刚刚，DeepSeek新模型上线，长文本缓存硬盘占用暴降88%！

智东西
作者｜毕伟豪
编辑｜李水青

智东西9月10日报道，刚刚，DeepSeek正式发布DeepSeek V4.1 Flash，该模型采用全新架构，是一款552B参数的MoE模型，为DeepSeek全新模型架构系列中尺寸最小的成员，在性能上超越了包括DeepSeek V4 Pro在内的一众旗舰模型。

模型开源地址：

https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash

论文链接：

https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf

同时，DeepSeek App显示已完成全新升级，整合了快速、专家和识图模式，并上线了新模型，网页端应该也已同步上新。

一、性能全面超越旗舰，定价下调

价格方面，得益于模型架构的创新，与DeepSeek V4 Flash相比，DeepSeek下调了V4.1 Flash的定价，峰谷定价机制被保留，闲时价格为高峰时段价格的一半，官方鼓励用户根据实际使用情况调整任务时间。

全新定价为闲时输入（缓存命中）0.02元、未命中1.0元、输出4.0元，高峰时段输入（缓存命中）0.04元，未命中2.0元，输出8.0元，新价格已于2026年9月10日12:00正式生效。

▲DeepSeek V4.1 Flash定价表（图源：DeepSeek）

该模型具备原生多模态视觉理解能力，采用了全新的Causal-Encoder-Decoder架构，输入和输出不对称，输入激活参数只有8B，输出激活为16B，成本显著低于已知的同尺寸模型。

▲DeepSeek-V4.1-Flash与主流前沿模型在Agentic Benchmark上的性能对比（图源：DeepSeek）

同时，在新的预训练方式和更大规模强化学习后训练的加持下，这款更小尺寸的模型在Agentic Benchmark等基准测试中超越了DeepSeek V4 Pro、GLM5.3、Kimi-K3等多款前沿旗舰模型。

▲DeepSeek-V4.1-Flash与主流前沿模型在Agentic Benchmark上的性能对比（图源：DeepSeek）

官方在公告中给出了新模型架构的设计初衷：能力上限更高、推理速度更快、吞吐更大，并且可以扩展到更大参数规模的模型。

二、缓存大幅压缩，DeepSeek V4 Pro即将退场

新一代模型在KV Cache缓存效率方面有了大幅提升，与DeepSeek V4 Flash相比，V4.1 Flash对HBM的需求减少到1/4，对SSD的需求减少到1/8。DeepSeek官方称，初代模型DeepSeek V1的KV Cache是DeepSeek V4.1 Flash的437倍。

▲DeepSeek在减少上下文存储方面的持续进展（图源：DeepSeek）

这一次压缩由架构、缓存精度和部署策略三方协同完成。架构上，新模型采用CSA2（压缩稀疏注意力2）机制，将全局KV缓存和Top-K索引跨层复用，每一层只保留自己的查询向量和局部注意力缓存，重复存储被大幅砍掉。

缓存精度方面，模型从训练阶段就直接用FP4格式存储全局KV缓存，官方称性能损失几乎可以忽略。部署一侧，新增SWA有界重放机制，只需重放最近的n个token，就能近似重建滑动窗口注意力（SWA）所需的状态，SWA缓存因此不必再写入SSD，持久化缓存的占用进一步压到V4 Flash的1/8。

这些设计叠加，把上下文从4K拉长到1M，单token解码FLOPs只增加约四分之一，解码成本几乎不随上下文长度增长。

▲DeepSeek-V4.1-Flash上下文长度和前代模型对比（图源：DeepSeek）

这项数字直接关系到用户账单，在Agent使用场景中，缓存命中的费用往往占比较高，KV Cache的压缩大幅降低了Agent类任务的使用成本。对需要长上下文、多轮调用的Agent工作流来说，同样的预算能跑更多的任务。

目前，DeepSeek V4.1 Flash已同步上线DeepSeek API，用户将模型名称改为deepseek-flash即可调用V4.1 Flash，旧版本模型V4 Flash与V4 Flash Vision Exp现已下线，模型名deepseek-v4-flash、deepseek-v4-flash-vision-exp将被暂时路由到V4.1 Flash。

昨日，DeepSeek方面宣布，由于在多方测试中DeepSeek V4.1 Flash的各项指标全面超越DeepSeek V4 Pro，因此DeepSeek将从北京时间9月14日12:00起有序下线V4 Pro，所有deepseek-v4-pro的请求都将被路由到新模型，按V4.1 Flash单价计费。

▲DeepSeek模型调整公告（图源：DeepSeek）

三、全力支持开源，WorkBuddy、OpenCode全量接入

除模型能力之外，DeepSeek在开源和生态方面也有一系列动作。

DeepSeek今日宣布将会全力支持开源社区进行新模型的推理适配，并尝试通过各种方式扩大部署的范围。如果用户有大规模部署的需求且具备相应的资源（2k卡GPU、有存储集群），可以与DeepSeek联系。

刚刚，DeepSeek Harness v0.1.5版本同步上线，DeepSeek V4.1 Flash模型针对DeepSeek Harness进行了专项训练和优化，用户在使用DeepSeek V4.1 Flash模型时，DeepSeek Harness新版本还支持在保留已有KV Cache的情况下更新系统提示词。

生态侧，腾讯（WorkBuddy、CodeBuddy等）和OpenCode作为官方合作伙伴，现已全量接入DeepSeek V4.1 Flash，OpenCode Go套餐提供了4倍使用额度。

▲OpenCode模型使用额度表（图源：OpenCode）

WorkBuddy中同样提供限时两周的独家优惠，腾讯云TokenHub、ima、Marvis、CodeBuddy同步接入DeepSeek V4.1 Flash。而在此前路透社关于DeepSeek融资的相关报道中，腾讯正是DeepSeek投资人之一。

同期开源的还有DeepJIT，一个轻量级的xPU内核JIT编译库，同时支持NVIDIA CUDA GPU和华为昇腾NPU两大后端，为推理侧的内核编译提供统一接口和跨节点共享缓存能力。

结语：最小模型反超旗舰，推理成本持续下降

DeepSeek V4.1 Flash这款模型，在用全新架构将成本压低的同时，用更大规模的强化学习将智能水平拉高，以更小的尺寸在自家产品线上完成了对旗舰的全面超越。

对高频使用Agent的用户来说，缓存压缩和价格的降低叠加，实际账单的变化会比基准分数体感更强。

从更长的时间线看，官方宣称新架构可扩展到更大参数的模型，我们或可期待一下即将到来的DeepSeek全新旗舰模型。

可以看到，DeepSeek的产品线正围绕新架构重新排序。V4 Pro的有序下线只是这次更替的开始，后续更大参数的模型能把前沿模型的性价比推到什么程度，值得期待。