作者使用后实测 DeepSeek-V4.1-Flash 速度接近 420 Tokens/s

DeepSeek 发布 DeepSeek-V4.1-Flash，官方称其为新架构家族中最小模型，具备原生视觉理解，设计目标是更强能力、更快推理、更高吞吐并可扩展至更大模型。据 MarkTechPost 与 SemiAnalysis 等报道，该模型为 552B 骨干参数的多模态 MoE，另有 196B Engram 参数，采用 Causal Encoder–Decoder 结构，prefill 阶段每 token 激活 8B、decode 阶段激活 16B，支持 1M token 上下文；KV 缓存方面，运行时 KV 约为 V4-Flash 的 1/4、持久 KV 约为 1/8，全局 KV 缓存约 890 字节/token。权重以 MIT 许可在 Hugging Face 开放，并提供 vLLM、SGLang、Transformers 路径及公开 API。

性能与定价上，Artificial Analysis 称 V4.1 Flash 以 40 分超过 DeepSeek V4 Pro 0813 成为新旗舰，第一方 API 定价为每百万输入 token 0.30 美元、输出 1.20 美元，缓存输入 0.006 美元，闲时再打五折。Kim 等转述公司说法称 Flash 在能力、成本和速度上超过 V4-Pro，DeepSWE 得分 74.2%（V4-Flash 为 54.4%，GPT-5.6 Sol 为 73.0%），并较 V4-Flash 降价。The Decoder 指出其在编码任务上接近头部闭源模型，但在复杂科学任务和图像分析上仍有差距；Artificial Analysis 也提到其输出冗长，每任务约 89k token。

落地与迁移方面，IT之家报道该模型上线国家超算互联网中心提供 API 调用；腾讯 WorkBuddy 国际版上线并提供两周免费试用；阿里云 Token Plan 上线，起价每月 6 美元。Baseten 称 DeepSeek 已停用平台上的 V4-Flash 并将流量路由至 V4.1-Flash，V4-Pro 流量也将自 9 月 14 日起改道；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。OpenRouter 称该模型 24 小时处理 1T tokens，预计 48 小时约 2.8T，其中 90% 为缓存读取。

其他独立测试与生态进展包括：Fireworks 自测 DeepSWE 中 V4.1-Flash 以 74.34% pass@1、每任务 0.43 美元达到 GPT-6 Astra 级精度，成本低约 15 倍，99.6% 输入 token 为缓存命中；Hacker News 报道的 AI 黑客基准中，该模型攻破全部 11 个漏洞目标、四个修复目标保持安全，接受运行成本 4.65 美元；SemiAnalysis 称 AMD 公开发布其镜像，功能开箱即用，但每美元性能目前最多落后 H200 14.8 倍、B200/B300 42 倍。