DeepSeek V4.1 Flash replaces V4 Pro

DeepSeek V4.1 Flash：一次把自家旗舰送走的发布

9 月 8 日下午，DeepSeek 在官方用户群里丢了一条不到 100 字的通知。没有发布会，没有预热海报，官网文档都没更新，就扔出一个模型名： deepseek-v4 .1 -flash-expires- on -0910 名字最后那串 0910 是它的保质期。48 小时后，9 月 10 日中午 12:00，正式版上线，官方公众号标题朴素得像周报——《更强、更快、更普惠》。但正文里藏着一句让整个行业坐直了的话： 经多方测试，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro，因此我们计划有序下线 V4 Pro 模型。 —— DeepSeek 官方公告，2026 年 9 月 10 日 1 翻译一下：Flash 长大了，轮到 Pro 退休。北京时间 9 月 14 日 12:00 之后，所有打给 deepseek-v4-pro 的请求会被静默路由到 V4.1 Flash，按 Flash 的单价计费，直到 V4.1 Pro 上线为止 2 。 如果你的生产代码里硬编码了 deepseek-v4-pro ，你还有不到四天。 一分钟速查 项 值 总参数 552B（MoE） 激活参数 输入 8B / 输出 16B（非对称） 架构 Causal-Encoder-Decoder（全新，非 V4 Flash 增量） 上下文 / 最大输出 1M tokens / 384K tokens 3 多模态 原生视觉理解（不再是外挂视觉编码器） 每 token KV Cache 890 字节（V1 的 1/437） 显存/存储需求 HBM 降至上一代 1/4，SSD 降至 1/8 开源协议 MIT，权重已在 HuggingFace 开源 API 模型名 deepseek-flash 价格（闲时，¥/百万 tokens） 缓存命中 0.02 / 未命中 1.0 / 输出 4.0 换骨架，不是换皮肤 先说清楚一件事：V4.1 Flash 不是 V4 Flash 的后训练版。 今年 7 月 31 日那次 V4 Flash 更新，官方原话是「keeps the same model architecture and size as DeepSeek-V4-Flash-Preview, and was only re-post-trained」 2 ——同一个骨架，重新练了一遍。这次不一样，结构上重做了。 552B 的 MoE，采用的是 Causal-Encoder-Decoder（因果编码器—解码器）结构。核心特征是 输入输出非对称 ： 处理输入（prefill）：激活 8B 。552B 的专家池里，每个输入 token 只点亮约 1.45% 的参数。 生成输出（decode）：激活 16B ，是输入侧的整整 2 倍。 直觉上讲得通。读一段代码、看一张截图、扫一遍工具返回值，绝大多数 token 是上下文铺垫，不需要深度推理；真正要动脑子的是生成的那一刻。把算力押在输出侧——输入走轻量通道，输出走完整通道。 这套设计与 Agent 的工作方式咬合得很紧。Agent 负载的 token 结构是极度倾斜的：几万 token 的上下文、工具返回、代码仓库前缀，换回几十到几百 token 的判断和指令。降低输入侧开销，打击面正好落在最贵的地方。 顺带一提技术报告里被媒体转述出来的几个组件 4 ：CSA2（压缩稀疏注意力 2）通过跨层复用 KV Cache 配合 Top-K 索引，分 Full / Reindex / Reuse 三种模式；KV Cache 从上一代的 FP8 进一步压到 FP4 ；生成阶段加了 DSpark ，用轻量模块先预测部分 token 再由主模型确认，提升 decode 效率。 一句话：这不是「调参调出来的性价比」，是结构性的成本重排。 437 倍，才是这次真正的里子 如果说非对称激活是新招，KV Cache 压缩就是 DeepSeek 的祖传手艺了。官方给了一张跨度近三年的数据： 模型 时间 每 token 全局 KV Cache 累计压缩 DeepSeek-V1 2023.11 389,120 字节 — DeepSeek-V3.2 2025.12 48,068 字节 8.1× DeepSeek-V4-Flash 2026.04 3,514 字节 13.7× DeepSeek-V4.1-Flash 2026.09 890 字节 3.9×（累计 437×） 对应的硬件侧结果：相比上一代，HBM 需求降到 1/4，SSD 需求降到 1/8。 这笔账对谁最有感？Agent 开发者。Agent 任务的典型形态是长上下文 + 高频调用——系统提示词、工具定义、历史对话，每一轮都要重复送进去。缓存命中率经常到 99%+，意味着 账单大头其实是缓存命中的那部分输入费 ，不是输出费。 