六大核心组件

此次开源的核心组件包括：DeepGEMM 用于加速通用矩阵运算；DeepEP 提供高效的大规模跨设备通信；TileKernels 提供常规向量计算与内存访问算子；FlashMLA 提供稀疏注意力算子，可提升长上下文处理效率；DeepSelect 则实现高效的数据筛选。DeepSeek 表示，在多项关键测试用例中，上述组件的计算与通信性能已接近硬件上限。

与华为深度协作

DeepSeek 透露，在面向昇腾平台的研发过程中，华为团队给予了大力支持，双方紧密合作，共同推进基于昇腾 950 的 128 卡超节点方案，并对计算与通信进行了深度优化。

在编程工具层面，TileLang 旨在让开发者更便捷地编写算子——即模型运行时执行矩阵运算、数据处理等具体计算的程序。DeepSeek 称，相比用 CUDA 编程，TileLang 可以简化代码、提高开发效率，同时保留针对芯片特性进行优化的能力。这条路线先在英伟达平台上得到验证，目前已用于 DeepSeek V4 系列模型训练中的大部分算子；昇腾版本则把底层 Ascend C 指令封装起来，让开发者通过更高层语言编写程序，且每一个 TileLang 算子都已有对应的昇腾高性能实现。

实测性能数据

FlashMLA 的项目文档给出了一组具体结果：在昇腾 950 上，处理输入上下文的预填充阶段，稀疏注意力算子最高达到硬件理论峰值的 95%；在逐步生成内容的解码阶段，最高达到 83%。这两项均为项目方公布的测试成绩。

在分布式通信方面，DeepEP 昇腾版负责大规模跨设备通信。对于混合专家模型，不同数据会被分发给不同专家网络处理，计算结果再汇合；DeepEP 提供这类分发与汇合操作，并将公开接口与英伟达版本对齐，方便开发者沿用已有的调用方式。

分析认为，DeepSeek 将自研基础设施组件同时开源到英伟达与昇腾两大平台，有助于降低模型适配国产算力芯片的门槛，推动开放软件生态的建设。

告别命令行，本地直接运行

在此前的版本中，开发者若想使用 DeepSeek Harness，需要先在电脑上安装 Node.js 环境，再通过命令行执行 npx @deepseek-ai/dsh 来启动。这套流程对非前端背景、不熟悉命令行的用户构成了明显门槛。此次桌面版移除了对 Node.js 的运行时依赖，用户只需下载安装包即可在本地运行，覆盖 Windows x64 与 macOS Apple Silicon（M 系列芯片）两类平台。官方也提示，当前版本在功能稳定性与兼容性上仍可能受到限制，建议用户在体验新功能的同时注意保存重要数据，并关注后续正式版本的发布信息。

四种工作模式

桌面应用提供了四种模式，对应不同的使用场景：

– 标准模式：处理代码、文件和资料，适合大多数任务，智能体会按需调用检索、编辑与终端等工具；
– PTC 模式：在标准模式能力基础上，更适合批量调用工具，并对结果进行筛选、整理、去重、统计或汇总；
– 极简模式：智能体仅使用终端工具完成任务，适合测试和对比其基础表现；
– 创造模式：用对话定制 DSH，让智能体编写插件、添加新功能或界面，也能组合工具与提示词，创建属于自己的模式。

“一切皆插件”的底层设计

DeepSeek Harness（简称 dsh）由深度求索于 2026 年 8 月开源，是一款智能体运行时框架，采用 MIT 许可证，以 TypeScript 编写。它最突出的特点是”一切皆插件”（Everything is a Plugin）：模型、工具、技能、会话、沙箱、存储、智能体循环、调度与界面等所有能力，都通过底层插件系统 Cordis 以插件形式提供。这种高度模块化的架构，让桌面版得以把原本散落在命令行与网页中的能力，收敛进一个统一的本地应用之中。

募资目标与估值

知情人士称，DeepSeek 正推进第二轮融资，并筹备在上海证券交易所上市。公司计划在 10 月底前完成本轮融资，目标募资 500 亿元人民币（约 75 亿美元），估值目标为 5000 亿元人民币。这一营收表现被视为有望提振投资者信心。

