DeepSeek V 4.1-Flash 发布：552 B 参数只激活 8 B，百万上下文还涨价前的最后一班车

一句话结论：DeepSeek 用一套新架构把 V 4-Pro 这个自家旗舰直接干退役了——V 4.1-Flash 在多个 Agent 基准上反超 V 4-Pro，激活参数却只有它的六分之一，9 月 14 日起 V 4-Pro 请求会自动路由到新模型。

AI 摘要

• 发生了什么：DeepSeek 9 月 10 日开源 V 4.1-Flash，552 B 参数的 MoE 模型，支持百万 token 上下文。
• 核心变化：新 CED 架构让每次推理只激活 8 B（输入）/16 B（输出）参数，比 V 4-Pro 的 49 B 大幅下降。
• 影响对象：用 DeepSeek API 的开发者、跑本地开源模型的团队、关注国产模型选型的人。
• 下一步观察：9 月 14 日调价和 V 4-Pro 退役后的实际成本变化。

发生了什么

DeepSeek 在 9 月 10 日开源了 V 4.1-Flash，一个 552 B 参数的 Mixture-of-Experts 模型，权重放在 Hugging Face，MIT 协议。官方同步在 API 文档里宣布：V 4.1-Flash 已经在性能、成本、速度、总耗时上全面超过 V 4-Pro，所以计划让 V 4-Pro 有序退役。

时间点很明确。从 9 月 14 日中午 12 点（北京时间）开始，所有指向 deepseek-v4-pro 的请求都会被路由到 V 4.1-Flash，按 Flash 的价格计费。也就是说，如果你还在用 V 4-Pro，一周后你的代码不用改，但背后跑的是新模型。

这个发布时间也不是偶然。DeepSeek 正在筹备科创板 IPO，在路演前拿出一套「效率碾压自家旗舰」的架构，是很直接的信号。

CED 架构为什么是关键

V 4.1-Flash 的核心变化是架构，叫 Causal Encoder-Decoder，简称 CED。传统 MoE 模型每次推理要激活的参数量，是成本的直接来源。V 4-Pro 激活 49 B，V 4.1-Flash 只激活 8 B（prefill 阶段）和 16 B（decode 阶段）。

具体做法是把 40 层 Transformer 拆成两段：20 层因果编码器加 20 层解码器。解码器的 KV cache 直接投影自编码器最后一层的隐藏状态，而不是每一层各自算一遍。再加上 SWA Bounded Replay 和 Compressed Sparse Attention 2，把 KV cache 的持久化占用砍到了 V 4-Flash 的约八分之一。

对开发者来说，这组数字翻译成人话是：输入密集型的 Agent 工作负载，尤其是要反复读长文档的场景，成本会明显下降。官方给的最直观对比是——按 token 计算的 KV cache 大小，V 4.1-Flash 是 V 4-Flash 的四分之一，是 V 1 的四百三十七分之一。

它到底强在哪，弱在哪

看基准测试要冷静。V 4.1-Flash 不是全面碾压，是有选择地赢。

赢的地方集中在 Agent 和代码：DeepSWE v 1.1 的 Resolved 分数 74.2，超过 V 4-Pro 的 62.7，也超过 Opus-5.0 的 74.0；Terminal-Bench 2.1 拿到 90.6，是列表里最高的；Codeforces 评分 3471，同样是最高。这几项说明它在真实软件工程任务上确实有东西。

但也有一些指标是退步的。MGSM 从 V 4-Flash 的 85.7 掉到 80.2，MathArena Apex 虽然和 Kimi K 3 打平 65.6，但和 V 4-Pro 的 65.3 差不多。HLE 的 36.8 也低于 V 4-Pro 的 42.7。翻译成结论：这代 Flash 更偏「干活」而不是「刷分」，Agent 和代码是主战场，纯推理和数学不是它最亮的地方。

对国产模型格局意味着什么

V 4.1-Flash 的发布，让「Flash 系列反超 Pro 系列」这件事在国产模型里又发生了一次。之前智谱的 GLM-5.3-Flash 也是走这个路线，用更小的激活参数打出了接近甚至超过上一代旗舰的表现。

放到 国产大模型选型决策树那篇的判断框架里，这个趋势在强化一个结论：选型看激活参数和单位成本，比看总参数量更有意义。552 B 的 V 4.1-Flash 论体量比 284 B 的 V 4-Flash 大，但激活参数反而从 13 B 降到了 8 B，这中间的效率提升才是关键。

对开发者最实际的影响是迁移成本。9 月 14 日之后 V 4-Pro 自动路由到 V 4.1-Flash，意味着你不需要改 API 端点就能拿到新模型。但如果你在跑本地推理，552 B 的权重对硬件要求并不低——官方给的最低配置是 1 张 B 200 或者 2 张 H 100，FP 4 量化，这不是普通开发者一台机器能扛的。想跑轻量本地模型，48 GB Mac 上的 slotstream 那篇讲了更现实的方案。

智盒判断

短期看，这是一次漂亮的架构叙事。用 CED 架构把激活参数压下来，同时保住 Agent 和代码基准，DeepSeek 在 IPO 前交出了一份「我还在涨」的答卷。

中期看，真正的变量是 9 月 14 日的调价。官方说「把节省的成本让给用户」，但具体价格表还没完全铺开。如果 Flash 的价格真的比 V 4-Pro 便宜到明显一截，那对国产模型的 API 市场又是一轮挤压，其他厂商的 Pro 系列会很难受。

长期看，CED 这种架构思路如果被验证有效，会像之前的 MLA 一样成为下一批国产模型的标配。DeepSeek 在架构创新上已经形成了「发布一个、带动一批」的节奏，这是它和纯靠堆数据的厂商拉开差距的地方。这也延续了我们在 国产模型周报里观察到的趋势——国产模型的竞争已经从前沿刷分转到了成本和场景。

有哪些值得关注的观察点

FAQ

我现在用 V 4-Pro，需要做什么吗？

不需要。9 月 14 日之后请求会自动路由到 V 4.1-Flash，按 Flash 价格计费。但建议你在那之前用几个自己的典型任务测一下新模型，确认输出风格符合预期。

552 B 参数是不是意味着本地跑不动？

对，本地门槛很高。官方最低配置是 1 张 B 200 或 2 张 H 100 加 FP 4 量化，这已经超出个人开发者和小团队的硬件范围。

它和 GLM-5.3-Flash、Kimi K 3 怎么比？

三者路线不同。V 4.1-Flash 强在 Agent 和代码，GLM-5.3-Flash 走匿名测试的热度路线，Kimi K 3 在长上下文和中文场景有积累。具体到「写代码」这个场景，V 4.1-Flash 的 DeepSWE 和 Terminal-Bench 分数目前看是最扎实的，但选型还是得回到你自己的任务上测。