所以看这次降价的结构就很有意思：缓存命中输入 0.05 → 0.02 元（ -60% ），未命中输入 1.5 → 1.0 元（-33%），输出 4.5 → 4.0 元（ -11% ） 3 。降幅最大的那一项，正好是 KV Cache 压出来的那一块。官方很清楚钱是从哪儿省出来的。 有个细节值得玩味：一个模型 API 会关心 SSD 需求，说明它的缓存分层里本来就把 SSD 当成一级存储在用。这是 DeepSeek 服务栈一贯的路线，不是临时起意。 还有个推论：每步要读的 KV 已经小到不再主导显存带宽，权重读取成了瓶颈——这大概就是社区测出「速度不随上下文长度衰减」的物理原因 5 。 flowchart TB A["<b>输入 Prefill</b><br/><i>激活 8B · 轻量通道</i>"] --> B["<b>KV Cache</b><br/><i>890 B/token · FP4</i>"] B --> C["<b>输出 Decode</b><br/><i>激活 16B · 完整通道</i>"] C --> D["<b>DSpark 推测解码</b><br/><i>轻量模块先猜 · 主模型确认</i>"] A --> E["<b>552B MoE 专家池</b><br/><i>容量在这 · 成本不在这</i>"] C --> E classDef p1 fill:#534AB7,stroke:#AFA9EC,color:#EEEDFE classDef t1 fill:#0F6E56,stroke:#5DCAA5,color:#E1F5EE classDef gray fill:#2C2C2A,stroke:#5F5E5A,color:#888780 class A p1 class B gray class C t1 class D t1 class E p1 图 1 · V4.1 Flash 的非对称计算路径与缓存压缩位置 跑分：赢得有选择，输得也明白 官方 changelog 的完整列表 2 ： 基准 V4-Flash 0731 V4-Pro 0813 V4.1-Flash GPQA Diamond 89.9 92.4 90.9 HLE — 42.7* 36.8（纯文本子集 39.1*） Codeforces (Rating) 3289 3348 3471 MathArena Apex 58.6 65.3 65.6 Terminal-Bench 2.1 82.7 87.9 90.6 Terminal-Bench 3.0 7.6 11.8 30.0 Terminal-Bench 4.0 7.0 12.4 31.2 DeepSWE v1.1 54.4 62.7 74.2 NL2Repo-Bench 54.2 61.5 65.4 CyberGym 76.7 83.3 88.1 Automation-Bench 37.7 43.2 54.8 Agents' Last Exam 25.2 25.7 31.8 HLE (w/tools) 51.5 60.0 63.9 BabyVision (w/tools) 85.7 — 89.6 * HLE 只在纯文本子集上测试。数据来源：DeepSeek API Docs Change Log 2 。 注意看几个跳变：Terminal-Bench 3.0 从 7.6 直接到 30.0，接近 4 倍；DeepSWE 从 54.4 到 74.2。这两个都是 Agent 实战类基准，跳变幅度说明后训练的方向很明确——就是往「能干活」上堆。 但别急着喊全面制霸。横向看官方自己贴的对比图（媒体转述数据 6 ）： CyberGym 88.1、Automation-Bench 54.8、DeepSWE v1.1 74.2 —— 三项第一，其中 DeepSWE 只比 Opus 5 的 74.0 高 0.2 分。 GPQA Diamond 90.9 —— 低于 GLM-5.3 的 92.9、Opus 5 的 93.4、GPT-5.6-Sol 的 94.1。 HLE 36.8 —— 在这张表里是全场最低，GPT-5.6-Sol 拿到 56.3。 Terminal-Bench 3.0 / 4.0 —— 30.0 / 31.2，明显低于 Opus 5 的 43.3 / 51.8。 甚至对自家旧旗舰都没全赢：V4 Pro 的 GPQA Diamond 是 92.4，V4.1 Flash 是 90.9，低了 1.5 分。官方那句「全面超越」指的是性能、费用、速度、总用时四个维度的综合账，不是每一项跑分都高。 所以更准确的说法是：这是一次「在 Agent 主战场，用三分之一的价格追平甚至超过旗舰」的发布。对绝大多数业务场景，后者才是要害；但如果你在做科研推理类应用，HLE 那个 36.8 值得多看两眼。 