深度求索（DeepSeek）公司宣布推出深度求索V4.1-Flash（DeepSeek-V4.1-Flash）模型，该模型具备更高的智能、更快的速度与更优的效率。这是其新架构家族中尺寸最小的模型，同时拥有原生的视觉理解能力。模型设计用于实现更强处理能力、更快推理延迟、更高吞吐总量，并支持扩展至更大参数规模的模型。
正文
- 🚀 推出 DeepSeek-V4.1-Flash：更聪明、更快、更高效。🔹 这是我们新架构家族中最小的模型，具备原生视觉理解能力。🔹 设计目标是更强的能力、更快的推理、更高的吞吐，并能扩展到更大的模型。1/6
- 🧠 非对称架构。更多智能，更低成本。🔹 552B 参数的 MoE。🔹 新的因果编码器-解码器架构：输入仅 8B 活跃参数，输出 16B。🔹 新的预训练方法加上更大规模的 RL 后训练，带来了领先的基准测试结果。
- 💾 更小的 KV 缓存，更大的节省。相比上一代，V4.1-Flash 的 KV 缓存仅需：🔹 1/4 的 HBM 🔹 1/8 的 SSD 存储。缓存命中费用在智能体成本中往往占很大比例，压缩缓存能显著降低成本。3/6
⚡ V4.1-Flash 现已在 DeepSeek API 上线，支持原生多模态。将模型设置为 deepseek-flash 即可。🔹 V4-Flash 与 V4-Flash-Vision-Exp 已退役。为兼容，deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 暂时路由到 V4.1-Flash。
💰 更高效的架构，更低的 API 价格。V4.1-Flash 让我们能以更低成本服务更多用户，并把节省让利给大家。🔹 继续用峰值/非峰值定价平衡需求。🔹 非峰值费率仅为峰值的 50%。灵活的工作负载可安排在非峰值时段。
- 🌐 支持开源，扩展部署选项。我们将与开源社区紧密合作，提供 V4.1-Flash 的推理支持，并探索更多部署方式。计划用 2000 块 GPU 加存储集群做大规模部署？欢迎联系。🔹 模型：
评论
整体气氛几乎是一边倒的赞叹，讨论重心不在「好不好用」而在「这还算不算 Flash」。分歧主要集中在三点：参数翻倍后本地部署门槛被抬高、价格到底是降了还是涨了、以及跑分提升能否兑现为真实体验。架构层面的系统优化则被普遍视为比跑分更值得关注的部分。
认为这已经不是「Flash」，本地部署门槛被抬高了
- 上一代 284B 还算能本地跑，这一代 552B 几乎翻倍，其中约 16B 激活（prefill 阶段 8B），另有约 196B 的 Engram 内存可放在 SSD 上；但 256GB 内存按 4bit 量化装载都差 1GB，还要留给 KV cache。普通消费级主板插满四条内存会明显降速，实际需要 Threadripper 以上的四通道平台（高赞） > 它已经不太算 flash 了。（@revolvingthrow）
- 有人关心到底需要什么硬件才能在本地跑出有意义的速度（较多人）
认为架构与系统优化才是真正的看点
- 因果编码器-解码器结构：40 层 Transformer 拆成 20 层编码器加 20 层解码器，解码器的全局 KV cache 由编码器末端隐状态投影而来，而非逐层自生，于是全局 KV cache 压到每 token 890 字节，约为上一代的四分之一，百万上下文约 1GB；同时支持 1 到 100 的整数推理强度调节，用成本换准确率（较多人） > 更快的 prefill、更小的 KV cache，每百万 token 约 1GB 实在夸张。（@NitpickLawyer）
- 有人把这看成 LLM 已经变成系统问题：先定目标，再围绕架构做系统优化，任何架构最终都能收敛到同一水平，差别只在训练和推理的算力利用率（较多人）
认为技术报告的坦诚度比模型本身更值得称道
- 报告里塞满实打实的细节，对比之下某些厂商的系统卡七成讲安全、一成讲模型福利、两成贴跑分（较多人） > 看 DeepSeek 的报告让人耳目一新。（@kouteiheika）
认为 DeepSeek 胆大，敢在接近前沿的规模上押注新想法
- 每次发布都塞满又新又巧的设计，还坚持按接近前沿的规模去训练，这种 fearless 很难得；有人更想看它那本「聪明但没通过内部筛选」的点子笔记（较多人）
- 有人猜测它正在用这些新技术憋一个完整 Pro 版本，瞄准 Anthropic 或 OpenAI 上市的时间点推出，以冲淡对方的声量（少数人）
对价格变动的解读相反
- 一派认为同时降价，适合作为主订阅额度耗尽、等待重置时的过渡备用模型（较多人）
- 另一派指出输出价格从 V4 Flash 的每百万 0.16 美元涨到 4.1 的 1.20 美元，涨幅相当显著（较多人） > V4 Flash 是 0.16 美元，4.1 变成 1.20 美元。（@lwansbrough）
认为服务速度的实际表现两极
- 有人强调这是效率优先，近几天稳定跑到 300 token/秒（较多人）
- 也有人指出 beta 期还有 400 到 500 token/秒，上了 OpenRouter 后掉到约 150 token/秒；虽不满足，但仍比同类快一倍且价格便宜（较多人）
认为它更听话、限制更少，实用价值被低估
- 让它去下载自己拥有、且所在法域合法的老游戏 ROM 时，美国模型（Grok 除外）倾向拒绝，而它愿意照做
- 用它来找并修复安全问题是很重要的事（少数人）
认为语言和端侧体验仍有毛病
- 移动端即使反复追加「用英文回答」，仍会大量输出中文（少数人）
有价值的补充
- 这是 Flash 系列首次支持多模态，有人试用后认为好过 v4 pro，并推测 Flash 系列将成为今后的重点
- API 会把原本发给 v4 pro 的请求路由到 v4.1 flash
- 讨论区旁还有一条独立帖「DeepSeek 发布 v4.1 flash，比 v4 pro 更便宜也更强」在同步发酵
- 有人等 unsloth 完成量化，想看它在 512GB 内存内跑满上下文时的表现，并与 qwen 3.8-flash-next Q8（加载约 190GB）做正面对比
- 一条调侃：在 Pi 里问它是什么模型，它坚称自己是 Anthropic 的 Claude，换成 curl 直连 API 又说是「可能是 ChatGPT」