9 月 10 日，DeepSeek 正式发布 V4.1 Flash 模型。这是其全新模型结构系列中尺寸最小的一款，具备原生多模态视觉理解能力。同日，该模型上线国家超算互联网，API 服务与权重文件同步开放。

官方对新结构的设计目标表述得很直接：能力上限更高、推理速度更快、吞吐更大，并且可以扩展到更大的参数规模。

5520 亿参数，输入和输出用两套算力

V4.1 Flash 是一个总参数量 552B 的混合专家（MoE）模型，采用了全新的 Causal-Encoder-Decoder（因果编码器—解码器）结构。

这套结构最大的特点是输入与输出不对称：处理输入时只激活 80 亿参数，生成输出时激活 160 亿参数。也就是说，读取信息和生成内容被分配了不同的计算规模。DeepSeek 称，其成本显著低于已知的同尺寸模型。

这种设计与智能体（Agent）的工作方式高度契合。处理代码仓库、长文档和历史对话时，模型往往需要”读很多、写很少”——吞下海量上下文，再输出相对有限的判断、代码或操作指令。把输入环节的计算开销压下来，对这类任务的整体效率改善是直接的。

除结构外，V4.1 Flash 还采用了新的预训练方式，并经过了更大规模的强化学习后训练。官方公布的基准成绩包括：科学问答 GPQA Diamond 得分 90.9，Codeforces 竞赛编程评级 3471，MathArena Apex 得分 65.6。在考察终端任务执行的 Terminal-Bench 2.1 上得分为 90.6，网络安全测试 CyberGym 上得分 88.1——而 V4 Pro 此前公布的对应成绩分别为 87.9 和 83.3。

KV Cache 再瘦身：HBM 需求降到 1/4

另一项关键改进在缓存。V4.1 Flash 大幅减少了 KV Cache 的大小，与上一代模型相比，对 HBM（高带宽内存）的需求减少到 1/4，对 SSD 的需求减少到 1/8。

这个数字对 Agent 类场景的意义尤其突出。缓存命中的费用在长任务账单里往往占比不低，把 KV Cache 压缩下来，等于直接降低了调用成本。从官方披露的演进曲线看，相对初代模型，KV Cache 已经缩小了 437 倍。

API 变更与 V4 Pro 的下线时间表

V4.1 Flash 已同步上线 DeepSeek API，原生支持多模态，开发者将模型名称更改为 deepseek-flash 即可调用。旧版本模型 V4 Flash 与 V4 Flash Vision Exp 现已下线；出于兼容考虑，模型名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 会被暂时路由到 V4.1 Flash。

更值得注意的是 V4 Pro 的退场安排。DeepSeek 表示，经多方测试，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro，因此计划有序下线 V4 Pro：北京时间 2026 年 9 月 14 日 12:00 之后，至未来 V4.1 Pro 上线之前，用户访问 deepseek-v4-pro 的请求将全部路由到 V4.1 Flash，并按 V4.1 Flash 单价计费。

国家超算互联网同步开放

在算力侧，用户可登录国家超算互联网官网（www.scnet.cn）PC 端，从首页进入「模型服务」页面，即可快速打开 V4.1 Flash 的 API 调用界面，无需繁琐的环境配置。依托平台的国产算力资源池与 Notebook 开发环境，企业、科研机构及开发者也可以在 AI 社区下载模型权重文件，开展二次开发、本地部署与技术研究。

据介绍，国家超算互联网作为全国一体化算力网的核心载体，已接入 30 余家骨干算力中心，汇聚近 70 种规格算力资源；其 AI 社区现已汇集 1800 余款国内外热门开源大模型，并陆续接入 DeepSeek、GLM、Qwen、Kimi 等主流国产大模型 API，覆盖文本、图像、视频生成、语音合成、多模态等能力。

一个用更低单价接替自家旗舰、同时把上下文存储开销继续往下压的模型，对高频调用 Agent 的开发者来说，吸引力可能比榜单名次本身更实际。