DeepSeek 周四正式发布 V4.1 Flash 模型——全新模型架构系列中尺寸最小的成员，却带着原生多模态视觉理解能力登场。官方给出的定位很直白：能力上限更高、推理更快、吞吐更大，而且为将来扩展到更大参数模型铺路。
V4.1 Flash 是一个 552B 参数的混合专家模型（MoE），采用全新的 Causal-Encoder-Decoder 结构。它最特别之处在于输入与输出不对称：处理输入时只激活 8B 参数，生成输出时激活 16B 参数。这种设计让成本显著低于已知的同尺寸模型——更多智能，更少开销。配合新的预训练方法和更大规模的强化学习后训练，V4.1 Flash 在基准测试中交出了超越旗舰的成绩，包括自家的 V4 Pro。
KV 缓存的压缩是另一个亮点。相比前代，V4.1 Flash 的 KV 缓存只需要四分之一的 HBM 显存和八分之一的 SSD 存储。缓存命中费用通常占智能体（Agent）成本的大头，把缓存压下来，等于直接砍掉了智能体应用最肉疼的那笔账单。模型即日起已在 DeepSeek API 上线，模型名设为 deepseek-flash 即可调用；旧版 V4 Flash 与 V4 Flash Vision Exp 已退役，为兼容起见，旧名称暂时路由到新模型。
定价方面，DeepSeek 继续采用峰谷定价策略：闲时价格是高峰时段的一半，鼓励开发者把灵活负载安排到低谷期。多项第三方测试显示，V4.1 Flash 在性能、费用、速度、总用时上全面超越 V4 Pro，因此官方计划逐步下线 V4 Pro——北京时间 9 月 14 日 12:00 之后，所有 deepseek-v4-pro 请求将路由到 V4.1 Flash，并按 V4.1 Flash 单价计费，直到 V4.1 Pro 上线。官方合作伙伴 WorkBuddy（含 CodeBuddy）和 OpenCode 已完整支持新模型。
开源依然是 DeepSeek 的底色。V4.1 Flash 的权重和技术报告已发布在 Hugging Face，采用 MIT 许可，模型同时具备 1M token 的上下文窗口。官方表示会与开源社区紧密合作推进推理支持，并探索更多部署选项——还专门留了话：计划用 2000 张 GPU 加存储集群做大规模部署的团队，可以直接谈。
小尺寸、大智能、低成本的组合拳，正在把前沿模型的性价比天花板不断抬高。