算一笔真实的账 新价格，2026 年 9 月 10 日 12:00 生效，单位 ¥/百万 tokens 1 7 ： 模型 / 时段 输入·缓存命中 输入·未命中 输出 V4.1 Flash · 空闲 0.02 1.0 4.0 V4.1 Flash · 高峰 0.04 2.0 8.0 V4 Flash · 空闲（旧） 0.05 1.5 4.5 V4 Pro · 空闲 0.15 4.5 13.5 V4 Pro · 高峰 0.30 9.0 27.0 高峰时段：工作日 9:00–12:00、14:00–18:00（北京时间），其余全算空闲，含周末。 三笔账： 对比旧 Flash ：缓存命中 -60%、未命中 -33%、输出 -11%。由于缓存命中率极高，真实账单的降幅远大于表面那个 11%。 对比 V4 Pro ：输出高峰价从 27 元砍到 8 元，不到原价三分之一——还是在跑分整体更高的前提下。 错峰 ：一个月的批量离线任务挪到晚上或周末跑，成本直接再打五折。 腾讯新闻那边算过一个具体例子 3 ：一次任务消耗 100 万缓存命中输入 + 10 万未命中输入 + 1 万输出，空闲时段费用从 0.245 元降到 0.16 元，下降约 34.7%。 背景板也别忘了：就在一个月前，DeepSeek 才因为 V4 Pro 上线涨过一次价，高峰输出一度到 27 元。一个月后自己把它砍到 8 元。这个动作比任何 PR 稿都说明竞争压力。 怎么切过去 改动小到几乎可以忽略，OpenAI SDK 只换一个模型名： from openai import OpenAI client = OpenAI( api_key= "YOUR_DEEPSEEK_KEY" , base_url= "https://api.deepseek.com" , ) resp = client.chat.completions.create( model= "deepseek-flash" , # 即 V4.1 Flash messages=[{ "role" : "user" , "content" : [ # 原生多模态：文字和图片混排，不再需要单独的 vision 模型 { "type" : "text" , "text" : "看这张报错截图，说说是哪一层抛的" }, { "type" : "image_url" , "image_url" : { "url" : "https://..." }}, ], }], ) 规格上：1M 上下文、384K 最大输出、JSON Output、工具调用、Responses API 都支持；思考模式默认开启，强度分 low / high / max 三档 3 。 几个必须知道的时间点和坑： 旧模型名还在但只是过渡 。 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 已下线，旧名暂时路由到 V4.1 Flash，别指望长期有效。 9 月 14 日 12:00 是硬 deadline 。在那之后 deepseek-v4-pro 静默切走，按 Flash 计费。没有公开的 opt-out 机制。 内测版模型名 deepseek-v4.1-flash-expires-on-0910 已失效 ，正式版是 deepseek-flash 。 C 端三模式合并了 。原来的快速 / 专家 / 识图合并成统一的智能模式，模型自己判断复杂度、检测到图片就激活视觉能力 8 。 说点泼冷水的 吹完了，讲三个我认为该警惕的地方。 第一，静默路由在工程上是有风险的。 官方的说法逻辑上无懈可击——「继续以更高价格、更慢速度为用户提供更弱的 V4 Pro，已不再合适」。但生产系统是围绕特定模型的失败模式调优的：你的重试策略、你的 prompt 兜底、你的监控告警，都建立在 V4 Pro 的行为分布上。V4.1 Flash 均分更高，不代表它在你那套 prompt 上的 失败分布 和 V4 Pro 一致。Hacker News 上的争论也集中在这里 9 。 建议：9 月 14 日之前，拿真实流量跑一遍回归，重点看结构化输出（JSON / 函数调用）的格式漂移。别等报警。 第二，已知的两个语言问题。 内测期间社区反馈了两个坑：英文提问偶尔返回中文回复；开启联网搜索时存在语言不一致。第二个尤其烦人——搜到的资料是什么语言，回答就飘到什么语言。如果你的产品英文用户占比高，这条要专门测。社区里有人的土办法是在 prompt 末尾硬塞一句 Answer in English! ，据说有时候得重复五次才生效 9 。说实话，这不该是用户侧解决的问题。 第三，开源了，但「开源」和「能用」之间隔着一整套推理工程。 权重确实在 HuggingFace 上，MIT 协议，没有附加条款，商用、微调、二次分发、甚至拿来训练竞品都不受限 10 。这次连 DeepSeek License 那套限制都没用，比 V3 时代的协议干净得多。技术报告 PDF 也一起挂出来了。 但 552B 的 MoE 摆在那儿。官方自己说了一句很实诚的话：如果有大规模部署需求且具备相应资源—— 2000 张 GPU + 存储集群 ——欢迎联系。对绝大多数团队来说，这是「能下载」而不是「能跑」。