先说一个反直觉的事实：DeepSeek全家桶里最便宜的那一档模型，把自己的旗舰给超了。
9月10日，DeepSeek正式发布 V4.1 Flash，官方口径是”全新模型结构系列中最小尺寸的成员”。按惯例，Flash就该是个”小更新”。但这次官方同时宣布了一件事：V4.1 Flash 在性能、费用、速度、总用时等各项指标上全面超越自家旗舰 V4 Pro——因此 V4 Pro 将于北京时间 9 月 14 日 12:00 起”有序下线”，期间所有发往 deepseek-v4-pro 的请求，都会被自动路由到 V4.1 Flash，并按 Flash 的价格计费。
要知道，就在一个月前（8月17日），DeepSeek 刚经历过一轮”史上最大幅度涨价”——V4 Pro 高峰时段缓存命中价涨了11倍、输出价涨了3.5倍，开发者的称呼从”梁圣”一路跌到”梁子”。一个月后，这次发布完成了口碑反转，社区的原话是：”哎呀，是我们误会梁圣了。”
这不是一次普通的版本迭代，而是架构换代 + 价格阳谋的组合拳。这篇文章把三件事拆清楚：它到底换了什么、便宜在哪、以及 9 月 14 日之前你应该做什么。
一、非对称架构：读和写，第一次分开算
V4.1 Flash 最核心的变化，不在参数，而在骨架。此前的主流大模型几乎全是 decoder-only 结构——”读上下文”和”写回答”用同一套权重、同一份计算预算。V4.1 Flash 换成了全新的 Causal-Encoder-Decoder（CED，因果编码器-解码器） 结构，把两件事拆开了：
| 路径 | 角色 | 激活参数 |
|---|---|---|
| 输入侧（Encoder） | 负责”读”：代码仓库、长文档、多轮历史 | 8B |
| 输出侧（Decoder） | 负责”写”：生成判断、代码、操作指令 | 16B |
为什么这样设计？看一眼 Agent 任务的真实 token 结构就明白了：一次典型的 Agent 调用，输入输出比可能是 100:1 甚至 1000:1——读进去几十万 token 的代码和工具返回，写出来几百 token 的结论。既然 99% 的计算花在”读”上，就没必要让”读”背上和”写”一样重的参数。
技术上，这套结构借鉴了 YOCO（You Only Cache Once）思想：40 层主干拆成 20 层编码器 + 20 层解码器，解码器不再自己逐层计算全局 KV Cache，而是直接拿编码器读完之后”消化好的笔记”（最后一层隐状态投影）开始生成，预填充（prefill）的计算量接近砍半。总参数 552B 的 MoE（每层 384 个路由专家 + 1 个共享专家，每 token 激活 6 个），另配 196B 参数的 Engram 条件记忆模块。
还有一点容易被略过：V4.1 Flash 是原生多模态。图片从预训练阶段（45T token，文本与多模态 7:1）就参与进来，而不是推理期外挂一个视觉模块。这次 App 端也同步把”快速、专家、识图”三个入口合并成了一个——一个模型全包了。
这套 CED 是通用骨架，V4.1 Flash 只是它的最小验证点。官方明说了：结构可扩展到更大参数规模——未来的 V4.1 Pro，会站在同一副骨架上。
二、KV Cache 压缩 437 倍：”便宜大碗”的真正秘密
如果说非对称架构管的是”算”，那缓存压缩管的就是”存”和”读”。这一代的压缩幅度相当激进：
| 指标 | 数值 |
|---|---|
| 每 token 全局 KV Cache | V4 Flash 3514 字节 → 890 字节（约 1/4） |
| 对比 2023 年初代 DeepSeek-V1 | 缩小约 437 倍 |
| HBM（显存）需求 | 降至上一代的 1/4 |
| SSD 持久化缓存需求 | 降至上一代的 1/8 |
压缩是三层协同的结果：CSA2（压缩稀疏注意力 2）把全局 KV 和索引跨层复用，每层只在 Full / Reindex / Reuse 三种模式里认领一种，砍掉重复存储；FP4 量化从训练阶段就习惯 FP4 格式存全局 KV，比推理期强行量化稳得多；SWA 有界重放让滑动窗口缓存不再写入 SSD，只重放最近 128 个 token 就能重建状态。
为什么这事直接等于省钱？因为在 Agent 场景里，缓存命中的费用往往占账单的大头。KV Cache 小了，每步要读的数据就少，同样的硬件能扛更高的并发——官方顺势把并发上限从 500 提到了 2500（5倍）。对高并发生产系统来说，这个提升可能比降价本身更重要。
速度上，社区实测输出速度在 300–500 token/秒，比 Gemini 3.8 Flash 还快，而且几乎不随上下文长度衰减——技术报告里有个数据点：上下文从 4K 拉到 1M，单 token 解码的 FLOPs 只增加约 1/4。长上下文，正在从奢侈品变成日用品。
三、成绩单：反超了旗舰，但没赢过顶级闭源
官方给出的对比（max 推理档）：
| 基准 | V4.1 Flash | V4 Flash | Opus 5 | GPT-5.6 Sol |
|---|---|---|---|---|
| Terminal-Bench 2.1 | 90.6 | 82.7 | 89.1 | 88.8 |
| DeepSWE v1.1 | 74.2 | 54.4 | 74.0 | 73.0 |
| Automation-Bench（办公自动化） | 54.8 | 37.7 | 50.3 | 45.8 |
| CyberGym（网络安全） | 88.1 | 76.7 | — | 84.5 |
