DeepSeek-V4.1-Flash 于 2026 年 9 月 10 日发布。它是一款开放权重、原生多模态模型，重点不只是 5520 亿参数的规模，而是通过稀疏激活与大幅压缩 KV Cache，让超长上下文推理在部署层面更可行。1735

产品线怎么变了：Flash 已更新，Pro 仍保留

对 API 开发者而言，V4.1 Flash 是当前的 Flash 系列模型，推荐使用的模型名为 deepseek-flash。它同时支持文本与原生视觉理解。1517

此前的 V4 Flash 和实验性 V4 Flash Vision Exp 已退役。不过，为兼容既有应用，deepseek-v4-flash 与 deepseek-v4-flash-vision-exp 两个旧名称仍会在过渡期内被接受；请求实际由 V4.1 Flash 处理，并按 Flash 价格计费。1523

V4 Pro 的情况不同。 早期的迁移信息曾称，在 V4.1 Pro 推出前，V4 Pro 流量会转至 V4.1 Flash；但 DeepSeek 后续的官方 API 更新说明表示，因应用户需求，V4 Pro API 会在 2026 年 9 月 14 日后继续提供服务，计费方式不变。1523

因此，若业务对结果可复现性要求较高，不宜假定旧路由一定映射到 V4.1 Flash。应使用当前文档列出的模型 ID，并在迁移前完成回归测试。

552B MoE：每个 Token 实际只激活一小部分参数

V4.1 Flash 采用混合专家模型（Mixture of Experts，MoE）架构，骨干参数规模为 5520 亿。MoE 的特点是：处理某个 Token 时，并不会让全量参数都参与计算，而是只选择部分“专家”参数工作。

DeepSeek 表示，V4.1 Flash 在输入处理阶段（prefill）激活约 80 亿参数，在输出生成阶段（decoding）激活约 160 亿参数。其采用名为“因果编码器—解码器”（Causal Encoder–Decoder，CED）的新架构；输入长提示词与持续生成长输出，面临的推理成本并不相同，这一区分正是其设计重点。1735

不过，稀疏激活不等于任何环境下都必然更便宜或更快。实际吞吐量仍取决于硬件、批处理方式、量化、推理服务软件、上下文长度和请求类型等因素。

100 万 Token 上下文，关键在于 KV Cache 缩小

V4.1 Flash 支持最长 100 万 Token 的上下文窗口。35

超长上下文的实际难点在于 键值缓存（KV Cache）：模型生成下一个 Token 时，需要保存并读取先前注意力计算的状态。提示词与回答越长，KV Cache 的内存占用越可能成为推理服务的瓶颈。

根据模型卡，CED 架构会从最终编码器隐藏状态投影出解码器的全局 KV Cache，而不是让每个解码器层各自独立生成。再结合压缩稀疏注意力 2（CSA2）与 FP4 KV Cache，DeepSeek 称其全局 KV Cache 可降至约 每 Token 890 字节，约为 V4 Flash 对应占用的四分之一。3539

这不代表所有 100 万 Token 任务都会既便宜又准确。上下文容量不等于模型能够在整段内容中稳定检索、推理或遵循指令。处理大型代码库、文档集合或智能体历史记录的团队，仍应以真实工作负载测试召回率、延迟与成本。

MIT 开放权重：可自托管，但部署并不轻松

DeepSeek 已在 Hugging Face 发布 V4.1 Flash 权重，采用 MIT 许可证。该模型以开放权重形式提供，组织可在许可证条款范围内下载和部署。35

与仅提供 API 的模型相比，这给企业带来一条自托管与深度优化的路径。不过，552B 骨干参数的模型并不会因此变得容易部署；硬件资源、推理引擎和服务优化仍是现实门槛。

它真的胜过 V4 Pro 吗？应把厂商结论和生产验证分开看

DeepSeek 称，借助新的预训练方法与更大规模的强化学习后训练，V4.1 Flash 在其发布的基准测试中领先包括 V4 Pro 在内的旗舰模型；公司还称，多方测试显示其在性能、成本、速度和总运行时间方面领先 V4 Pro。17

这些结论值得关注，但不构成对所有场景的普遍判定。基准结果会受到任务选择、提示词写法、工具配置、评分方法和测试版本的影响。生产迁移前，应围绕自身关键指标对比两者：高难推理、代码验收率、工具调用、多模态准确性、可靠性、安全控制、延迟及总成本。