报道还提及，DeepSeek 首席执行官梁文锋在近期一次投资者会议上向投资者透露，公司持续将大部分资源投入新模型研发，把 70% 以上算力分配给模型训练，留给已有模型推理运行的算力不足 30%。梁文锋表示，近期上调 API 定价并未造成客户流失，用户需求依旧强劲；内部测试显示，公司轻量化模型可在游戏显卡上稳定运行，能够处理用户绝大多数日常任务。营收增长一方面得益于近期 API 定价上调，另一方面也源于其大模型持续受到市场热捧。

资本运作明显提速

据此前公开信息，DeepSeek 于今年 6 月刚刚完成 A 轮融资，融资金额约为 510 亿元人民币，企业估值接近 4000 亿元，成为中国大模型初创企业中首轮融资规模最大的公司之一。在 A 轮融资中，梁文锋本人出资约 200 亿元，为最大单一出资方；腾讯出资约 100 亿元，宁德时代体系出资约 50 亿元，网易、京东、Monolith 砺思资本、IDG 资本分别出资约 30 亿元，正心谷投资与拾象科技分别出资约 15 亿元，国家人工智能产业投资基金出资约 9.8 亿元。

A 轮融资采用了特殊交易架构：除国家人工智能产业投资基金外，所有外部投资方的资金需注入由梁文锋管理的有限合伙企业，而非直接投向 DeepSeek 主体。在该架构下，外部投资方不享有 DeepSeek 投票权，但可获取优先财务信息，并拥有后续潜在融资轮次的优先投资权。仅三个月时间，DeepSeek 估值从近 4000 亿元增至 5000 亿元，增幅超过 1000 亿元。

冲刺科创板 IPO

据多家媒体此前报道，DeepSeek 已于 9 月 9 日聘请中信证券作为辅导机构，为其在上海证券交易所科创板进行首次公开募股做准备，市场预期最快 2027 年完成挂牌上市；不过公司目前尚未签订正式上市辅导协议，具体规模与时间表尚未确定。与此同时，高瓴创投 90 后合伙人严文韬或将加入 DeepSeek 出任首席财务官，这也将是该公司成立以来首次设立 CFO 岗位，主要负责财务体系搭建、投资者关系管理及 IPO 筹备。

在产品层面，DeepSeek 近期迭代节奏密集，已发布全新架构的 DeepSeek-V4.1-Flash，并在招聘端大规模扩招后端与智能体弹性计算研发工程师，重点布局智能体应用方向，从基础大模型向应用层延伸。上述融资与上市进展目前均基于知情人士披露，最终以公司正式公告与监管披露为准。

9 月 19 日，腾讯元宝鸿蒙版 App 在华为应用市场以”尝鲜”形式上架，版本号为 1.0.0.123（内部版本 3532088），活动时间标注为 2026 年 9 月 19 日至 10 月 19 日。这是腾讯旗下 AI 助手首次以原生鸿蒙形态进入华为终端生态，为鸿蒙用户新增了一个可选的智能助手入口。

模型与模式：混元 Hy4 preview 上车

官方介绍显示，元宝将自己定位为”可深度思考的全能 AI 助手”。模型层面，该版本支持混元 Hy4 preview、Hy3 以及 DeepSeek 模型，并提供快速回答、深度思考和专家模式三种交互档位，以适配从闲聊到复杂推理的不同需求。

信源方面，元宝接入了联网搜索公众号、视频号等腾讯生态内容，在中文互联网优质信源的覆盖上具有自身优势。

核心能力：能写能聊还能拍

在功能矩阵上，元宝鸿蒙版围绕”创作”与”对话”两条主线展开。AI 可秒写报告、文案与代码，提升信息处理效率；语音通话则用于陪伴式学习与日常聊天。

识图与翻译是另一组亮点：支持精准识图、即拍即搜，拍照翻译可自动识别语种并将结果直接呈现在图片上，对出境出游或阅读外文材料较为实用。

文档精读助手可识别 36 种文件类型，覆盖常见的办公与学术格式；热搜话题功能支持秒搜，实时捕捉全网热点。

鸿蒙生态与登录细节

此次上架走的是华为应用市场”我的—应用尝鲜”通道。为配合鸿蒙版，微信与 QQ 已新增登录入口。需要注意的是，若微信或 QQ 绑定的手机号与注册元宝的手机号不一致，使用微信或 QQ 登录会生成新账号；用户可先通过手机号登录，在 App 内”设置—账号设置”完成绑定，之后历史对话与积分资产便可继承。

