DeepSeek V4.1 Flash 解读：552B MoE 性能超越 V4 Pro，1M 上下文原生视觉理解

DeepSeek 在 9 月 10 日正式发布新一代模型 DeepSeek-V4.1-Flash，同日退役旧版 V4-Flash，API 名称切换为 deepseek-flash。官方介绍称，V4.1 Flash 在性能、开销、推理速度、任务总耗时等多项指标上全面超越上一代旗舰 V4 Pro，以 Flash 档位的成本提供接近 Pro 的能力。第三方评测机构 Artificial Analysis 给出 39.5 的智能指数得分，明显高于它所取代的 V4-Flash 的 34.5 分。这款模型已经在 Hugging Face 上以 MIT 协议开放权重下载，允许商用。

全新 CausalEncoderDecoder 架构

V4.1 Flash 最核心的变化是换了架构。它基于 CausalEncoderDecoder（因果编码器解码器，CED）打造，整体是一个 40 层 Transformer：前 20 层作为因果编码器，后 20 层作为解码器。

这个设计的巧妙之处在于，模型处理输入和生成输出时激活的参数量不同——输入阶段（prefill）只激活约 80 亿参数，输出阶段（decode）激活约 160 亿参数。输入处理通常占总计算量大头，把这部分做轻，整体效率就上来了。

参数规模方面，V4.1 Flash 是一个总参数量 552B 的 MoE（混合专家）模型。值得注意的对比是：它比 DeepSeek R1 满血版的 671B 还要小，这意味着去年采购了满血一体机的机构，不加一张卡就能把模型原地升级到能力更强、上下文更长的新版本。

1M 上下文与原生视觉理解

V4.1 Flash 支持 100 万 token 的上下文窗口，最大输出 38.4 万 token，大约相当于一次读入 1500 页 A4 文档，整个代码仓库、长篇法律合同或一批研究论文可以放进同一个提示词里处理。

视觉理解是原生的：图像和文本一起进模型，不需要外挂单独的视觉编码器，做图文理解、看图问答、多模态 Agent 时链路更简单。它也是这个新架构家族里目前最小的型号，官方暗示后续还有更大的版本。

上下文效率上，官方技术报告提到 V4.1 Flash 的 KV 缓存规模相比上一代 V4-Flash 压缩约 4 倍，相比更早的 DeepSeek V1 压缩高达 437 倍。长上下文场景下，这直接决定显存占用和推理成本。

价格：Flash 档再降三分之一

定价延续了 DeepSeek 标志性的峰谷分时策略：

  • 输入：峰时每百万 token 0.30 美元，谷时 0.15 美元
  • 输出：峰时 1.20 美元，谷时 0.60 美元
  • 缓存命中输入：谷时低至 0.003 美元，折扣约 98%

作为参照，被替换的旧版 V4-Flash 输入输出为 0.22/0.66（谷时）和 0.44/1.32（峰时），V4.1 Flash 相当于整体降价约三分之一，但能力反而上了一个台阶。峰时为工作日的两个时段，其余时间均按谷时计费。上一代旗舰 V4 Pro 目前仍在服务（谷时输入 0.66 美元/输出 1.98 美元），官方表示会继续提供，用户可以按需在两个档位间选择。

开源权重与本地部署

模型权重以 MIT 协议发布在 Hugging Face，checkpoint 共 510GB、分 48 个分片，可以自由下载、微调和商用部署。对一体机厂商和私有化部署服务商来说，这是一个重要的升级点：552B 的体积小于 671B 的 R1 满血版，存量硬件不需要扩容就能承载。

模型还与 DeepSeek 的 Harness 框架联合训练，官方强调这强化了长周期连续任务的处理能力——这正是当下 Agent 编程、长链路自动化任务最吃紧的能力。

怎么看这次发布

V4.1 Flash 释放的信号很清晰：用新架构把"能力密度"做上去，用更少的激活参数和更小的 KV 缓存换成本，让旗舰级能力下沉到 Flash 价位。对开发者来说，1M 上下文加原生视觉加 MIT 开源，无论是做长文档分析、多模态应用还是私有化部署，现在都多了一个成本极低的选项。对行业来说，"更小的总参数、更强的效果"这条路线，也在持续挤压单纯堆参数的竞争方式。

对于还想采购大模型一体机的机构，这个模型也是一个提醒：一体机不是一锤子买卖，模型迭代速度远快于硬件折旧周期，采购时软件层面的持续更新能力，可能比标称能跑多大参数的模型更重要。

来源：DeepSeek 官方公告及 API 文档，Artificial Analysis、DeepInfra 等第三方评测（纯文本整理）