9 月 10 日，深度求索正式发布全新架构系列的开山之作 DeepSeek V4.1 Flash，权重以 MIT 协议开源至 Hugging Face；9 月 14 日起官方把 V4 Pro 的请求全部路由到新模型。这更像一次“以架构换效率”的发布：不是把模型做得更大，而是把“读长文、跑 Agent”的成本彻底打下来。
核心亮点
- 非对称激活：552B 参数的 MoE，采用 Causal-Encoder-Decoder 结构，输入阶段仅激活 8B、输出阶段激活 16B，输入密集型任务成本显著低于同尺寸模型；
- KV 缓存大幅压缩：全局 KV 缓存降至 890 字节/token，约为上一代的 1/4，对 HBM 需求减少 75%，相比初代更是缩到 1/437，靠的是 CSA2 压缩稀疏注意力、FP4 缓存与 196B 参数的 Engram 条件记忆；
- Agent 基准登顶：Terminal-Bench 2.1 拿到 90.6，超越 Claude Opus-5（89.1）与 GPT-5.6 Sol（88.8）；DeepSWE v1.1 74.2 追平 Opus-5，AutomationBench、CyberGym、Agent’s Last Exam 均列第一。
实用价值
开发者把 API 模型名改为 deepseek-flash 即可调用最新版，官方同步降价最高 60%，闲时再享半价；腾讯 WorkBuddy、CodeBuddy 与 OpenCode 已全量接入。对跑长上下文 Agent 的团队来说，缓存命中费往往占大头，KV 缓存变小直接意味着日常调用成本成倍下降。
展望
作为“全新模型结构系列中最小尺寸”的成员，V4.1 Flash 已全面超越自家 V4 Pro，后续更大参数的旗舰版本更值得期待；MIT 协议配合参考推理代码开源，也让 CED、CSA2 等思路有望被整个开源生态吸收复用。