小结

元宝鸿蒙版的上架，既是腾讯在原生鸿蒙生态布局的落子，也折射出 AI 助手正加速向更多终端形态渗透。在尝鲜期内，其功能完整度与实际体验，将是决定用户留存的关键。

IT之家 9 月 16 日消息，一名网友近日在 X 平台分享了一条实操记录：借助 DeepSeek V4.1 Flash 模型配合 Hermes Agent 工具，对《生化危机 7》手游进行纹理压缩与性能调优，在一台一加 12R 手机上把游戏帧率提升了约 50%。这段演示在玩家与 AI 应用圈都引发了不小关注。

背景：安卓上跑这款游戏本就吃力

《生化危机 7》手游目前并未原生登录安卓平台，安卓用户主要依赖 Winlator 等模拟器来运行。即便如此，对处理器性能的要求仍不低。该网友使用的测试机是一加 12R，搭载高通骁龙 8 Gen 2 移动平台——在 AI 时代已属旧款芯片。优化之前，游戏帧率仅约 20FPS，画面明显卡顿。

做法：让 AI 当”性能教练”

具体的操作流程并不复杂。该网友通过 USB 把一加 12R 连接到一台开启调试模式的 Mac 电脑，再让 AI 工具 Hermes Agent 实时监控游戏性能。AI 在分析后指出，限制性能的”罪魁祸首”是 I/O 与内存带宽，而非单纯的算力不足。

顺着这个方向，AI 建议将游戏纹理分辨率从 4096 像素压缩到 1024 像素，甚至进一步降到 512 像素。经过一轮轮调试，原本高达 25GB 的游戏纹理被缩减到仅 8GB；该网友还移除了音频、皮肤等非关键文件，最终整款游戏只占约 13GB 存储空间。

结果：帧率翻倍区间，功耗仅 5 至 6 瓦

优化之后，在画面几乎无损的前提下，游戏帧率从约 20FPS 提升到约 30FPS，提升幅度约 50%。AI 还被要求调用骁龙游戏超分辨率（SGSR）技术，将画面质量从 720p 提升到 1200p。两项改进叠加后，《生化危机 7》不仅画面更清晰，还能稳定跑在 30FPS，整机功耗仅 5 至 6 瓦。

意义：AI 工具正在进入”性能调优”场景

这条记录的价值不在于某款游戏跑得多流畅，而在于展示了一种可复制的思路：当大模型与具备执行能力的 Agent 结合，普通用户也能把”读不懂的性能瓶颈”交给 AI 去定位和解决。对仍在使用旧款处理器的设备而言，这类 AI 辅助调优，或许能让老硬件再撑上一段时间。

据《每日经济新闻》基于OpenRouter最新数据测算，9月7日至13日当周，全球AI大模型总调用量达到127万亿Token，环比增长10.43%。其中，上榜的中国AI大模型周调用量为61.17万亿Token，环比增长7.85%；美国AI大模型周调用量为21.76万亿Token，环比增长31.56%。中国大模型周调用量已连续二十周超过美国，稳居全球首位。

前五占四席：中国模型领跑

在上周全球调用量排名前五的模型中，有四款来自中国厂商，显示出中国大模型在真实使用侧的强势地位。

腾讯混元Hy4 preview于8月28日正式发布并开源，总参数770B、激活参数49B，上下文长度突破1M（百万Token），重点面向Agent（智能体）、Coding（编程）与生产力场景优化，增强在真实业务场景中完成复杂任务的能力。

