DeepSeek-V4.1-Flash 发布：552B MoE 多模态模型主打 KV cache 压缩

DeepSeek 发布 DeepSeek-V4.1-Flash，一个 552B 参数的多模态 MoE 模型，支持最长 100 万 token 上下文，模型权重已在 Hugging Face 开放。

作者解读《DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression》技术报告，指出该模型虽名为 V4.1 Flash，但架构变化足以视作 V5 级迭代。

Enclave AI 的 AI 黑客基准评测中，DeepSeek V4.1 Flash 攻破全部 11 个漏洞目标、4 个修复对照全部守住，接受运行成本仅 4.65 美元。后续审计确认 6 次按计划路径完成，另发现 5 条原评分系统未区分的计划外路径，团队随后关闭这些旁路并对基准加入更严格的路径校验。

Fireworks 发布 DeepSeek-V4.1-Flash，在 DeepSWE 上取得 74.34% pass@1、每任务 $0.43，与 GPT-6 Astra 同一精度区间但成本仅 1/15。

DeepSeek 发布 DeepSeek-V4.1-Flash，一款 552B 参数（每 token 激活 16B/预填充 8B）的多模态 MoE 模型，支持最长一百万 token 上下文。其 Causal Encoder-Decoder（CED）架构结合 CSA2 与 FP4 KV caching，将全局 KV cache 降至每 token 890 字节，约为 DeepSeek-V4-Flash 的 1/4、DeepSeek-V1 的 1/437，配合 SWA Bounded Replay 将持久 KV cache 降至约 1/8，性能仍优于基线。模型基于 45T token 多模态语料预训练，checkpoint 已在 https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash 开放。

BestBlogs 精选周刊第112期以"可托付的智能"为主题，讨论当模型能写代码、操作浏览器、拆解模糊任务后，如何让一次任务结果真正可放心交付。

这篇长文解释 LLM 推理中 KV cache 的原理：每生成一个 token，历史位置的 K/V 会被保留供后续位置读取，而 Q 随新位置重新产生，用完即可丢弃。

CUDA vLLM 支持 DeepSeek v4.1 Flash 两天后，AMD 才公开发布其 DeepSeek v4.1 Flash 镜像。该镜像功能上开箱即用，但每美元性能目前比 H200 差最多 14.8 倍、比 B200/B300 差最多 42 倍。

OpenRouter 称 DeepSeek V4.1 Flash 在其平台上 24 小时内处理了 1T token，预计 48 小时约 2.8T，将成付费模型发布中最大的 48 小时。其中 90% 为缓存读取，市场定价约 $0.006/M，比 GLM-5.3 Flash 等同类模型便宜 5 倍。

作者实测 DeepSeek V4.1 Flash，缓存命中输入降价 7 倍多、输出砍三分之二，9 月 14 日中午 12 点起所有发往 v4-pro 的请求将被强制路由到 4.1 Flash 并按其低价计费。

DeepSeek V4.1 Flash 以非对称结构压缩输入侧激活与 KV Cache 需求，并给出多模态、强化学习后训练、API 迁移与峰谷定价信息。Cognition 的 SWE-2 在 FrontierCode 1.1 Main 达 50.0%，成本降低 64%。Shopify 转向 Swift 和 Kotlin 原生开发，Magic 团队实现超 10x 预训练效率提升。

Artificial Analysis 评测显示，DeepSeek V4.1 Flash 在 Intelligence Index 得分 40，超过 DeepSeek V4 Pro 0813 成为 DeepSeek 新旗舰，输入激活参数 8B、输出激活参数 16B，支持 1M token 上下文，MIT 许可。

DeepSeek V4.1 Flash 在编码和智能体基准上超过 GPT-5.6 Sol，价格便宜约 97%。作者称其每 token 的 KV cache 大小再降 4 倍，并表示这是开源 AI 的时代，Databricks 将很快把该模型带给客户。

@deepseek_ai DeepSeek V4.1-Flash 现已上线 WorkBuddy！ 国际版免费试用 2 周。 立即体验：https://workbuddy.ai

WorkBuddy 宣布 DeepSeek V4.1-Flash 已在其平台上线，免费试用两周。引用的 DeepSeek 公告称 V4.1-Flash 已登陆 DeepSeek API 并支持原生多模态。

极致的压榨 KV Cache Compression DeepSeek-V4.1-Flash 的 Causal Encoder–Decoder 改变了什么？ 在常规 Transformer 中，各层根据进入本层的 hidden states，生成自己的 K 和 V。DeepSeek-V4.1-Flash 的 Causal Encoder–Decoder 调整了这一依赖关系：decoder 的 global KV 直接由 causal encoder 的最终输出生成。 因此，构建 decoder 的 global KV，无需让整段 prompt 经过所有 decoder 层。这为减少 prefill，也就是生成回答前的输入处理计算，提供了基础。

DeepSeek 发布多模态模型 V4.1-Flash，以 MIT 许可开源在 Hugging Face，目标是大幅压缩 KV cache 和长上下文处理成本。

DeepSeek 发布 DeepSeek-V4.1-Flash，采用 552B 骨干的因果编码器-解码器架构，prefill 激活 8B 参数、decode 激活 16B 参数。模型通过稀疏查找访问 196B Engram 记忆，并借助 bounded replay 使持久 KV 缓存比 V4-Flash 少约 8 倍。

DeepSeek V4.1 Flash 模型 9 月 10 日上线国家超算互联网中心，用户可在官网「模型服务」页面调用其 API。该模型为 552B 参数 MoE 模型，采用 Causal-Encoder-Decoder 结构，输入激活 8B、输出激活 16B；基准测试中超越了包括 DeepSeek V4 Pro 在内的旗舰模型。

Thomas Wolf 称 DeepSeek V4.1 Flash 重回开源模型榜首且价格极低，并制作视频展示模型推理时前向传播的内部过程。技术报告见 https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf，权重已发布在 https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash。

DeepSeek 发布 DeepSeek-V4.1-Flash，称其为新架构家族中最小模型，具备原生视觉理解，面向更快推理、更高吞吐和扩展到更大模型而设计。

DeepSeek 推出 V4.1 Flash，是新家族中最小模型，552B 参数并原生支持视觉。Apple 发布首款折叠屏 iPhone Duo（$1,999 起，10 月 23 日发货）及 iPhone 18 Pro 系列，A20 Pro 面向端侧模型，Siri AI 语音由本地模型驱动。

DeepSeek AI 发布多模态 MoE 模型 DeepSeek-V4.1-Flash，552B 主干加 196B Engram 参数，上下文窗口 1M，prefill 激活 8B 参数、decode 激活 16B，全局 KV 缓存降至每 token 890 字节，约为 DeepSeek-V4-Flash 的 1/4、DeepSeek-V1 的 1/437。

DeepSeek 发布 DeepSeek-V4.1-Flash 并上架 Hugging Face，为 552B 参数 MoE 模型，采用新的 Encoder-Decoder 结构、新预训练方法和更大规模强化学习后训练。

DeepSeek Harness v0.1.5 发布，新版本与 DeepSeek V4.1 Flash 模型训练深度结合，模型在 Harness 的不同配置中均做了专项训练和优化。同时推出实验性的 Agent Teams 功能，主打“一切皆插件”，团队仍在开放招聘。