DeepSeek V4.1 Flash推倒重来

时间：2026年9月14日 地点：中国杭州（DeepSeek 总部），面向全球开发者同步上线 人物：DeepSeek 创始人梁文锋及其工程团队 事件详情：DeepSeek 正式发布 V4.1 Flash 模型，相对上一代 V4 Flash 采用完全不同的非对称 Transformer 架构 CED（Causal-Encoder-Decoder），原生支持多模态，把 V4 时代积累的训练配方、优化技巧和工程适配大部分作废，从头重训。Harness 同步升级到 v0.1.5，腾讯 WorkBuddy、CodeBuddy 和 OpenCode 已接入。 背景：V4 Flash 是 decoder-only 结构，每层同时负责"读"和"写"，本就是为"聊天"场景设计。但 Agent 时代几十轮中间状态常驻上下文，输入动辄几十万 token，远大于输出。密歇根大学、斯坦福大学等 2026 年 4 月联合发布的论文指出，agentic 代码任务中输入与输出 token 比高达 154:1，传统 decoder-only 在长上下文预填充上严重吃紧，硬件成本高企。 影响：第一，V4.1 Flash 主干为 552B 参数的 MoE，采用 1 个共享专家 + 384 个路由专家、每 token 激活 6 个路由专家，叠加 196B 参数的 Engram 条件记忆模块。第二，新架构把 40 层 Transformer 拆成 20 层因果编码器 + 20 层解码器：编码器只"读"输入并生成摘要，解码器只"写"、其全局 KV Cache 直接从编码器最终隐状态投影，预填充阶段每 token 仅激活 8B 参数、解码阶段激活 16B。第三，CSA2（Compressed Sparse Attention 2）将注意力层划分为 Full、Reindex、Reuse 三种模式跨层共享 KV 与索引，配合 FP4 KV Cache 与 SWA Bounded Replay，把全局 KV Cache 压到 890 字节/token，是 V4 Flash 的 1/4、相比 V1 缩小约 437 倍，HBM 需求降至上一代 1/4、SSD 需求降至 1/8。第四，DeepSeek 同步宣布 V4 Pro 退役，原指向 deepseek-v4-pro 的 API 请求自 9 月 14 日起全部自动路由到 V4.1 Flash 并按 Flash 价格计费。第五，V4.1 Flash 在 Terminal-Bench 2.1、Codeforces、GPQA Diamond 等多项 Agent 与推理基准上超过 V4 Pro，权重以 MIT 协议开源托管在 Hugging Face。 总结：DeepSeek 用架构重写而非堆规模的方式，把"输入比输出重"的 Agent 推理成本压到新低，并以退役自家 Pro 模型的激进商业动作，向"入口公司"全面靠拢；国内大模型正式从"聊天模型"过渡到"Agent 模型"。 参考来源： - 钛媒体《DeepSeek"推倒重来"》https://www.tmtpost.com/8139302.html - Hugging Face README（DeepSeek-V4.1-Flash 官方技术报告）https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash - DeepSeek API 官方文档 https://api-docs.deepseek.com/news/26151 - The Next Gen Tech Insider《DeepSeek Unveils V4.1 Flash Featuring Native Multimodality and CED Architecture》https://www.thenextgentechinsider.com/pulse/deepseek-unveils-v41-flash-featuring-native-multimodality-and-ced-architecture - AGI Hunt《DeepSeek 发布 V4.1 Flash：552B MoE，CED 非对称架构大幅降推理成本》https://agihunt.info/p/1a08a795b517a2be6826b6922f1 - 深求社区《DeepSeek V4.1 重回国产一哥》https://deepseek.club/topic/4367 - 腾讯搜一搜《深度解读 DeepSeek V4.1 Flash 全新架构，如何成为显存杀手》https://so.html5.qq.com/page/real/search_news?docid=70000021_1546aa2ac7c47152