DeepSeek-V4.1 Flash 是 DeepSeek 于 2026 年 9 月 10 日发布的生产级旗舰大语言模型。该模型并非传统意义上的“小尺寸轻量版”，而是 DeepSeek 全新 Causal-Encoder-Decoder（CED）架构的首发载体，以“参数多、激活少”的非对称设计和极致的 KV Cache 压缩，在较低推理成本下实现了对前代旗舰 V4 Pro 的综合能力承接，并显著偏向 Agent（智能体）与软件工程任务。
发布背景与版本迭代
V4.1 Flash 发布当日，DeepSeek 即下线了 V4 Flash 与 V4 Flash Vision 实验版，相关请求被路由至 V4.1 Flash；V4 Pro 也于 2026 年 9 月 14 日起逐步下线，由 V4.1 Flash 承接流量。此后模型进入快速小步迭代。
| 版本 | 发布时间 | 核心变化 |
|---|---|---|
| V4.1-Flash | 2026年9月10日 | 首发 CED 架构，552B 参数口径，原生多模态 |
| V4.1-Flash-1017 | 2026年10月17日 | 官方定义为“微小更新”，但 Agent 与编码能力显著跃升 |
1017 快照是一次针对 Agent 场景的优化：Terminal-Bench 4.0 得分从 31.2 升至 42.3，DeepSWE v1.1 从 74.2 升至 77.0，ProgramBench 从 20.3 升至 29.1。该版本同时实现输出更短、任务完成更快，直接降低了 Agent 场景下的每任务成本。
核心技术
Causal-Encoder-Decoder 架构
V4.1 Flash 的核心创新是 Causal-Encoder-Decoder（CED） 架构，目标是在保持较大知识容量的同时，将每个 token 的实际计算量压至极低水平。模型采用非对称稀疏激活：输入（prefill）阶段每个 token 仅激活 8B 参数，输出（decode）阶段激活 16B 参数。这种“输入轻、输出精”的拆分，使处理长文档、大代码库等输入密集型 Agent 任务时速度较快且成本可控。
参数规模与 Engram 模块
官方口径中，模型主干参数为 552B（5520亿）。另有资料提及 763B 的总参数口径，差异可能源于是否将 196B 参数的 Engram 条件记忆模块计入总参数。该模块通过 token 查找进行稀疏读取，与主干分离，用于扩展知识容量而不等比例增加每 token 计算量。
KV Cache 压缩
V4.1 Flash 将主 KV Cache 以 FP4 精度存储，降至每 token 约 890 字节，仅为 V4-Flash 需求量的约四分之一；配合 SWA Bounded Replay 机制，持久化 KV Cache 进一步缩减至约八分之一。在硬件层面，对 HBM 的需求降至上一代的 1/4，对 SSD 的需求降至 1/8。这一优化使解码成本几乎不随上下文长度增加而显著上升，对动辄数十万 token 的 Agent 会话尤为关键。
原生多模态与长上下文
模型从预训练阶段即原生支持文本与图像输入，输出仅为文本，无需外挂视觉模块。其视觉编码器 DeepSeek-ViT 采用 2D-RoPE 与像素降采样设计。上下文窗口达到 1,048,576 token（约100万），单次最大输出 384K token。预训练使用 45T 多模态 token，并在最后 34T token 阶段将稀疏注意力从 64K 扩展至完整的 1M 窗口。
性能表现
V4.1 Flash 在官方基准与独立评测中呈现出鲜明的 Agent 特化特征：在工具调用、终端操作和软件工程任务上达到或超越同期部分顶尖闭源模型，而在纯知识性问答上有所取舍。
官方基准（最大推理档位）
| 基准测试 | V4.1-Flash | Claude Opus 5.0 | GPT-5.6 Sol |
|---|---|---|---|
| Terminal-Bench 2.1（终端操作） | 90.6 | 89.1 | 88.8 |
| DeepSWE v1.1（软件工程） | 74.2 | 74.0 | 73.0 |
| AutomationBench | 54.8 | 50.3 | 45.8 |
| Agent's Last Exam | 31.8 | 28.6 | 26.7 |
| GPQA Diamond（专家知识） | 90.9 | 93.4 | 94.1 |
| Terminal-Bench 4.0 | 31.2 | 51.8 | 39.9 |
在 Agent 核心能力上，V4.1 Flash 对同期闭源模型形成优势；但在 GPQA Diamond 和 Terminal-Bench 4.0 上，与 Claude Opus 5.0 仍有明显差距。
Artificial Analysis 独立评测（1017 非推理模式）
在该评测框架下，V4.1 Flash 呈现“低智能指数、极高速度、极低成本”的画像：Intelligence Index 得分为 19，处于同规模模型的下限，但输出速度高达 188.6 token/秒，且输出较为简洁。这印证了其定位：不追求在所有任务上“最聪明”，而是在 Agent 工作流中以可接受的智能水平实现较低的综合任务成本。
定价与可用性
V4.1 Flash 采用峰谷定价，非高峰时段（含周末）价格为高峰时段（工作日晚 UTC 01:00–04:00 与 06:00–10:00）的一半。
| 计费项（非高峰，USD / 百万 token） | 价格 |
|---|---|
| 输入（缓存未命中） | $0.15 |
| 输入（缓存命中） | $0.003 |
| 输出 | $0.60 |
对应的人民币闲时价格为：输入缓存命中 0.02 元/百万 token、缓存未命中 1 元/百万 token、输出 4 元/百万 token。在 Agent 场景中，同一项目文件被反复重发的输入部分因缓存命中率较高而近乎免费，账单大头集中于模型自身输出，因此“输出更短”可直接转化为总成本下降。在 DeepSWE v1.1 上，最高档配置的单任务成本不到 **$0.20**（上一代约 $0.50），低档配置约 $0.10 仍能维持 72%+ 的通过率。
模型已上线 DeepSeek 官网、App 与 API，同时通过 Cloudflare Workers AI、DeepInfra、Featherless 等第三方平台提供服务，并获得了腾讯 WorkBuddy、OpenCode 等应用的接入支持。
开源与生态
V4.1 Flash 的模型权重以 MIT 协议开源，允许商用、修改与再分发，权重托管于 Hugging Face 与 ModelScope。发布同日，DeepSeek 同步推出了 DeepSeek Harness v0.1.5（Agent 运行框架），并开源了跨后端 xPU 内核 JIT 编译库 DeepJIT。这些配套工具与模型共同构成了面向 Agent 工作流的开发生态。
值得留意的记录
2026 年 10 月 15 日，V4.1 Flash 的 API 服务曾出现部分中断。此外，关于总参数规模，官方口径与部分平台记录存在 552B 与 763B 两种表述，差异很可能源于是否将 Engram 模块计入总参数，在参考具体数字时需留意口径来源。
评价与定位
DeepSeek V4.1 Flash 本质上是一次架构效率的宣言。它用 CED 非对称激活和极致的 KV Cache 压缩证明：模型不必在每个 token 上“全力思考”，而可以将有限的激活参数精准投放到生成阶段，从而在 Agent 时代最具决定性的指标之一——单位任务成本——上建立优势。它既是 V4 Pro 在通用能力上的合格继任者，更是一个为“反复读写、多轮试错”的智能体工作流量身定制的效率引擎。