DeepSeek V4.1 Flash于9月10日发布，采用全新的Causal-Encoder-Decoder（因果编码器—解码器）结构，是一个总参数量552B的混合专家模型（MoE）。据DeepSeek介绍，该模型在性能、费用、速度和任务总用时等指标上已全面超越V4 Pro。

价格战同步打响

伴随V4.1 Flash发布，DeepSeek同步下调了API定价。按每百万Token计算，空闲时段缓存命中输入价格为0.02元、缓存未命中输入为1元、输出为4元；高峰时段分别为0.04元、2元和8元。新价格自2026年9月10日12:00起生效，与此前V4 Flash同一时段价格相比，缓存命中输入降价60%，未命中输入降价约33.3%，输出降价约11.1%。

榜单变动：MiniMax M3、GLM 5.3跌出

值得注意的是，此前一周排名第六的MiniMax M3、排名第九的智谱GLM 5.3，在本周跌出榜单。头部模型的排名在调用量这一维度上波动明显，反映出用户与开发者对性价比、响应速度与场景适配的高度敏感。

解读：调用量为何成为新标尺

与评测榜单衡量”能力上限”不同，调用量衡量的是”真实使用规模”。中国大模型连续二十周在调用量上领跑，说明国产模型不仅在参数与跑分上逼近前沿，更在成本、可用性与生态上赢得了开发者和企业的持续选择。当AI从演示走向生产，谁被真正用起来，正在成为比谁跑分更高更硬的指标。

*本文事实据《每日经济新闻》基于OpenRouter数据的测算及DeepSeek、腾讯混元官方信息整理。*

两条不同的技术路线

海外头部本周的重心在架构与智能体。OpenAI 把 GPT-6 Astra 定位成能直接操作电脑的智能体，Anthropic 则靠 Claude Fable 5.1 在专业任务上继续拉开身位。国产头部则明确表态”架构没动”，提升全部来自强化学习与长程任务环境。智谱官方博客里有一句话很实在：模型能力的提升正在从”模型”转移到”环境”——难点不再是让模型更聪明，而是给它搭出足够接近真实工作的测试环境。

开源权重：一条新分水岭

谁把权重真正放出来、以什么协议放出，正在成为区分模型开放程度的分水岭：

– DeepSeek 的 V4.1-Flash 用 MIT 协议直接放出权重； – Meta 的 Muse Glimmer 采用 Apache-2.0 协议； – 智谱 则选择延后两周、做完安全加固再开源。

三家都开源，但节奏与顾虑完全不同。智谱的谨慎有出处：GLM-5.3 那 2436 个漏洞发现记录，让同一项能力交到谁手里、结果差得很远。这也说明，开源不再只是”放不放权重”的二元题，而是”以何种安全姿态放出”的工程与治理题。

差距究竟在哪里

在中文场景与开源生态两块，国产模型已具备对等实力。SuperCLUE 中文榜前十被国产模型包揽，LMArena 与国际模型大致”五五开”即是证据。但在另两个维度上，海外头部仍然领先：

– 让人愿意投票：盲测偏好测的是”聊得舒不舒服”； – 端到端把活干完：Agent 能力测的是”活干没干完”。

GPT-6 Astra 的盲测反差、Anthropic 约 16 分的领先，都在说明这两套尺子量出来的东西并不相同。

跨榜单的交叉观察

把单个模型在不同榜单上的名次摆在一起，能看出明显的”偏科”：

– DeepSeek V4.1-Flash：在 SuperCLUE 上排国产第 2，中文能力没得说；到了 LMArena 公司榜却只排第 11（1450.77 分），连前 10 都没进。中文评测与国际盲测之间的落差，在它身上体现得最明显。 – OpenAI Astra：在自家评测体系里全面领先，LMArena 上却比 GPT-5.5 低 29 分——盲测与 Agent 能力是两套不同的尺子。 – 智谱 GLM-5.3：LMArena 第 5、SuperCLUE 第 3，两张榜都稳，是这一周表现最均衡的国产模型。

