每token约激活8B，解码阶段约16B，面向输入偏重的Agent负载
4. 缓存：全局KV较V4-Flash约压至1/4 HBM；持久化KV约压至1/8 SSD；单token全局KV约890字节
5. 训练：约45T多模态token预训练；后训练侧重Agent任务与环境的大规模自动合成
6. 推理：支持1–100连续可调推理强度；最大强度下公开DeepSWE v1.1约74.2、Terminal-Bench 2.1约90.6等
7. 价格：新定价自9月10日04:00 UTC生效；继续区分峰时与非峰时，非峰时约为峰时一半

所谓CED，白话是先把长输入「压成可复用的编码状态」，再让解码器少做重复计算；所谓KV缓存压缩，白话是让Agent少为「记得住刚才说了什么」付冤枉钱。对开发者，长上下文与高缓存命中场景的账单结构可能重排；对仍依赖V4-Pro路由的业务，需在9月14日前完成对照与切换预案。

放在Agent成本竞赛上下文里，行业一边比榜单，一边比「单位任务花多少钱」。DeepSeek选择用更小激活、更狠缓存与更低价，把Flash做成可替换Pro的默认档；竞品若只有峰值智商、给不出同工况下的缓存与时延账本，采购方会更快用总拥有成本投票。

产业影响上，若企业侧真实Agent成本曲线随之下移，会加速「默认用Flash档跑生产」；若路由切换引发兼容摩擦，短期内运维成本会上升。需要把边界读清楚：榜单与激活参数为官方/模型卡口径；大规模私有化部署仍取决于开源推理栈成熟度。下一观察点是V4.1-Pro发布时间、企业侧真实Agent成本曲线，以及社区推理框架适配进度。