剛剛，DeepSeek新模型上線，長文本緩存硬盤佔用暴降88%！

作者｜畢偉豪 編輯｜李水青 9月10日報道，剛剛，DeepSeek正式發佈DeepSeek V4.1 Flash，該模型採用全新架構，是一款552B參數的MoE模型，為DeepSeek全新模型架構系列中尺寸最小的成員，在性能上超越了包括DeepSeek V4 Pro在內的一眾旗艦模型。模型開源地址： https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash 論文鏈接： https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeekV41Tech_Report.

pdf 同時，DeepSeek App顯示已完成全新升級，整合了快速、專家和識圖模式，並上線了新模型，網頁端應該也已同步上新。一、性能全面超越旗艦，定價下調 價格方面，得益於模型架構的創新，與DeepSeek V4 Flash相比，DeepSeek下調了V4.1 Flash的定價，峰谷定價機制被保留，閒時價格為高峰時段價格的一半，官方鼓勵用戶根據實際使用情況調整任務時間。全新定價為閒時輸入（緩存命中）0.02元、未命中1.0元、輸出4.0元，高峰時段輸入（緩存命中）0.04元，未命中2.0元，輸出8.0元，新價格已於2026年9月10日12:00正式生效。▲DeepSeek V4.

1 Flash定價表（圖源：DeepSeek） 該模型具備原生多模態視覺理解能力，採用了全新的Causal-Encoder-Decoder架構，輸入和輸出不對稱，輸入激活參數只有8B，輸出激活為16B，成本顯著低於已知的同尺寸模型。▲DeepSeek-V4.1-Flash與主流前沿模型在Agentic Benchmark上的性能對比（圖源：DeepSeek） 同時，在新的預訓練方式和更大規模強化學習後訓練的加持下，這款更小尺寸的模型在Agentic Benchmark等基準測試中超越了DeepSeek V4 Pro、GLM5.3、Kimi-K3等多款前沿旗艦模型。▲DeepSeek-V4.

1-Flash與主流前沿模型在Agentic Benchmark上的性能對比（圖源：DeepSeek） 官方在公告中給出了新模型架構的設計初衷：能力上限更高、推理速度更快、吞吐更大，並且可以擴展到更大參數規模的模型。二、緩存大幅壓縮，DeepSeek V4 Pro即將退場 新一代模型在KV Cache緩存效率方面有了大幅提升，與DeepSeek V4 Flash相比，V4.1 Flash對HBM的需求減少到1/4，對SSD的需求減少到1/8。DeepSeek官方稱，初代模型DeepSeek V1的KV Cache是DeepSeek V4.1 Flash的437倍。

▲DeepSeek在減少上下文存儲方面的持續進展（圖源：DeepSeek） 這一次壓縮由架構、緩存精度和部署策略三方協同完成。架構上，新模型採用CSA2（壓縮稀疏注意力2）機制，將全局KV緩存和Top-K索引跨層複用，每一層只保留自己的查詢向量和局部注意力緩存，重複存儲被大幅砍掉。緩存精度方面，模型從訓練階段就直接用FP4格式存儲全局KV緩存，官方稱性能損失幾乎可以忽略。部署一側，新增SWA有界重放機制，只需重放最近的n個token，就能近似重建滑動窗口注意力（SWA）所需的狀態，SWA緩存因此不必再寫入SSD，持久化緩存的佔用進一步壓到V4 Flash的1/8。

這些設計疊加，把上下文從4K拉長到1M，單token解碼FLOPs只增加約四分之一，解碼成本幾乎不隨上下文長度增長。▲DeepSeek-V4.1-Flash上下文長度和前代模型對比（圖源：DeepSeek） 這項數字直接關係到用戶賬單，在Agent使用場景中，緩存命中的費用往往佔比較高，KV Cache的壓縮大幅降低了Agent類任務的使用成本。對需要長上下文、多輪調用的Agent工作流來說，同樣的預算能跑更多的任務。目前，DeepSeek V4.1 Flash已同步上線DeepSeek API，用戶將模型名稱改為deepseek-flash即可調用V4.

1 Flash，舊版本模型V4 Flash與V4 Flash Vision Exp現已下線，模型名deepseek-v4-flash、deepseek-v4-flash-vision-exp將被暫時路由到V4.1 Flash。昨日，DeepSeek方面宣佈，由於在多方測試中DeepSeek V4.1 Flash的各項指標全面超越DeepSeek V4 Pro，因此DeepSeek將從北京時間9月14日12:00起有序下線V4 Pro，所有deepseek-v4-pro的請求都將被路由到新模型，按V4.1 Flash單價計費。

▲DeepSeek模型調整公告（圖源：DeepSeek） 三、全力支持開源，WorkBuddy、OpenCode全量接入 除模型能力之外，DeepSeek在開源和生態方面也有一系列動作。DeepSeek今日宣佈將會全力支持開源社區進行新模型的推理適配，並嘗試通過各種方式擴大部署的範圍。如果用戶有大規模部署的需求且具備相應的資源（2k卡GPU、有存儲集群），可以與DeepSeek聯繫。剛剛，DeepSeek Harness v0.1.5版本同步上線，DeepSeek V4.1 Flash模型針對DeepSeek Harness進行了專項訓練和優化，用戶在使用DeepSeek V4.

1 Flash模型時，DeepSeek Harness新版本還支持在保留已有KV Cache的情況下更新系統提示詞。生態側，騰訊（WorkBuddy、CodeBuddy等）和OpenCode作為官方合作伙伴，現已全量接入DeepSeek V4.1 Flash，OpenCode Go套餐提供了4倍使用額度。▲OpenCode模型使用額度表（圖源：OpenCode） WorkBuddy中同樣提供限時兩週的獨家優惠，騰訊雲TokenHub、ima、Marvis、CodeBuddy同步接入DeepSeek V4.1 Flash。

而在此前路透社關於DeepSeek融資的相關報道中，騰訊正是DeepSeek投資人之一。同期開源的還有DeepJIT，一個輕量級的xPU內核JIT編譯庫，同時支持NVIDIA CUDA GPU和華為昇騰NPU兩大後端，為推理側的內核編譯提供統一接口和跨節點共享緩存能力。結語：最小模型反超旗艦，推理成本持續下降 DeepSeek V4.1 Flash這款模型，在用全新架構將成本壓低的同時，用更大規模的強化學習將智能水平拉高，以更小的尺寸在自家產品線上完成了對旗艦的全面超越。對高頻使用Agent的用戶來說，緩存壓縮和價格的降低疊加，實際賬單的變化會比基準分數體感更強。

從更長的時間線看，官方宣稱新架構可擴展到更大參數的模型，我們或可期待一下即將到來的DeepSeek全新旗艦模型。可以看到，DeepSeek的產品線正圍繞新架構重新排序。V4 Pro的有序下線只是這次更替的開始，後續更大參數的模型能把前沿模型的性價比推到什麼程度，值得期待。