DeepSeek V4.1 Flash 上线：552B MoE 模型压低成本，V4 Pro 即日下线
DeepSeek V4.1 Flash 正式上线，V4 Pro 同步退役
周四上午，DeepSeek 宣布 V4.1 Flash 在网页、App 和 API 三端全面上线。这款新模型不仅取代了此前的 V4 Pro，还带来了架构、性能和成本上的多重改进。
最核心的变化是：V4 Pro 的 API 将在 9 月 14 日中午 12 点正式下线。此后所有指向 V4 Pro 的请求都会被自动路由到 V4.1 Flash，并按 Flash 系列的新定价计费。对开发者和企业用户来说，这意味着一次强制但可能是更划算的升级。
与此同时，普通用户在网页或手机 App 上看到的“快速”“专家”“识图”三个模式也已合并，统一由 V4.1 Flash 驱动。现在无论你点哪个入口，用的都是同一个最新模型，还能同时开启深度思考和联网搜索。
552B MoE + 新架构：大容量，低开销
V4.1 Flash 是一个总参数规模达 552B 的稀疏混合专家（MoE）模型。但它并没有把全部参数都用在每次推理上——这是它控制成本的关键。
它采用了名为 Causal-Encoder-Decoder 的全新架构，并对输入和输出做了非对称计算设计：处理输入时只激活约 8B 参数，生成输出时激活 16B 参数。这种设计特别适合现实中的 Agent 类任务：往往要读几万甚至几十万 token 的上下文（比如代码库、工具返回、历史对话），但最终只输出几十到几百个 token 的指令或回答。
换句话说，模型“看得多，说得少”，而 V4.1 Flash 正好针对这种模式优化了计算资源分配。既保留了大模型的知识容量，又避免了为冗余计算买单。
KV Cache 大幅压缩，显存和存储需求骤降
除了架构调整，DeepSeek 还在缓存层面下了狠功夫。官方称，V4.1 Flash 的 KV Cache（键值缓存）体积相比上一代大幅缩小：对 HBM（高带宽显存）的需求降至 1/4，对 SSD 的需求更是降到 1/8。
这个数字很关键。要知道，V4 一代的 KV Cache 已经只有 V3.2 的约 7% 了，现在又进一步压缩，说明 DeepSeek 在缓存压缩算法上有了质的突破。
更小的 KV Cache 意味着什么？首先，同样长度的上下文占用的高速显存更少，系统能同时处理更多并发请求；其次，因为 DeepSeek 的服务栈一贯把 SSD 当作一级缓存使用（这在业内不多见），SSD 需求下降直接降低了硬件成本和 I/O 廋颈。
社区实测中，V4.1 Flash 能稳定跑出 400 token/s 的生成速度，而且速度几乎不随上下文长度增加而衰减。原因就在于：现在每步推理要读取的 KV 数据已经小到不再主导显存带宽，真正的瓶颈变成了模型权重本身的读取——而这部分是固定的。
基准测试：强项突出，短板仍在
从官方公布的基准结果看，V4.1 Flash 在特定领域表现亮眼。在 DeepSWE v1.1（软件工程自动化）、CyberGym（网络安全模拟）和 Automation-Bench（通用自动化任务）三项测试中，它都拿到了图中最高分。
不过，优势并非全面。在 Terminal-Bench 3.0 上，它的得分是 30.0，明显落后于 Opus 5 的 43.3 和 GPT-5.6 Sol 的 34.4。在 GPQA Diamond、ProgramBench 等更偏理论或复杂编程的测试中，与顶级闭源模型仍有差距。
这说明 V4.1 Flash 的优化方向非常明确：优先提升 Agent 和工程类任务的能力，而非追求全能。它在 Coding 和自动化场景下确实有很强竞争力，但别指望它在所有基准上都碾压对手。
值得一提的是，第三方评测平台 OpenDesign 的数据显示，在其 OpenDesign Arena 基准上，V4.1 Flash 已经排到世界第二，仅次于 Astra，超过了 Fable 5.1。
定价策略：闲时便宜，高峰翻倍
随着模型切换，DeepSeek 也公布了 V4.1 Flash 的 API 定价：
- 空闲时段：输入缓存命中 0.02 元 / 百万 token，未命中 1 元 / 百万 token；输出 4 元 / 百万 token
- 高峰时段：所有价格翻倍
这个定价结构鼓励用户利用缓存——如果系统能复用之前计算过的上下文（缓存命中），输入成本几乎可以忽略。这对需要反复调用同一段长上下文的 Agent 应用非常友好。
配套工具同步更新：DeepSeek Harness v0.1.5
新模型上线的同时，DeepSeek 也发布了 DeepSeek Harness v0.1.5。这个 Web 界面现在支持上传图片、PDF 等文件，并与 V4.1 Flash 的训练深度结合。
据官方介绍，模型在不同 DSH（DeepSeek Harness）配置下都进行了专项训练和优化。新版还为插件开发者提供了更多标准化的 UI 扩展接口，新增了文件上传、侧边栏预览等功能，并优化了整体交互性能。
一些第三方平台如 Workbuddy 也已同步接入 V4.1 Flash，开发者可以很快在自己的工具链中用上这个新模型。
总结：一次精准的工程迭代
V4.1 Flash 不是一次炫技式的“全面超越”，而是一次高度聚焦的工程优化。它没有盲目堆参数，而是通过架构创新和缓存压缩，把资源集中在最可能产生价值的场景——长上下文、低输出、高并发的 Agent 任务。
对 DeepSeek 来说，砍掉 V4 Pro 是个大胆但合理的决定：与其维护两个相近的高端模型，不如全力推一个成本更低、效率更高的版本。对用户而言，这次升级意味着更强的工程能力、更低的使用门槛，以及一个更清晰的产品路线。
现在的问题是：实际体验如何？欢迎在评论区聊聊你的测试结果。