开源权重榜本身也印证了国产的站位。在 LMArena 开源模型榜单中，智谱 GLM-5.3 以约 1477.5 的 Arena 评分位居第一，月之暗面 Kimi K3 约 1471.9 居第二，GLM-5.3-Flash 约 1471.6 居第三，DeepSeek V4.1-Flash 约 1450.8 紧随其后——开源前五中，国产模型占据多席。

对选型意味着什么

对关注大模型选型的中国用户而言，这组信号有两点实用价值：其一，若场景以中文、长文档、国产开源生态为主，国产模型在能力与成本上已可放心作为主力；其二，若场景强依赖”像人一样愿意聊”的盲测体验或”完整把长任务干完”的 Agent 能力，海外头部仍有一段身位优势，需按真实工作负载而非单一榜单分数做判断。

结语

模型江湖瞬息万变。9 月这一周的榜单真正值得记下的，不是谁又涨了几分，而是竞争维度正在悄然切换：从”谁的基座更强”，转向”谁把后训练练得更透、谁把权重更负责任地开源”。开源权重，正在成为继参数规模之后，衡量一家模型公司的新分水岭。

2026 年 9 月 10 日，深度求索（DeepSeek）低调发布 V4.1 Flash 模型。最引人注目的不是参数规模，而是它用一套全新的非对称架构，在性能、费用、速度三项指标上同时超过了自家上一代旗舰 V4 Pro，并将于 9 月 14 日起承接原本发往 V4 Pro 的全部流量。一个体量更小的新模型反超旗舰，在基础模型行业极为罕见。

非对称架构：读和写不再平等

DeepSeek V4.1 Flash 是一个 5520 亿参数的混合专家（MoE）模型，采用全新的因果编码器—解码器（Causal Encoder-Decoder，简称 CED）结构。它的核心思路是：读取输入和生成输出不应该消耗同样的算力。

模型将 40 层 Transformer 拆成两半——前 20 层是因果编码器，后 20 层是解码器。预填充（prefill，即读取输入）阶段只激活 80 亿参数，解码（decode，即生成输出）阶段激活 160 亿参数。知名研究者 Sebastian Raschka 评价，这套改动幅度大到”本该叫 DeepSeek V5″，只涨 0.1 个版本号是低估了它。

这种不对称恰好契合智能体（Agent）的真实工作负载：一个编程智能体可能要读进几万 token 的代码库，最后只产出几行修改；一个研究智能体可能吞下数百万 token 资料，只输出一份摘要。把算力优先分配给”写”而非”读”，单位成本下的有效智能显著提升。

缓存压缩：三年缩小 437 倍

另一项突破是 KV 缓存的极致压缩。V4.1 Flash 每 token 全局 KV 缓存仅需 890 字节，相对初代模型缩小了 437 倍；对高带宽显存（HBM）的需求降至 V4 Flash 的四分之一，对固态存储（SSD）的需求降至八分之一。

在智能体场景中，缓存命中的费用往往占大头，压缩缓存直接压低了长程任务的运行成本。模型还支持 100 万 token 上下文、原生多模态（文本与图像输入），并通过 MIT 协议在 Hugging Face 开放权重。

基准实测：以三分之一参数超越旗舰

第三方与官方基准显示，V4.1 Flash 在多项智能体任务上超过参数量更大的 V4 Pro：

中文评测方面，V4.1 Flash 在 SuperCLUE 首次进榜即拿到 71.81 分，位列国产第二；第三方机构 Artificial Analysis 的综合智能指数给出 39.5 分，超过自家 V4 Pro 的 36 分。不过 Automation-Bench 仍只有 54.8 分，意味着复杂工作流约一半会失败，生产环境仍需人工把关。

价格与路由：把省下的钱让给用户

V4.1 Flash 延续 DeepSeek 的峰谷定价，闲时价格为峰时的 50%。以每百万 token 计：缓存输入闲时 0.003 美元、峰时 0.006 美元；未缓存输入闲时 0.15 美元、峰时 0.30 美元；输出闲时 0.60 美元、峰时 1.20 美元。并发上限从 V4 Pro 的 500 提升到 2500。