OpenRouter 早期用量：热度信号，不是整个 AI 市场的全景

OpenRouter 按经由其 API 处理的提示词与生成 Token 数量进行模型排名。其 2026 年 9 月 13 日榜单中，DeepSeek V4.1 Flash 处理量为 4.94 万亿 Token，标记为新模型；同期 DeepSeek V4 Flash 0731 为 11.6 万亿、V4 Flash 0423 为 4.36 万亿，小米 MiMo-V2.5 为 7.77 万亿。57

更早的 8 月数据也反映出排名变化很快：当时 V4 Flash 的周 Token 使用量为 7.1 万亿，榜单前十中有九个模型来自中国厂商。50

需要强调的是，OpenRouter 的统计仅覆盖通过 OpenRouter 路由的流量，不能代表全球 AI 使用量、企业部署规模、收入或模型质量。它可以作为开发者平台需求的观察指标，却不能据此断言某一模型已赢得整个市场。

对开发者意味着什么：迁移，但别盲迁

V4.1 Flash 最值得评估的组合优势，是原生多模态、100 万 Token 上下文、MIT 开放权重，以及为降低长上下文推理内存成本而设计的架构。1735

较稳妥的迁移路径是：

1. 新的 Flash 集成使用 deepseek-flash。
2. 将旧版 Flash 和 Vision Exp 的 ID 视为兼容路由，而不是稳定的模型版本锁定方式。
3. 在自己的提示词、任务和成功标准下，将 V4.1 Flash 与 V4 Pro 做对比测试。
4. 将长上下文检索能力与端到端延迟分开测量，不要只看“100 万 Token”这一规格。
5. 将 OpenRouter 排名视为需求信号，而非替代生产评估的依据。

V4.1 Flash 的技术指标相当突出，尤其是每 Token 890 字节的全局 KV Cache 与稀疏激活设计。它能否真正改变开发者的默认选择，仍要看这些架构收益能否在实际业务中转化为稳定、可靠且成本可控的表现。

DeepSeek-V4.1-Flash 于 2026 年 9 月 10 日发布。它是一款开放权重、原生多模态模型，重点不只是 5520 亿参数的规模，而是通过稀疏激活与大幅压缩 KV Cache，让超长上下文推理在部署层面更可行。1735

产品线怎么变了：Flash 已更新，Pro 仍保留

对 API 开发者而言，V4.1 Flash 是当前的 Flash 系列模型，推荐使用的模型名为 deepseek-flash。它同时支持文本与原生视觉理解。1517

此前的 V4 Flash 和实验性 V4 Flash Vision Exp 已退役。不过，为兼容既有应用，deepseek-v4-flash 与 deepseek-v4-flash-vision-exp 两个旧名称仍会在过渡期内被接受；请求实际由 V4.1 Flash 处理，并按 Flash 价格计费。1523

V4 Pro 的情况不同。 早期的迁移信息曾称，在 V4.1 Pro 推出前，V4 Pro 流量会转至 V4.1 Flash；但 DeepSeek 后续的官方 API 更新说明表示，因应用户需求，V4 Pro API 会在 2026 年 9 月 14 日后继续提供服务，计费方式不变。1523

因此，若业务对结果可复现性要求较高，不宜假定旧路由一定映射到 V4.1 Flash。应使用当前文档列出的模型 ID，并在迁移前完成回归测试。

552B MoE：每个 Token 实际只激活一小部分参数

V4.1 Flash 采用混合专家模型（Mixture of Experts，MoE）架构，骨干参数规模为 5520 亿。MoE 的特点是：处理某个 Token 时，并不会让全量参数都参与计算，而是只选择部分“专家”参数工作。

DeepSeek 表示，V4.1 Flash 在输入处理阶段（prefill）激活约 80 亿参数，在输出生成阶段（decoding）激活约 160 亿参数。其采用名为“因果编码器—解码器”（Causal Encoder–Decoder，CED）的新架构；输入长提示词与持续生成长输出，面临的推理成本并不相同，这一区分正是其设计重点。1735

