DeepSeek V4.1 Flash 发布：革新架构方案

刚刚，DeepSeek 推出了 V4.1 Flash，这是一款全新架构的模型，具备视觉理解的原生支持，同时也是该系列中最精简的一款。其总参数为 550B，输入激活为 8B，输出激活为 16B（确实是输入与输出使用不同的激活规模）。新设计的目标是提高能力上限、加速推理速度、增强吞吐量，并能够扩展至更大参数模型。此外，与之配套的 DeepSeek Harness 也更新到 v0.1.5，此次更新针对不同的运行配置进行了专门的训练。新的 API 中，V4.1 Flash 接替了先前的 Pro 版本，相关请求将转向新的模型，费用也将按照新定价计算。

V4.1 Flash 在 Agent 任务上的性能有显著提升。与 V4 Pro 比较，DeepSWE v1.1 得分从 62.7 提升到了 74.2，Terminal-Bench 3.0 从 11.8 增至 30.0，Automation-Bench 从 43.2 上升到 54.8，CyberGym 则从 83.3 提升到 88.1。在官方的对比测试中，V4.1 Flash 在 DeepSWE v1.1、CyberGym 和 Automation-Bench 三项测试中表现最高，超越了 Kimi K3、GLM 5.3、Opus 5 和 GPT 5.6-Sol。

尽管有所提升，V4.1 Flash 并不是在所有方面都领先。例如，它在 GPQA Diamond 上的得分仍低于 V4 Pro，而在 Terminal-Bench 3.0 的一些测试上也未能超越其他竞争对手。可以说，它在多个 Agent 测试中超越了旧版，但在部分关键成绩上依然有提升空间。 球友会

V4.1 Flash 采用 MoE 结构，总参数为 550B，输入阶段激活 8B，输出阶段激活 16B，新颖的结构将输入处理和输出生成分为两个不对称部分，旨在提升能力上限的同时降低推理成本、提升速度和吞吐量，此版本是该系列中最小的，并且应用了新的预训练方式和大规模强化学习后训练。另一个显著变化是缓存机制，模型处理的上下文可以通过 KV Cache 保存部分中间计算结果。在后续请求中，如果命中缓存，将能够复用这些计算，避免重复计算。

根据 DeepSeek 的公布，V4.1 Flash 每个 Token 的 KV Cache 从前一代的 3514 字节降至 890 字节，约为原来的四分之一，和初代 DeepSeek V1 相比，减少了约 1/437。此外，缓存所需的 HBM 与 SSD 资源大幅下降，缓存需求分别降至 1/4 和 1/8。更新后的 Harness 也支持在更新系统提示时保留已有的 KV Cache。

这些成本变动将在 API 定价上体现，新定价将于北京时间 2026 年 9 月 10 日 12:00 生效，仍遵循峰谷定价，闲时价格为高峰时段的一半。单位为人民币元/百万 Token。在闲时，输入、输出的缓存命中和未命中价格分别是 0.02 元、1 元和 4 元；在高峰时，这些价格分别是 0.04 元、2 元和 8 元。而高峰时段为工作日的 9:00—12:00 和 14:00—18:00，其余时间为闲时，包括周末。 球友会

例如，假设任务产生了 1 亿个缓存命中的输入 Token、100 万个未命中的输入 Token 和 10 万个输出 Token，并全在闲时处理，那么费用为 2+1+0.4=3.4 元；如果在高峰时处理，同样的量将费用上升至 6.8 元。