9 月 10 日，深度求索发布 DeepSeek V4.1 Flash。官方给出的定位是「全新模型结构系列中的最小尺寸模型」，但同一份公告里还有另一句话：V4 Flash 与 V4 Flash Vision Exp 即日下线；9 月 14 日 12:00 之后，访问 deepseek-v4-pro 的请求会被全部路由到 V4.1 Flash，并按 V4.1 Flash 单价计费。
一个标着「最小尺寸」的模型，把自家两条更贵的线一起送走。这件事比参数表更值得看。
552B 的体量，8B 的账单
V4.1 Flash 是 552B 参数的 MoE 模型，采用新的 Causal-Encoder-Decoder 结构，输入和输出不对称，输入激活 8B，输出激活 16B。官方称这套结构的设计初衷是能力上限更高、推理速度更快、吞吐更大，并且可以扩展到更大参数规模的模型。
稀疏激活在 MoE 里并不新鲜，值得关注的是输入侧 8B 与输出侧 16B 的差异。生成侧背更重的计算，读取侧保持轻量，这正对应 Agent 场景里「长上下文输入、短结果输出」的典型负载。
配套数字更能说明问题。KV Cache 大幅压缩之后，对 HBM 的需求降到上一代的 1/4，对 SSD 的需求降到 1/8；相对初代模型，KV Cache 体积是原来的 1/437。Agent 任务的账单里，缓存命中往往占据大头，把 KV Cache 压下去，省掉的不只是推理费。
定价降 60%，还留着峰谷价
官方公告显示，V4.1 Flash 定价最高下调 60%，新价格从 9 月 10 日 12:00 起生效；同时保留峰谷定价，闲时价格为高峰时段的一半，用来引导用户错峰调度。
调用侧的过渡处理得比较轻。模型名改成 deepseek-flash 即可用上 V4.1 Flash；旧名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 会被暂时路由到新模型，给存量集成留出缓冲期。官方还提到，经多方测试，V4.1 Flash 在性能、费用、速度、总用时等指标上已全面超越 V4 Pro，因此计划有序下线 V4 Pro。腾讯（WorkBuddy、CodeBuddy）与 OpenCode 作为官方合作伙伴，已全量接入。
需要打个折扣的地方
「全面超越」这个结论来自官方与多方测试，公开的基准仍是自选口径，现阶段缺少独立第三方的复现数据。模型能力评测的可比性一向有限，框架不同、采样参数不同，结论会跟着漂移。
更值得观察的是价格信号本身。同一家公司用一个更小的模型取代旗舰，同时把单价往下压，它表达出的判断是：大量实际负载里，用户真正在意的是每 token 成本，榜单名次排在后面。这条评价轴一旦立住，后续所有模型的性价比都会被拿出来重算一遍。
写在最后
V4.1 Flash 的看点落在成本结构上。KV Cache 压缩、非对称激活、峰谷定价三件事叠起来，指向的是一类具体用户：跑长上下文 Agent、对延迟不敏感、对账单敏感。对这类用户来说，模型是不是「最强」并不关键，能不能把单次任务的成本压进可接受区间才关键。至于它能不能撑住「全面超越 V4 Pro」这个说法，等第三方复现结果出来再下结论更稳妥。
配图说明：本文封面为 AI 生成图像。
参考：IT之家《DeepSeek V4.1 Flash 模型正式发布：全面超越 V4 Pro、原生多模态视觉理解，最高降价 60%》报道，本文为基于公开信息的独立评述。