好消息是 KV Cache 只有 890 字节/token，显存压力比上一代友好很多，社区适配值得蹲一波。 我的判断 V4.1 Flash 是新架构家族里 尺寸最小 的成员。官方明说了这套结构「可扩展到更大参数模型」。 也就是说，这只是地基。真正的重头戏是还没来的 V4.1 Pro——同一个架构，更大的尺寸。如果 Flash 这个尺寸就能在 DeepSWE、CyberGym、Automation-Bench 上拿第一，那 Pro 版本的落点大概不在「能不能干这个活」，而在「HLE 那 20 分的差距能补回多少」。 另一个更值得关注的转向是产品形态：快速 / 专家 / 识图三个模式合而为一，模型自己判断任务复杂度、自己决定要不要激活视觉。这意味着「选模型」这件事正在从用户手里收走，交给路由层。Gemini 走过这条路，现在 DeepSeek 也走了。对用户是好事，对做中间层的人是个提醒：你的价值如果建立在「帮用户挑模型」上，这个位置正在消失。 至于 V4 Pro——一个月前涨价，一个月后被自己的 Flash 送走。这个行业对一个旗舰模型的耐心，现在只有 30 天。 参考来源 层级说明： [一手] = DeepSeek 官方发布； [媒体] = 有采编流程的媒体转述； [社区] = 开发者自测，未经官方确认。 补充说明 ：文中引用的实测速度数据（TTFT 178ms vs V4 Pro 766ms、持续输出 355 tok/s、同任务 18 分 49 秒 / 11.59M tokens vs 30 分 11 秒 / 20.31M tokens）来自 X 用户 @riba2534 及社区自测，分布区间在 200–500+ tok/s 之间，受调用时段、任务长度和测试方法影响很大， 均非官方口径 ，只作方向性参考。 Footnotes [一手] DeepSeek 微信公众号《DeepSeek V4.1 Flash：更强、更快、更普惠》，2026-09-10。定价表、V4 Pro 下线时间、非对称结构说明均出自此文。转载见 湖南日报·今日头条 、 凤凰网科技 。 ↩ ↩ 2 [一手] DeepSeek API Docs — Change Log ，2026-09-10 「DeepSeek-V4.1-Flash Release」条目。完整 19 项 benchmark 数值、API 模型名变更、V4 Pro 路由规则、以及 2026-07-31 / 08-13 / 08-21 各次更新的历史数据均出自此页。 ↩ ↩ 2 ↩ 3 ↩ 4 [媒体] 《DeepSeek V4.1 Flash 发布：新架构、更低价格，接替上一代 Pro？》 ，腾讯新闻，2026-09-10。1M 上下文 / 384K 输出规格、思考强度分档、降价幅度测算、费用对比示例。 ↩ ↩ 2 ↩ 3 ↩ 4 [媒体·转述技术报告] 《刚刚，DeepSeek 发布新模型，Flash 把 Pro 给干掉了》 ，腾讯新闻，2026-09-10。CSA2 三种模式（Full / Reindex / Reuse）、FP4 KV Cache、DSpark 推测解码等技术报告内容。技术报告原文： huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf 。 ↩ [媒体] 《DeepSeek V4.1 Flash 正式上线！已适配 Harness》 ，网易号，2026-09-10。KV Cache 与带宽瓶颈的关系分析、社区速度数据汇总。 ↩ [媒体·转述官方对比图] 《DeepSeek 发布 V4.1 Flash 模型：采用全新架构，KV 缓存大压缩》 ，以及 《DeepSeek V4.1 Flash 正式上线！已适配 Harness》 。V4.1 Flash 与 Kimi-K3、GLM-5.3、Opus 5、GPT-5.6-Sol 的横向对比数值。 ↩ [媒体] 《DeepSeek 正式发布 V4.1 Flash》 ，21 世纪经济报道 / 南方财经，2026-09-10。定价与峰谷时段定义。 ↩ [媒体] 《DeepSeek：9 月 14 日 12:00 下线 V4 Pro 服务》 ，凤凰网科技，2026-09-10。三模式合并为统一智能模式的说明，以及「继续使用即视为同意调整后计费方式，不同意可退出使用并申请退款」的官方表态。 ↩ [社区] Hacker News 讨论串 “DeepSeek launching v4.1 flash cheaper and more capable than v4 pro” ，镜像见 whnex.com/items/49624… 。静默路由争议、英文提问返回中文、联网搜索语言漂移等反馈均出自此串，未经官方确认。 ↩ ↩ 2 [一手] HuggingFace: deepseek-ai/DeepSeek-V4.1-Flash 。MIT 协议、权重分片、技术报告 PDF、推理参考代码。仓库元数据与协议核对见 IT 爆破手的核实记录 。 ↩