AI 快讯 | DeepSeek V4.1 Flash 正式发布：非对称新架构，价格直降 70%+，V4-Pro 将退役
一句话核心：DeepSeek 于 2026-09-10 发布 V4.1 Flash——552B MoE 全新「因果编码器-解码器」非对称架构（输入仅激活 8B、输出 16B），原生多模态 + 1M 上下文 + MIT 开源，官方称全面超越 V4-Pro，并宣布 9/14 起退役 V4-Pro、全部请求按 Flash 价格计费。
核心亮点
- 全新非对称架构：V4.1 Flash 是新架构家族的最小成员，采用 Causal Encoder–Decoder 设计——prefill 阶段仅激活 8B 参数、decode 阶段激活 16B 参数。用「非对称激活」在推理性能和成本之间做平衡，而不是一味堆大激活量。
- KV Cache 压缩 4 倍：相比前代，KV Cache 只需 1/4 的 HBM 和 1/8 的 SSD 存储。官方特别点出：Agent 场景里 cache-hit 费用占比极大，压缩 cache 直接砍长期运行成本。
- V4-Pro 退役：官方称多方测试显示 V4.1 Flash 在性能、成本、速度、总耗时上全面超越 V4-Pro。北京时间 9/14 12:00 起，所有
deepseek-v4-pro请求路由到 V4.1 Flash 并按 Flash 价格计费，直至 V4.1 Pro 发布。 - 原生多模态 + 开源：V4.1 Flash 原生支持视觉理解（V4-Pro 不支持），MIT 协议开源权重（HuggingFace 公开），API 模型名即日切换为
deepseek-flash。
为什么是「非对称架构」值得关注
传统 MoE 大模型 prefill 和 decode 用同一套激活逻辑，但这两个阶段的计算压力其实完全不同：prefill 要一口气吞下长 prompt，decode 则逐 token 生成。V4.1 Flash 把它拆成两个不同激活量——输入 8B、输出 16B——相当于「读得快、写得准」分而治之。
这个设计的实际意义不在纸面参数，而在成本曲线：552B 总参数、却只用 8B/16B 激活，意味着同等显存能跑更大的模型、服务更多并发（官方并发上限 2500，对比 V4-Pro 的 500，5 倍提升）。
配合 KV Cache 4 倍压缩，长链 Agent 任务（反复调用工具、多轮对话）的边际成本被明显压下来——这对积木云这类 Agent 平台是直接利好。
官方 Benchmark
以下为 DeepSeek 官方公告自报值。模型 9/10 刚发布，第三方独立评测（Artificial Analysis / tbench.ai）尚未出炉，本节数据需以「官方口径」看待。
| Benchmark | V4.1 Flash（官方） | 测什么 |
|---|---|---|
| GPQA Diamond | 90.9 | 博士级科学问答 |
| HLE | 36.8 | 人类终极考试（最难 benchmark 之一） |
| Codeforces Rating | 3471 | 算法竞赛水平（相当于顶级人类选手） |
| MathArena Apex | 65.6 | 高难数学推理 |
| Terminal-Bench 2.1 | 90.6 | 终端/工具使用能力 |
| DeepSWE v1.1 | 74.2 | 真实软件工程任务 |
| NL2Repo-Bench | 65.4 | 自然语言转代码仓库 |
| CyberGym | 88.1 | 网络安全攻防 |
| Agents’ Last Exam | 31.8 | 长程 Agent 任务 |
| Chartography (w/tools) | 78.9 | 图表生成（带工具） |
| BabyVision (w/tools) | 89.6 | 视觉理解（带工具） |
解读几个关键数字：Codeforces 3471 意味着算法能力已到顶级人类选手水平；Terminal-Bench 2.1 的 90.6 说明终端操作/工具调用是它的强项；GPQA Diamond 90.9 在科学问答上逼近满分级。但 HLE 36.8 和 Agents’ Last Exam 31.8 也提醒：最难的推理和长程 Agent 任务，即使是新旗舰也仍有明显天花板。
KV Cache：Agent 成本的隐形大头
官方公告里最容易被忽略、但实际最「省钱」的一点是 KV Cache 压缩：只需前代 1/4 的 HBM 和 1/8 的 SSD。
为什么重要？在 Agent 长链场景里，每次工具调用都要重新带上完整上下文，cache-hit 的计费占比会迅速膨胀。把 cache 体积压到 1/4，等于把「多轮 Agent 任务」的长期运行成本直接砍掉一大截——这是比单 token 降价更隐蔽、但对重度用户更实在的省法。
价格：降幅 70% 起步
以下价格已核对 DeepSeek 官方定价页（2026-09-10 更新），单位为每 1M tokens。
| 计费项 | V4.1 Flash (Peak) | V4.1 Flash (Off-Peak) | V4-Pro (Peak) | 降幅 |
|---|---|---|---|---|
| 输入 Cache Hit | $0.006 | $0.003 | $0.044 | ~86% |
| 输入 Cache Miss | $0.3 | $0.15 | $1.32 | ~77% |
| 输出 | $1.2 | $0.6 | $3.96 | ~70% |
实操换算：一个典型的 Agent 长任务跑 100 万输出 token，V4-Pro 高峰价要 $3.96，V4.1 Flash 高峰价只要 $1.2，省 70%；如果挪到 off-peak（非高峰时段），输出再对半到 $0.6。Peak 时段是 UTC 周一至五 01:00-04:00 和 06:00-10:00，其余全是半价——把批量任务排到 off-peak 是最直接的省钱姿势。
已知 vs 待验证
已证实（官方一手来源）：
- 552B MoE 非对称架构、8B/16B 激活、1M 上下文、384K 最大输出、原生多模态、MIT 开源 —— 官方公告 + 定价页一致确认。
- API 模型名
deepseek-flash，V4-Pro 9/14 退役路由 —— 官方定价页明确。 - 价格表 —— 官方定价页逐项核实无误。
待独立验证：
- 所有 benchmark 分值是官方自报值，模型发布不到 24 小时，Artificial Analysis / tbench.ai 等独立排行榜尚未收录，「全面超越 V4-Pro」的结论目前只有官方口径，需第三方复现后才能坐实。
- 非对称架构在真实 Agent 长链任务中的稳定性、原生多模态的实际观感，同样缺乏独立实测。
一句话：架构和价格是硬事实，可以直接信；「超越 V4-Pro」的 benchmark 结论，建议等独立测评出来后再下最终判断。
给读者的实操建议
- 要尝鲜的开发者：模型已上线，直接把 API 模型名切成
deepseek-flash即可，兼容 OpenAI 和 Anthropic 两种调用格式，无需改代码结构。 - Agent 平台 / 重度用户：现在就可以把批量任务切到 off-peak 时段跑，输出成本从 $3.96 降到 $0.6/1M，实打实省 85%。
- 还在用 V4-Pro 的：不用手动迁移，9/14 起自动路由到 V4.1 Flash 并按更低价格计费，但建议先在自己的业务评测集上验证一轮，确认无回归。
- 观望的：等 Artificial Analysis 等独立榜单收录后再做迁移决策也不迟——毕竟「官方超越」和「独立验证超越」是两回事。
来源链接
官方来源
- DeepSeek 官方公告：DeepSeek-V4.1-Flash: Smarter, Faster, More Efficient | DeepSeek API Docs
- 官方定价页：Models & Pricing | DeepSeek API Docs
- 开源权重：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
- 技术报告 PDF：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf
说明：第三方独立测评（Artificial Analysis / tbench.ai）数据待模型被收录后补充。