Fireworks 自测 DeepSWE：DeepSeek-V4.1-Flash 以 74.34% pass@1、每任务 $0.43 达到 GPT-6 Astra 同级准确率，成本低约 15 倍

DeepSeek 发布 DeepSeek-V4.1-Flash。据 DeepSeek 官方账号，这是其新架构家族中最小、具备原生视觉理解的模型，面向更强能力、更快推理、更高吞吐并支持向更大模型扩展。Testing Catalog 称其已在 Huggingface 开放，为 552B 参数 MoE 模型，采用新的编码器-解码器结构，并称其采用新预训练方法、经历更大规模强化学习后训练。MarkTechPost 报道其具备 1M 上下文、FP4 KV 缓存与跨层注意力复用，权重以 MIT 许可开放，提供 vLLM、SGLang、Transformers 路径，并描述有低、高、最高三档推理的公开 API。

技术细节方面，MarkTechPost 称该模型为多模态 MoE，552B 骨干参数、另有 196B Engram 参数，1M token 上下文，prefill 每 token 激活 8B、decode 激活 16B，全局 KV 缓存每 token 890 字节，约为 DeepSeek-V4-Flash 的 1/4、比 DeepSeek-V1 小约 437 倍；预训练覆盖 45T 多模态 token，文本与多模态比例 7:1。SemiAnalysis 称其 552B 骨干为因果编码器-解码器，196B Engram 记忆经稀疏查找访问，持久 KV 较 V4-Flash 减少约 8 倍。马东锡 NLP 解释其 Causal Encoder–Decoder 让 decoder 的 global KV 直接由 causal encoder 最终输出生成，从而无需整段 prompt 经过所有 decoder 层，为减少 prefill 计算提供基础；并称第 21 层利用 encoder output 生成一份 decoder global KV bank 供第 21–40 层使用。The Decoder 报道称其将主 KV 缓存存为 FP4 而非 FP8，输入计算近乎减半，HBM 缓存需求约为前代四分之一、常驻 SSD 或主机内存部分约为八分之一。

性能与价格方面，Artificial Analysis 称 V4.1 Flash 以 40 分超过 DeepSeek V4 Pro 0813 成为 DeepSeek 新旗舰，552B 参数下性能超过 1.6T 的 Pro 模型且每 token 成本约低 4 倍，但因输出冗长略低于智能-成本帕累托前沿；其第一方 API 定价为每 1M 输入 token 0.30 美元、每 1M 输出 token 1.20 美元，缓存命中输入每 1M 仅 0.006 美元（98% 折扣），闲时再打五折。Kim 称公司表示 Flash 在能力、成本和速度上超过 V4-Pro，并称自 9 月 14 日起 V4-Pro API 请求将临时路由至 V4.1-Flash，直至 V4.1-Pro 到来；X.PIN 称 V4 Pro 服务计划于北京时间 9 月 14 日中午结束，请求将路由至 V4.1 Flash 并按后者费率计费；Baseten 称 DeepSeek 已停用其平台上的 V4-Flash 模型并将流量路由至 V4.1-Flash，V4-Pro 流量也将自 9 月 14 日起改道。Kim 另称据 DeepSeek 自测，其在 DeepSWE 得 74.2%，高于 GPT-5.6 Sol 的 73.0%，并较 V4-Flash 降价：新输入 32%、缓存输入 57%、输出 9%。The Decoder 则指出其在 ProgramBench 上明显落后，在需要专家知识的科学智能体任务上与超大模型仍有明显差距，技术报告也承认在读取复杂图像上与领先闭源系统存在可测量差距。

后续独立进展方面，Fireworks 称上周发布 DeepSeek-V4.1-Flash，经其全套基准测试后在质量、速度、成本权衡上设定新帕累托前沿，现可经其无服务器或专用 API 使用，美国托管端点与训练支持即将推出；其自测 DeepSWE 中 V4.1-Flash 以 74.34% pass@1、每任务 0.43 美元达到 GPT-6 Astra 同级准确率，成本低约 15 倍；Terminal-Bench 2.1 准确率 86.5%，落后 GPT-6 Astra 1 分但综合成本低 12 倍；HLE 单独得 34.52%，落后 GPT-6 Astra 的 50.40%，二者 oracle router 组合上界达 54.80%。SemiAnalysis 称在 CUDA vLLM 支持 DeepSeek v4.1 Flash 两天后，AMD 才公开发布其 DeepSeek v4.1 Flash 镜像，功能开箱即用，但每美元性能目前最多落后 H200 14.8 倍、落后 B200/B300 42 倍。此外，Tianyi Cui 称 DeepSeek Harness v0.1.5 与 DeepSeek V4.1 Flash 模型训练深度结合并做专项优化，含实验性 Agent Teams 功能，并称 Harness 团队仍在开放招聘。