DeepSeek 於 2026 年 9 月 10 日正式推出 DeepSeek V4.1 Flash，這是 Flash 系列首次由「改版」躍升為「全新架構」的關鍵版本。與先前僅在 V4 Flash 上做微調不同，V4.1 Flash 採用 DeepSeek 自研的 Causal Encoder-Decoder（CED）架構，主打更低成本、原生多模態與極度壓縮的 KV cache，並在官方聲明中宣稱在效能、成本、速度與任務完成時間等所有關鍵指標上全面超越 V4 Pro。
不是小改版：一次架構級的大翻新
過往 DeepSeek 的 Flash 型號多半是旗艦級的輕量化或同架構微調，但 V4.1 Flash 完全不一樣。它是一顆 552B 參數的 MoE 多模態模型，支援高達 100 萬 token 的上下文，並原生處理圖像與文字。真正的亮點在「不對稱」：由於 CED 架構，輸入（prefill）階段每 token 只需啟動 8B 參數，輸出（decode）階段約 16B 參數，遠低於同規模其他模型。
CED 的做法是將 40 層 Transformer 拆成 20 層因果編碼器 + 20 層解碼器，而解碼器的全域 KV cache 並非各自從每一層自己去建，而是從最終編碼器隱層狀態投影而來。這意味著較長的前置輸入只會停在編碼器端，大幅降低 prefill 運算成本，對「輸入密集」的 agentic 工作負載特別友善，這正是當前 AI agent 應用的主戰場。
把 KV Cache 壓到 1/4：CSA2 + FP4 + SWA Bounded Replay
KV cache 是長上下文與便宜推論的頭號殺手。DeepSeek 這次一次上了多個殺手鐧：
- Compressed Sparse Attention 2（CSA2）：每個注意力層在三種靜態模式（Full、Reindex、Reuse）間切換，跨層共享主要 KV 與索引器 K，並重用 Top-K 稀疏注意力索引，避免重複計算。
- 階層式稀疏索引器（Hierarchical Sparse Indexer）：限制後續索引層只在第一個 Full 層構建的候選池內運作，讓更深層的索引成本不隨上下文長度線性爆炸。
- FP4 主 KV 快取（E2M1 格式，每 16 通道一個 E4M3 尺度）：把全域 KV cache 縮到每 token 僅 890 bytes，約為 V4 Flash 的 1/4、DeepSeek V1 的 1/437。
- SWA Bounded Replay：重建缺失的滑窗注意力（SWA）KV 狀態時，只重放最近的引導 token，不必把 SWA KV 永久寫進 SSD，把持久 KV cache 佔用再砍到 V4 Flash 的約 1/8。
這套組合拳讓全球 KV cache 每 token 只有 890 bytes，是官方宣稱的核心數字。有人形容這是直接瞄準「agent 經濟」時代唯一真正的瓶頸——HBM 與 SSD 頻寬。
其他創新零件：Engram 記憶 + DSpark 推論
除了注意力機制，模型還搭配了多項特殊零件：Single-Pass mHC（改良殘差流混合與高效 Mega-mHC kernel）、Engram 條件式記憶（額外的 196B 參數，靠 token 查詢稀疏存取）、DSpark 推測式解碼（半自迴歸草稿生成，搭配信心排程驗證）。每個 MoE 層使用 1 個共享專家與 384 個路由專家，每 token 啟動 6 個路由專家。
視覺部分採用從零訓練的 DeepSeek-ViT（2D-RoPE 加上 3×3 pixel-unshuffle 降取樣）與兩層 MLP 投影器，讓影像與文字在語言模型預訓練初始就一起處理。預訓練在多模態語料上跑了 45T tokens，在 34T tokens 時把上下文延伸至 1M token。後訓練維持標準的 SFT → RL → on-policy distillation 流程，重點放在資料管線的自動化 agent 任務合成。
支援「連續可調推理強度」，1–100 自由取捨成本與準確度
V4.1 Flash 支援整數 1–100 的連續可調推理強度（reasoning effort），這是對過往「思考長度固定」的一大改善：你可以按任務難度在成本與準確度之間取捨，從快速簡答到深度長思考都交給同一顆模型控制。官方所有 instruct benchmark 皆以最大強度（reasoning_effort=100）測試。