自 2026 年 9 月 14 日北京时间 12:00 起，至 V4.1 Pro 上线前，访问 deepseek-v4-pro 的请求将全部路由到 V4.1 Flash，并按 Flash 单价计费。旧的 V4 Flash 与 V4-Flash-Vision-Exp 已下线，相关模型名暂时指向新模型以兼容既有调用。WorkBuddy（含 CodeBuddy）、OpenCode 等平台已全面接入 V4.1 Flash。

行业意义：非对称计算成为新前沿

一个低一档的模型在每一项生产指标上超过旗舰并取而代之，验证了深度求索押注的方向——非对称计算，而非单纯堆大对称模型，正在成为基础模型的新前沿。对开发者和企业而言，这意味着在编程、智能体等长程任务上，可以用更低的单价获得更强的有效智能。

本文基于 DeepSeek 官方发布信息、Baseten 技术分析及腾讯云开发者社区资料整理。

一周四旗舰，能力各有所长

据 itproexpert 汇总的 Artificial Analysis Intelligence Index v4.3（截至 2026 年 9 月 12 日），Claude Fable 5.1 与 GPT-6 Astra 并列综合第一（53 分），前者强在知识与事实准确性，后者领先数学、计算机操作与网络安全。最快最便宜的是 Gemini 3.8 Flash，约 262 tokens/秒，定价 0.75/3.75 美元每百万 token；性价比最高的闭源旗舰是 Claude Opus 5，5/25 美元每百万 token，价格仅为双雄一半。

开源阵营里，DeepSeek V4 Pro 以 MIT 协议、SWE-bench Verified 80.6% 成为自托管代码首选；GLM-5.3 综合指数约 45，适合通用自部署。国产开源正在集体崛起：据 Hugging Face 2026 年 8 月 14 日报告，中国自研开源模型全球下载占比已达 41%，首次超过美国（数据经中文媒体转述）。

中文榜：Qwen 登顶，国产紧贴第一梯队

SuperCLUE 2026 年 9 月中文大模型榜单显示，阿里 Qwen3.8-Max-0902 以综合 72.62 分位居第一，DeepSeek-V4.1-Flash 71.81 分、Qwen3.8-Max 71.48 分紧随其后，三者分差不足 1 分，处于并跑状态。细分赛道则各擅胜场：智能体编程 Kimi 领先，数学推理 DeepSeek 最强，科学推理豆包最好，幻觉控制与任务规划则是 Qwen 断层领先。

怎么选最值：分层组合策略

对绝大多数中国用户与企业，旗舰模型的能力溢价并不划算。务实策略是把任务分层：约 80% 的简单任务用 DeepSeek V4 Flash 或 Qwen 系列，15% 中等复杂度用 DeepSeek V4 Pro，仅 5% 的核心复杂任务才上 Claude Opus 或 GPT 旗舰。按此组合，总体成本可降至纯闭源旗舰方案的十分之一以下。

需要提醒的是，推理速度与质量存在此消彼长：综合分靠前的 Qwen、Kimi 单次响应等待更长，实时交互场景应优先选性价比更高的模型。上下文窗口也不能只看宣称数字——多数宣称 128K 以上的模型在极限前已丢失约一半有效回忆，选长文本模型要看”有效区间”而非”最大窗口”。

2026 年 9 月哪个大模型最强？

没有全局最强。Claude Fable 5.1 与 GPT-6 Astra 综合并列第一，但 Claude 胜在代码与知识、GPT 胜在生态与数学；中文场景 Qwen3.8-Max 登顶，国产已紧贴第一梯队。

国产大模型与国际差距多大？

差距显著收窄。中文榜前三被国产包揽，开源侧中国自研模型全球下载占比达 41% 首超美国；但在超长周期自主工程（如 10 小时以上任务）上，国产与 Claude 仍存在约一倍的差距。

个人开发者怎么选最省钱？

日常用 DeepSeek V4 Flash（闲时约 0.22/0.66 美元每百万 token）或 Qwen 系列，自部署可选 GLM-5.3、DeepSeek V4 Pro（MIT 协议），几乎零授权风险；仅核心任务再调用高价闭源旗舰。

