把大模型当办公楼看，就懂 DeepSeek 为什么敢一直降价

把大模型当办公楼看，就懂 DeepSeek 为什么敢一直降价

9 月 10 日，DeepSeek 发布了新模型 V4.1 Flash。

发布当天还有一条少见的消息：自家上一代旗舰 V4 Pro，9 月 14 日起退役下线，所有请求全部转给这座新模型。

一个新模型，参数量是老旗舰的一半左右，价格更低，把自家最贵的模型挤下线，它靠什么？

这次不堆名词，用一栋 40 层的办公楼，把它的省钱的门道讲清楚。

一栋只开部分灯的楼

把大模型想成一栋 40 层的办公楼，模型的一层网络就是楼的一层。

全楼有 552B 个参数工位，但大部分工位平时是黑的：每来一个任务，只点亮一小部分。

这就是所谓的 MoE，专家混成，谁在岗谁干活，没被点名的专家不出工。

这栋楼跟老式模型最大的不同，是楼上楼下分工明确：1 到 20 层是阅读区，21 到 40 层是写作区。

你发给它的长文档（代码仓库、聊天记录、终端输出）完整走过 1 到 20 层，每层只开 8B 的工位灯。

轮到生成回答时，21 到 40 层每层开 16B 的灯。

写作比阅读费人，但写作的量比阅读小得多。

AI 干活的日常是读十页写一句：读文件、翻聊天记录、查终端报错，真正落笔的就几十个字。

老式模型是一栋 40 层楼既管读又管写：读一份文档，每层都得起全套人马伺候。

这栋楼把读写拆开，读的成本直接减半。

DeepSeek 给这套设计起的名字叫「因果编码器-解码器」，听着唬人，实际就是阅读区和写作区分层办公。

写作区 · 21-40 层每层亮 16B 灯第 20 层：交出「会议纪要」（全局 KV）阅读区 · 1-20 层每层亮 8B 灯输入输出读写长输入完整走过 1-20 层（8B）；生成回答走 21-40 层（16B）· 数据：DeepSeek V4.1 技术报告

第20层交出会议纪要

省人的招讲完了，再看省档案室的招。

模型读过一篇长文档之后，需要把「读过的内容」存成笔记，后面写回答时要随时翻。

这套笔记在行业里叫 KV 缓存，是大模型成本里最咬手的一块：

上下文越长，笔记越厚，楼里的档案室（显存）和地下仓库（硬盘）越挤。

传统做法是每层楼都各自记一份全套笔记，40 层楼就是 40 份完整档案。

DeepSeek V4.1 Flash 的做法：读到第 20 层，把全部理解压缩成一份「会议纪要」，交给写作区。

21 到 40 层共用这份纪要干活，不再各自记笔记。

你看到的「长输入完整通过前 20 层、后 20 层基于第 20 层状态」，说的就是这件事。

纪要会不会丢信息？会有人担心。

但看成绩单：它在修软件 bug 的 DeepSWE 考试拿 74.2 分，超过自家上代旗舰的 62.7；在命令行实操的 Terminal-Bench 2.1 拿 90.6 分，排到前列。

纪要没耽误干活。

每个字的笔记：少了四分之三运行时全局 KV 缓存（字节/Token）上一代 V4 Flash≈3560 BV4.1 Flash890 B↓ 降到约 1/4持久存储（地下仓库常年占用）上一代100%V4.1 Flash≈1/8代价：翻旧账时重读最近几页重建，官方未公布极端恢复耗时数据：DeepSeek 官方发布 · 2026-09

三板斧压到八分之一

会议纪要只是第一刀。

往下还有三招，把存储一路压到底。

第一招，跨层共用（CSA2）。

写作区不是每层都建档案室：有的层存全套，有的层只存检索目录，有的层连目录都直接借楼上邻居的。

要用的时候按目录去找，不用每层都备一份。

第二招，速记符号（FP4）。

笔记不存逐字录音，只存速记，每个数字占的位数砍掉大半。

折算下来，每处理一个字，全局笔记只占 890 字节。

100 万字的上下文，笔记总共约 0.9 GB，一块 U 盘就装下。

第三招，旧账不进仓库（SWA Bounded Replay）。

最近几页笔记放抽屉里随手翻，更早的现场笔记干脆不存进地下仓库。

真要翻旧账，把最近几页重读一遍就能重建出来。

仓库常年占用直接降到上一代的八分之一。

三招合计：运行时档案降到上一代的约四分之一，持久存储降到约八分之一。

官方的说法是 HBM 需求 1/4、SSD 需求 1/8。跟初代模型比，缓存已经缩小了 437 倍。

短跑第一，马拉松落后Terminal-Bench 成绩（分数越高越好）90.689.1TB 2.130.043.3TB 3.031.251.8TB 4.0V4.1 FlashClaude Opus数据：DeepSeek 官方评测表 · 最大思考档 · 2026-09

成绩单的三个小字

74.2 和 90.6 这两个分数是真的，但都带着三个小字条件，引用之前得看全。

小字一：给足了思考时间。

官方所有成绩都是把「思考档位」拉到最大的 100 档跑出来的。

这个档位可以从 1 调到 100，档位越低越快越便宜，分数也跟着掉。限时考，分数不是这个数。

小字二：分数里含装备分。

同一个模型配不同的「考试脚手架」（外面套的自动化操作框架），成绩差得不少：DeepSWE 换 8 套脚手架，分差接近 9 分。

分数是「模型加装备」的联合成绩，不全是模型裸能力。

小字三：短跑第一，马拉松落后。Terminal-Bench 2.1 它拿 90.6 排第一，但更难的 3.0 版掉到 30.0、4.0 版只有 31.2，都被 Claude Opus 压着（43.3 和 51.8）。

任务越长越复杂，差距越明显。

「轻量任务能打」成立，「全面领先」不成立。

还有一条藏在合同里：翻旧账省仓库的前提是「要花重读的时间」。

缓存全丢、百万字文档冷启动这种极端情况要多花多少时间，官方没给数据。

省存储是真省，但不是白省。

和你有什么关系

直接用 DeepSeek API 跑自动化任务的，缓存命中价只有正常输入价的约 2%，长任务的账单会明显变薄。

不跑 API 的，这栋楼也是一个信号：行业的比法正在变。

过去比谁楼大，现在比谁会过日子。

旗舰按小模型的价格卖，省下的钱最后体现在你付的账单里。

下次看到厂商比参数，多问一句：点亮了多少灯，笔记存了多少，那才是决定价格的部分。

#DeepSeek #大模型 #AI成本 #人工智能#科技前沿

数据来源：DeepSeek V4.1 技术报告与官方发布（2026-09-10）· Terminal-Bench、DeepSWE 官方评测口径 · 分数为最大思考档+指定脚手架条件下的官方自报成绩

喜欢就点击关注我哦～