效能：不全面碾壓，但以 Flash 之身追平旗艦
官方在最大推理強度下的對標結果（皆出自 DeepSeek 自家評測，非獨立複驗）：
- Terminal-Bench 2.1：90.6（超越 Opus-5.0 的 89.1 與 GPT-5.6 Sol 的 88.8）
- DeepSWE v1.1：74.2（亦微幅超越 Opus 的 74.0）
- CyberGym：88.1、AutomationBench：54.8、Agent’s Last Exam：31.8——皆列全場最高
- Codeforces：3471（超越 V4 Pro 的 3348）
- 但不全然是橫掃：GPQA Diamond 90.9 輸給 GPT-5.6 Sol 的 94.1；HLE 36.8 比 Opus 的 56.3 有一段差距；Terminal-Bench 3.0/4.0 分別僅 30.0/31.2，遠低於 Opus 的 43.3/51.8——官方自己也在報告中明說，在最難的長程推理與邊緣案例上仍追不上最大型封閉模型。
媒體與開發者的共識是：這顆模型的價值不在「每項都第一」，而在「每美元能做的長上下文 agent 工作量」，它在多數編程、終端、自動化與工具使用評測上保有競爭力，價格卻只到旗艦的一成左右。
價格與 API：恐龍落地前的降價潮
官方宣布自 9/10 12:00 起調整 Flash 系列價格（離峰：輸入快取命中 $0.003/M、未命中 $0.15/M、輸出 $0.60/M；尖峰時段為離峰兩倍）。模型 API 名稱切換為 deepseek-flash。
更勁爆的是舊版 V4 Pro 將被逐步汰換：9/14 12:00 起到 V4.1 Pro 釋出為止，所有打到 deepseek-v4-pro 的請求都會被轉送到 V4.1 Flash，並以 Flash 的價格計費。也就是說，DeepSeek 用一顆「入門款」直接替掉了自家旗艦 Pro，這在業界相當罕見，也側面印證了官方對 V4.1 Flash 能力的信心。有開發者笑稱「現在要跑自建場景，硬體得重新規劃了」。
社群怎麼看：掌聲與疑慮並陳
社群的幾個顯著聲音：
- 對架構創新的讚嘆：「DeepSeek 每年都端出瘋狂又有創意的新點子，而且總是敢用接近旗艦規模去訓練。」「DeepSeek 發明了整套推理範式又持續推進，希望他們得到應得的成功。」「每個模型都以系統工程的角度去優化，真的很過癮。」
- 鼓掌但也點出痛點：「552B 幾乎是原版 V4 Flash 284B 的兩倍，已經不『flash』了，這波分數大漲一部分是參數換來的。」自建/本地推論玩家普遍失望，因為記憶體需求暴漲，多數消費級硬體已跑不動。
- 性價比成為主旋律：「對大量軟體任務而言，砸 10 倍錢買封閉旗艦已不再划算。」「DeepSeek 是我們軟體工廠的『主力』。」「有效成本可再降八成，直擊 agent 循環的財務瓶頸。」
- 保留意見：有人點出 Gemini 3.8 Flash 仍是最便宜的測評一哥、Google 模型多半一發命中；也有人提醒 DeepSeek 明確會拿你的 prompt 做訓練，敏感內容（例如 Navier–Stokes 最後一步、商業機密）最好換不追蹤的 provider。
- 實測回饋：有人拿去跑自家 Kubernetes 安全基準測驗，得到「又快又便宜又高分」的評價；也有人回報它比 V4 Pro 更能完成刁鑽任務（例如下載其合法持有的舊遊戲 ROM），但相對也更愛燃燒 reasoning token。
CyberQ 觀點
V4.1 Flash 真正的訊號是——Flash 系列正從「輕量版」變成 DeepSeek 的主力產品線，而「每 token 成本×能完成的 agent 工作量」取代「峰值分數」，成為下一代模型競爭的核心度量。DeepSeek 用一顆入門款取消自家旗艦的決定，更是把「架構效率」抬升為與「參數規模」同等重要的戰略資產。短期內，若你手上多是輸入密集的長上下文或視覺 agent 任務，V4.1 Flash 值得一測；但若極度依賴最難的長程推理，仍建議保留 Opus 或 GPT-5.6 一線備援。開源社群能否把 552B + CED 推到消費級硬體，將是接下來最值得觀察的變數。
