北京時間 9 月 10 日中午 12 點，中國深度求索（DeepSeek） 正式發布 DeepSeek-V4.1-Flash，同步調降 Flash 系列 API 價格，並把上一代的 V4 Flash 與 V4 Flash Vision Exp 直接下線。官方在公告裡另外宣布一件事：9 月 14 日中午 12 點之後、到 V4.1 Pro 上線之前，所有送往 V4 Pro 的請求將全部改由 V4.1 Flash 接手，並按 Flash 的單價計費。DeepSeek 表示 V4.1 Flash 在性能、費用、速度、總用時等指標上全面超越 V4 Pro，因此計畫有序下線 V4 Pro。
DeepSeek V4.1 Flash 官方定位：新架構家族的最小顆，原生看得懂圖
V4.1 Flash 是 DeepSeek 全新模型結構系列中尺寸最小的模型（552B MoE 架構模型），具備原生多模態視覺理解能力，設計目標寫得很直白：能力上限更高、推理速度更快、吞吐更大，並且可以擴展到更大參數規模的模型。翻成白話，這顆 Flash 是新架構的第一顆，後續更大的型號會沿著同一套結構往上堆。
🚀 Introducing DeepSeek-V4.1-Flash: smarter, faster, more efficient.
🔹 Introducing the smallest model in our new architecture family, with native visual understanding.
🔹 Designed for greater capability, faster inference, higher throughput, and scaling to larger models.1/6 pic.twitter.com/wxJGiyX56o
— DeepSeek (@deepseek_ai) September 10, 2026
生態系方面，騰訊的 WorkBuddy 與 CodeBuddy，以及 OpenCode 已宣布全量接入 V4.1 Flash。
速度實測：每秒 427 tokens，前代的 6 倍
V4.1 Flash 最直觀的升級是速度。多位技術部落客與開發者實測，深度長文本推理場景下生成速度可達每秒 420 個 token，端到端吞吐量達到 409.5 tok/s。在部分媒體的測試中，峰值甚至觸及 427 tok/s。
與前代 V4 Flash Vision-Exp 相比，各類任務的提速幅度如下：
- 49k 超長上下文檢索：5.2 倍
- SVG 程式碼生成：6.0 倍
- Manacher 回文演算法題：4.6 倍
- 大型 SQL 查詢生成與最佳化：5.0 倍
- asyncio 異步架構重構：3.9 倍
有開發者在 Hacker News 上分享，用 V4.1 Flash preview 跑大量任務時，模型的生成速度快到「比工具呼叫本身的延遲還快」。在終端機環境下執行 .metal 到 .cu 的核心轉換重構，V4.1 Flash 需要的引導比 Opus 更少，還寫出更好的程式碼註解。
至於能力部分，官方公布的評測數字如下：
- GPQA Diamond：90.9
- HLE（無工具）：36.8，官方另註記 39.1 是在純文本子集上的成績
- Codeforces 評分：3471
- MathArena Apex：65.6
- Terminal-Bench 2.1：90.6；Terminal-Bench 3.0：30.0；Terminal-Bench 4.0：31.2
- DeepSWE v1.1：74.2；NL2Repo-Bench：65.4；ProgramBench：20.3
- CyberGym：88.1；SEC-Bench Pro：62.8；ExploitGym：15.3
- HLE（有工具）：63.9；Agents’ Last Exam：31.8；Automation-Bench：54.8
- Chartography（有工具）：78.9；BabyVision（有工具）：89.6；ZeroBench-main（有工具）：49.0
跟自家前代放在一起比，Terminal-Bench 2.1 是 90.6 對上 V4 Pro 的 87.9、V4 Flash Vision Exp 的 83.9、V4 Flash 的 82.7；Agent 類的 Agents’ Last Exam 從 V4 Pro 的 25.7 拉到 31.8，CyberGym 從 83.3 到 88.1，Automation-Bench 從 31.8 到 54.8，進步的幅度不小。
領先技術：非對稱的 Causal Encoder-Decoder 與 KV Cache 瘦身
技術報告與模型卡披露的架構是這次的實質改動，V4.1 Flash 採 Causal Encoder-Decoder 結構，把 40 層 Transformer 拆成 20 層 Causal Encoder 加 20 層 Decoder，Decoder 的全域 KV Cache 由 Encoder 最後的隱藏狀態投影而來，不再逐層自行產生。輸入與輸出的激活量因此不對稱：prefill 階段每個 token 只激活 8B 參數，decode 階段激活 16B，模型的骨幹是 552B 參數的混合專家架構。
KV Cache 壓縮的改進幅度更是驚人，主 KV 用 FP4 快取（E2M1 格式，每 16 個通道配一個 E4M3 scale），全域 KV 足跡降到每個 token 約 890 bytes，約為 V4-Flash 的四分之一；SWA Bounded Replay 只重放最近視窗的 token 來重建滑動視窗注意力的 KV 狀態，不用把這部分寫進 SSD，常駐 KV 足跡再降到約八分之一。官方說法是需要 HBM 的量降到四分之一、SSD 降到八分之一，相對初代模型 KV Cache 縮小了 437 倍。
價格：離峰時段輸入每百萬 tokens 約 4.72 元台幣
新價格自 9 月 10 日中午 12 點生效，維持峰谷兩段定價，離峰是高峰的一半。以官方美元定價為準（換算匯率採 1 美元兌 31.47 元台幣）：
- 輸入（快取命中）：離峰每百萬 tokens 0.003 美元（約 0.09 元台幣），高峰 0.006 美元（約 0.19 元台幣）
- 輸入（快取未命中）：離峰 0.15 美元（約 4.72 元台幣），高峰 0.3 美元（約 9.44 元台幣）
- 輸出：離峰 0.6 美元（約 18.88 元台幣），高峰 1.2 美元（約 37.76 元台幣）
人民幣定價是輸入快取命中 0.02 元、未命中 1 元、輸出 4 元，高峰翻倍。高峰時段定義為北京時間週一到週五的 9 點到 12 點、14 點到 18 點，其餘算離峰。
第三方平台也已經上架。OpenRouter 上掛的 deepseek/deepseek-v4.1-flash 標價為每百萬 tokens 輸入 0.3 美元、輸出 1.2 美元，等於官網高峰價位。
MIT 開源協議
權重方面，DeepSeek 這次照舊走開放路線。HuggingFace 上的 deepseek-ai/DeepSeek-V4.1-Flash 在 9 月 10 日清晨上傳，採 MIT 授權，並附上技術報告 PDF，社群已經出現 GGUF 量化版本。
模型卡上的權重以 FP8 量化格式儲存，光參數總量就接近 4846 億個，落在單機或家用級顯示卡跑不動的級別，一般還是建議透過 API 調用比較合理。
