![V4.1Flash_chase_1920x1080.png](https://developer.qcloudimg.com/http-save/yehe-11177336/23f4e078abd3c42f791a6c3ba3132655.png)


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]。

```mermaid
flowchart TB
 A["输入 Prefill 激活 8B · 轻量通道"] --> B["KV Cache 890 B/token · FP4"]
 B --> C["输出 Decode 激活 16B · 完整通道"]
 C --> D["DSpark 推测解码 轻量模块先猜 · 主模型确认"]
 A --> E["552B MoE 专家池 容量在这 · 成本不在这"]
 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：

1. **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%。
2. **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。
3. **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：

```python
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。

[1]: **[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](https://www.toutiao.com/article/7683804366951809536/)、[凤凰网科技](https://tech.ifeng.com/c/8wIoVkYghqM)。
[2]: **[一手]** [DeepSeek API Docs — Change Log](https://api-docs.deepseek.com/updates/)，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。
[3]: **[媒体]** [《DeepSeek V4.1 Flash 发布：新架构、更低价格，接替上一代 Pro？》](https://new.qq.com/rain/a/20260910A07OU200)，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。
[4]: **[媒体·转述技术报告]** [《刚刚，DeepSeek 发布新模型，Flash 把 Pro 给干掉了》](https://new.qq.com/rain/a/20260910A08KV400)，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`。
[5]: **[媒体]** [《DeepSeek V4.1 Flash 正式上线！已适配 Harness》](https://www.163.com/dy/article/L6FLIARS0511AQHO.html)，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。
[6]: **[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》](https://so.html5.qq.com/page/real/search_news?docid=70000021_7036aa2556513652)，以及 [《DeepSeek V4.1 Flash 正式上线！已适配 Harness》](https://www.163.com/dy/article/L6FLIARS0511AQHO.html)。V4.1 Flash 与 Kimi-K3、GLM-5.3、Opus 5、GPT-5.6-Sol 的横向对比数值。
[7]: **[媒体]** [《DeepSeek 正式发布 V4.1 Flash》](https://m.21jingji.com/timeline/c7c9675fc930cf8a100e1e5489d09817.html)，21 世纪经济报道 / 南方财经，2026-09-10。定价与峰谷时段定义。
[8]: **[媒体]** [《DeepSeek：9 月 14 日 12:00 下线 V4 Pro 服务》](https://tech.ifeng.com/c/8wIoVkYghqM)，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。
[9]: **[社区]** Hacker News 讨论串 [“DeepSeek launching v4.1 flash cheaper and more capable than v4 pro”](https://hackerdaily.io/49624603/comments)，镜像见 [whnex.com/items/49624603](https://whnex.com/items/49624603)。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。
[10]: **[一手]** [HuggingFace: deepseek-ai/DeepSeek-V4.1-Flash](https://huggingface.co/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](https://so.html5.qq.com/page/real/search_news)。

**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。

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：一次把自家旗舰送走的发布

高级软件开发工程师

人工智能

云计算

新闻资讯

DeepSeek发布V4.1 Flash，以1/3价格实现性能全面超越V4 Pro，KVCache压缩437倍、非对称MoE架构带来结构性成本重排。9月14日V4Pro静默下线，Agent任务成最大受益场景，缓存命中输入降价60%。

代码解释

DeepSeek

路由

Agent

JSON

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

DeepSeek V4.1 Flash：一次把自家旗舰送走的发布-腾讯云开发者社区-腾讯云

DeepSeek V4.1 Flash：一次把自家旗舰送走的发布

DeepSeek V4.1 Flash：一次把自家旗舰送走的发布

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