DeepSeek V4.1 Flash 开源：每 token KV Cache 仅 890 字节，百万上下文不再昂贵

发布与开源

2026 年 9 月 10 日，DeepSeek 发布并开源 DeepSeek V4.1 Flash，权重以 MIT 许可上架 Hugging Face 与 ModelScope（仓库 deepseek-ai/DeepSeek-V4.1-Flash，48 个分片），随附 51 页技术报告《Pushing the Limits of KV Cache Compression》、prompt 编码参考与最小化 PyTorch 推理实现。同日还开源了 DeepJIT 内核 JIT 编译库与 Harness v0.1.5 Agent 框架。

核心亮点：把 KV Cache 压到极限

• 每 token 全局 KV Cache 仅 890 字节——约为上代 V4 Flash（3,514 B）的 1/4，相比初代压缩 437 倍
• 1M 上下文的全局 KV 仅约 890MB（V3.2 同口径为 48GB）
• 关键技术：CSA2 三种层模式、FP4 缓存、滑动窗口注意力有界重放、跨层注意力复用
• HBM 显存需求降至上代 1/4，SSD 需求降至 1/8

对长上下文 Agent 会话而言，这是最直接的降本——KV Cache 正是长会话显存账单的大头。

架构规格

• Causal Encoder-Decoder（CED）非对称 MoE：20 层编码器 + 20 层解码器
• 总参数 552B（另有 196B Engram 参数 + ViT 视觉编码器，原生支持图像输入）
• 激活参数：Prefill 仅 8B，Decode 16B
• 384 个路由专家 + 1 共享专家，每 token 激活 6 个，FP4 专家权重
• 上下文 100 万 token（最大位置编码 1,048,576），最大输出 384K

性能与定价

• Agent 基准 DeepSWE v1.1 74.2%、Terminal-Bench 2.1 90.6%，超越 V4 Pro
• 发布时登顶 Artificial Analysis 开放权重榜（智能指数 40）
• API 统一为 deepseek-flash：输入 $0.30/百万 token、输出 $1.20/百万 token，闲时半价，缓存命中输入低至 $0.006/M
• V4 Pro 自 9 月 14 日起被路由至 V4.1 Flash 并按 Flash 单价计费

对本地部署意味着什么

官方自部署门槛约 2000 张 GPU + 存储集群，仍然高不可攀；但社区已有人在 4 台 DGX Spark + vLLM 上跑通轻量方案。KV Cache 压缩到 1/4 意味着同等显存下上下文可以拉得更长——这正是本站关注的方向，我们已收录 DeepSeek-V4.1-Flash，可持续关注其量化发布的落地情况。