DeepSeek 於2026年9月10日發佈新一代模型 DeepSeek-V4.1-Flash，權重以 MIT 授權開放於 Hugging Face，主打極致的推論成本壓縮。官方技術報告以「推進 KV Cache 壓縮的極限」為題，稱新模型在輸入密集型（input-heavy）的代理工作負載上大幅降低成本。[1][3]
架構：以因果編碼器—解碼器壓縮 KV Cache
V4.1-Flash 為多模態混合專家（MoE）模型，主幹參數552B，支援最高100萬 token 上下文，原生處理圖像與文字。[1]
官方披露的核心設計包括：
- 因果編碼器—解碼器（CED）架構：40層 Transformer 分為20層因果編碼器加20層解碼器；解碼器的全局 KV Cache 由編碼器最後一層的隱藏狀態投影而來，而非取自解碼器自身各層。此設計令模型在預填（prefill）階段每 token 只需啟動8B參數、解碼階段16B
- 壓縮稀疏注意力（CSA2）：為每個注意力層分配 Full、Reindex 或 Reuse 三種靜態模式之一，跨層共享主 KV 與索引 K；配合 FP4 主 KV 快取（E2M1 格式），把全局 KV Cache 佔用降至每 token 890 位元組，約為 V4-Flash 的四分之一
- SWA Bounded Replay：藉重播最近 n_win 個 token 重建缺失的滑動窗口注意力 KV 狀態，毋須把 KV 持久化至 SSD，持久 KV Cache 佔用降至 V4-Flash 約八分之一
官方圖表顯示，V4.1-Flash 的每 token KV Cache 相對 V4-Flash 減少約4倍，相對第一代 V1 更減少約437倍。[1]
模型以45萬億（45T）tokens 的多模態語料從頭訓練，稀疏注意力訓練序列長度為64K，並於34T tokens 時把上下文擴展至100萬 token。後訓練沿用標準的 SFT → RL → 在線策略蒸餾（OPD）流程，主要改動在於大規模自動合成代理任務與環境。[1]
效能：代理與編程基準超越自家旗艦
官方評測顯示，V4.1-Flash 在多項代理與編程基準上超越參數規模大得多的 V4-Pro（1.6T 主幹）：[1]
- Terminal-Bench 2.1：90.6分，高於 GPT-5.6 Sol 的88.8與 Opus-5.0 的89.1
- DeepSWE v1.1：74.2分，略高於 Opus-5.0 的74.0
- CyberGym：88.1分，為表列最高
- Codeforces：評分3471，為表列最高
- AutomationBench：54.8分，高於 Opus-5.0 的50.3
模型支援1至100的連續可調推理強度（reasoning effort），讓開發者按任務在推論成本與準確度之間取捨。官方指在 HLE（Humanity’s Last Exam）等前沿推理基準上，V4.1-Flash 仍落後頂尖閉源模型。[1]
定價與服務安排
API 方面，V4.1-Flash 以 deepseek-flash 作為預設模型名稱，舊名稱 deepseek-v4-flash 已退役但繼續接受請求，由 V4.1-Flash 接手處理並按 Flash 價格收費。官方同時公布，因應用戶需求，DeepSeek V4 Pro 在9月14日之後將繼續提供 API 服務，收費方式不變。[2]