不过，稀疏激活不等于任何环境下都必然更便宜或更快。实际吞吐量仍取决于硬件、批处理方式、量化、推理服务软件、上下文长度和请求类型等因素。

100 万 Token 上下文，关键在于 KV Cache 缩小

V4.1 Flash 支持最长 100 万 Token 的上下文窗口。35

超长上下文的实际难点在于 键值缓存（KV Cache）：模型生成下一个 Token 时，需要保存并读取先前注意力计算的状态。提示词与回答越长，KV Cache 的内存占用越可能成为推理服务的瓶颈。

根据模型卡，CED 架构会从最终编码器隐藏状态投影出解码器的全局 KV Cache，而不是让每个解码器层各自独立生成。再结合压缩稀疏注意力 2（CSA2）与 FP4 KV Cache，DeepSeek 称其全局 KV Cache 可降至约 每 Token 890 字节，约为 V4 Flash 对应占用的四分之一。3539

这不代表所有 100 万 Token 任务都会既便宜又准确。上下文容量不等于模型能够在整段内容中稳定检索、推理或遵循指令。处理大型代码库、文档集合或智能体历史记录的团队，仍应以真实工作负载测试召回率、延迟与成本。

MIT 开放权重：可自托管，但部署并不轻松

DeepSeek 已在 Hugging Face 发布 V4.1 Flash 权重，采用 MIT 许可证。该模型以开放权重形式提供，组织可在许可证条款范围内下载和部署。35

与仅提供 API 的模型相比，这给企业带来一条自托管与深度优化的路径。不过，552B 骨干参数的模型并不会因此变得容易部署；硬件资源、推理引擎和服务优化仍是现实门槛。

它真的胜过 V4 Pro 吗？应把厂商结论和生产验证分开看

DeepSeek 称，借助新的预训练方法与更大规模的强化学习后训练，V4.1 Flash 在其发布的基准测试中领先包括 V4 Pro 在内的旗舰模型；公司还称，多方测试显示其在性能、成本、速度和总运行时间方面领先 V4 Pro。17

这些结论值得关注，但不构成对所有场景的普遍判定。基准结果会受到任务选择、提示词写法、工具配置、评分方法和测试版本的影响。生产迁移前，应围绕自身关键指标对比两者：高难推理、代码验收率、工具调用、多模态准确性、可靠性、安全控制、延迟及总成本。

OpenRouter 早期用量：热度信号，不是整个 AI 市场的全景

OpenRouter 按经由其 API 处理的提示词与生成 Token 数量进行模型排名。其 2026 年 9 月 13 日榜单中，DeepSeek V4.1 Flash 处理量为 4.94 万亿 Token，标记为新模型；同期 DeepSeek V4 Flash 0731 为 11.6 万亿、V4 Flash 0423 为 4.36 万亿，小米 MiMo-V2.5 为 7.77 万亿。57

更早的 8 月数据也反映出排名变化很快：当时 V4 Flash 的周 Token 使用量为 7.1 万亿，榜单前十中有九个模型来自中国厂商。50

需要强调的是，OpenRouter 的统计仅覆盖通过 OpenRouter 路由的流量，不能代表全球 AI 使用量、企业部署规模、收入或模型质量。它可以作为开发者平台需求的观察指标，却不能据此断言某一模型已赢得整个市场。

对开发者意味着什么：迁移，但别盲迁

V4.1 Flash 最值得评估的组合优势，是原生多模态、100 万 Token 上下文、MIT 开放权重，以及为降低长上下文推理内存成本而设计的架构。1735

较稳妥的迁移路径是：

1. 新的 Flash 集成使用 deepseek-flash。
2. 将旧版 Flash 和 Vision Exp 的 ID 视为兼容路由，而不是稳定的模型版本锁定方式。
3. 在自己的提示词、任务和成功标准下，将 V4.1 Flash 与 V4 Pro 做对比测试。
4. 将长上下文检索能力与端到端延迟分开测量，不要只看“100 万 Token”这一规格。
5. 将 OpenRouter 排名视为需求信号，而非替代生产评估的依据。

V4.1 Flash 的技术指标相当突出，尤其是每 Token 890 字节的全局 KV Cache 与稀疏激活设计。它能否真正改变开发者的默认选择，仍要看这些架构收益能否在实际业务中转化为稳定、可靠且成本可控的表现。