| Codeforces（竞赛编程评级） | 3471 | 3289 | — | — |
| GPQA Diamond（科学问答） | 90.9 | 89.9 | 93.4 | 94.1 |
| Terminal-Bench 4.0（最难档） | 31.2 | 7.0 | 51.8 | 39.9 |
冷静地看这份成绩单：
赢的地方很实在。DeepSWE 软件工程任务解决率从上一代 Flash 的 54.4% 跳到 74.2%，与 Opus 5 的 74.0% 同一水平线；办公自动化 AutomationBench 领先 Opus 5 约 4.5 个百分点——这些恰恰是”长上下文 + 工具调用”的典型 Agent 负载，正是新架构红利最集中的地方。
短板也同样是实打实的。GPQA Diamond（90.9）没赢过自家旧旗舰 V4 Pro（92.4），更落后于 Opus 5 和 GPT-5.6 Sol；最能拉开差距的 Terminal-Bench 4.0 上，31.2 对 Opus 5 的 51.8，差距超过 20 分；安全任务的另一项 ExploitGym 上也明显落后（15.3 vs Sol 的 33.7）。
还有一个容易被忽略的变量：同一个模型，框架不同，成绩不同。V4.1 Flash 跑 DeepSWE，用 mini-SWE 是 74.2，换 Claude Code 是 69.8，换 Codex 是 65.6。系统提示、工具定义、上下文管理都会影响模型的发挥——排行榜分数，只是能力的上限参考。
一句话定位：这是一次”性价比宣誓”，不是”王座宣誓”。在 Coding 和 Agent 这类工程落地场景，它站进了第一梯队；强推理的硬骨头，还没啃下来。
四、定价与 V4 Pro 退役：把”便宜”做成产品属性
新价格已于 9 月 10 日 12:00 生效，峰谷机制保留（闲时为高峰半价）：
| 计费项（元/百万 token） | V4.1 Flash 闲时 | V4.1 Flash 高峰 | V4 Pro 闲时 | V4 Pro 高峰 |
|---|---|---|---|---|
| 输入（缓存命中） | 0.02 | 0.04 | 0.15 | 0.30 |
| 输入（缓存未命中） | 1.0 | 2.0 | 4.5 | 9.0 |
| 输出 | 4.0 | 8.0 | 13.5 | 27.0 |
对比上一代 V4 Flash：缓存命中降价 60%、未命中降价约 33%、输出降价约 11%。对比 V4 Pro，缓存命中价格只有约 1/7.5——配合 KV Cache 压缩，缓存命中率越高的 Agent 业务，账单降幅比单价降幅更夸张。
再把时间线连起来看，这波操作的戏剧性就出来了：4 月，DeepSeek 把 Flash 缓存命中价打到 0.02 元/百万 token，创全球新低，封神”梁圣”；8 月 6 日突然预告全线涨价，8 月 17 日生效，梁圣变”梁子”，OpenCode 上 DeepSeek 调用量两天跌了近六成；9 月 10 日，V4.1 Flash 发布，V4 Pro 直接”退役”且按 Flash 价计费——原来 8 月涨价涨的是旧架构的”清仓价”，真正的大招是换架构降本。典型的”定价派”打法：不发券、不搞仪式感，直接把价格做进产品里。
生态侧的动作也很整齐：官方合作伙伴 WorkBuddy（含 CodeBuddy）和 OpenCode 已全量接入；模型以 MIT 许可证开源在 Hugging Face，附完整技术报告；中国科学技术大学 9 月 11 日完成部署开放全校服务，成为国内高校首个上线该模型的平台——发布次日即 Day 1 落地。
五、9月14日之前，做这三件事
9 月 14 日 12:00 后，deepseek-v4-pro 的请求将全部路由到 V4.1 Flash。新架构意味着行为可能有差异。建议现在就固定 20–50 条真实业务样本，记录 V4 Pro 基线，路由切换后对比：提示词稳定性、工具调用格式、JSON 输出、图片理解与 token 用量。有回归集在手，切换才是验收，不是赌博。
高峰时段为工作日 9:00–12:00、14:00–18:00，其余时间闲时半价。离线评估、批量生成、数据清洗、回归测试这类不赶时间的活儿，排到晚上和周末跑——峰谷价差就是 2 倍，这是不需要任何技术含量就能拿到的折扣。
强推理、复杂终端操作类任务（Terminal-Bench 4.0 那类）与新模型仍有代差。理性的组合是：把 V4.1 Flash 放在长上下文阅读、代码理解、批量工具调用这些”它擅长且便宜”的路径上，难任务留给更强的模型兜底。另外注意：自部署门槛是约 2000 卡 GPU + 存储集群，对绝大多数团队，走 API 是唯一理性选择。
写在最后：效率革命，开始赢过参数堆叠
这两年大模型发布会的标准剧本是：更多参数、更高分数。而 V4.1 Flash 这一代，DeepSeek 把北极星换成了另一组指标——“把任务做完所需要的显存、延迟和总成本”。KV Cache 缩小 437 倍、上下文拉到 1M 而解码成本几乎不涨、输出 300–500 token/秒，然后才是分数反超旗舰。
当 benchmark 的分数普遍逼近 90+ 之后，竞争的重心正在从”谁更聪明”滑向”谁更聪明地花钱”。这次发布给出的答案很直白：架构红利可以同时兑换成性能和价格，二者不必二选一。
对开发者，结论是一句：V4.1 Pro 未至而 Flash 先行，旗舰的定义正在被改写——它不再只是最强的那个模型，而是单位成本智能最高的那个。对普通用户，结论更简单：网页版和 App 已经用上这个”最快且更强”的模型，更新一下就能感受到。
· 完 ·
发表回复