一张表看清九款旗舰定位

结语

大模型”周抛”时代，比拼的不再是单一榜单排名，而是谁能把对的模型放在对的任务上。对国内开发者与企业，国产开源的崛起意味着更低的门槛与更自主的数据；分层选型，才是 2026 年最务实的答案。

本文基于 SuperCLUE 2026 年 9 月中文大模型榜单、Artificial Analysis（经 itproexpert 汇总）及 Hugging Face 报告等公开数据整理分析。

这已经是五天内的第三次调整。

五天三次变卦

9 月 9 日，DeepSeek 首次公告：在 V4.1 Pro 上线之前，会把对 V4 Pro 的请求全部路由到 V4.1 Flash，并按 V4.1 Flash 单价计费。

9 月 10 日，公司发布 V4.1 Flash 模型，同时宣布把 V4 Pro 的下线时间明确到北京时间 2026 年 9 月 14 日 12:00。

9 月 11 日，下线决定取消。按最新口径，deepseek-v4-pro 这个模型名将长期存在，调用它拿到的仍然是 V4 Pro，价格维持原有水平。

接班的新模型，到底差在哪

V4.1 Flash 是 DeepSeek 全新模型结构系列中尺寸最小的一款，总参数 552B，采用 Causal-Encoder-Decoder 非对称结构：输入阶段每 token 只激活 8B 参数，输出阶段激活 16B。它具备原生多模态视觉理解能力，上下文长度 100 万 token，最大输出 384K，并以 MIT 许可在 Hugging Face 开源。

官方说法是，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。

但把模型卡上的 instruct 对比逐项摊开，结论要复杂一些：Codeforces 评分从 3348 升到 3471，提升 123 分；MathArena Apex 从 65.3 微升至 65.6；而 GPQA Diamond 从 92.4 降到 90.9，HLE（无工具）从 42.7 降到 36.8。

换句话说，这是一次用知识类分数换取代码、数学、智能体执行能力和价格的交易，而非全面领先。对重度依赖长链条推理与知识密集型任务的团队，这种取舍并不总是划算——这也是 V4 Pro 被保留下来的直接原因。

便宜这么多，靠的是什么

V4.1 Flash 的成本优势主要来自两处。

一是非对称激活。同尺寸模型中，它的单 token 激活量明显更低。

二是 KV Cache 压缩。与上一代相比，V4.1 Flash 对 HBM 的需求降到四分之一，对 SSD 的需求降到八分之一，全局 KV Cache 压缩到每 token 890 字节。在智能体场景中，缓存命中费用往往占总成本的大头，缓存压得小，账单就跟着降。

现行价格对照

DeepSeek 继续沿用峰谷定价：高峰时段为北京时间周一至周五 9:00 至 12:00、14:00 至 18:00，其余为闲时，闲时价格为高峰时段的一半。计价单位均为每百万 tokens。

deepseek-flash 闲时价格为：输入缓存命中 0.02 元、缓存未命中 1 元、输出 4 元；高峰时段分别为 0.04 元、2 元、8 元。

deepseek-v4-pro 闲时价格为：输入缓存命中 0.15 元、缓存未命中 4.5 元、输出 13.5 元；高峰时段分别为 0.30 元、9.0 元、27.0 元。

两者输出价相差约 3.4 倍，这正是迁移的经济动力所在。

给开发者的三点提醒

第一，模型名不再等于模型本身。此前 deepseek-v4-flash、deepseek-v4-flash-vision-exp 两个旧模型名已经下线，出于兼容暂时路由到 V4.1 Flash。只靠锁定模型名来锁定能力的做法，在这次事件中已经失效。

第二，V4 Pro 得以保留，但 V4.1 Pro 尚未上线，也没有给出时间。推理能力要求高的业务，短期内仍应把 V4 Pro 作为主要选项，并预留回退方案。

第三，如果业务对价格敏感、对时延和吞吐要求高，把负载切到 deepseek-flash 更划算；批量、非实时的任务安排在闲时执行，成本还能再降一半。