DeepSeek V4.1 Flash 架构重置：KV 缓存缩至 1/4

DeepSeek 发布 V4.1 Flash，在模型体量约为前代两倍的情况下，将工作 KV 缓存压缩到 1/4、持久缓存存储降到 1/8，实测速度接近 420 tokens/s。多位独立评论者认为这是「AI 工程与研究的杰作」，架构解析者甚至认为其含金量足以称为「DeepSeek-V5 Flash」。该模型通过主动删除自家旧设计实现架构重置，长 agent 会话的缓存持有成本显著下降，但社区对 190B+ engram 查找表的机制仍有困惑。

已确认

• 知乎作者 Exhalation 拆解指出：尽管 V4.1 Flash 总参数与激活参数都比上一代更大，工作 KV cache 降到 1/4，持久缓存存储降到 1/8（bendee983 转述为 KV 存储从每 token 3514 字节降至 890 字节）。
• 核心做法：删除旧模块、共享 KV 状态并重算局部上下文。
• 模型采用分离式编码解码架构，具备极强的 prefill 优化，KV cache 规模巨大。
• 实测速度接近 420 tokens/s。
• 博主 zartbot 发布了对技术报告的长篇架构解析，认为其含金量足以称为「DeepSeek-V5 Flash」。

尚未确认

• 发帖人 NoAfternoon4260 求助式提问：500B+ 权重与 190B+ 的「engram 查找表」各自的作用是什么，核心疑问尚未得到权威解答。

为什么重要

• bendee983 指出，长 agent 会话的缓存持有成本更低，这对长上下文 agent 应用是直接利好。
• teortaxesTex 评论认为，DeepSeek 把注意力中二次方计算的部分不断上移、压缩到更精炼的操作里，不是小修小补，而是坦然接受「苦涩教训」——在自身科学框架内寻找全局计算的不可约最小原语，属于探索式架构研究路线。

2026-09-15 ~ 2026-09-17 · 5 条相关

• DeepSeek V4.1 Flash 架构引困惑：500B 权重加 190B Engram 查找表怎么用 — No_Afternoon_4260 · 2026-09-15
• 【源头】DeepSeek V4.1 Flash 架构重置:KV 缓存缩至 1/4,主动删掉自家旧设计 — teortaxesTex · 2026-09-16
• 【源头】DeepSeek 不断上移二次方分量，被赞是「苦涩教训」式科学探索 — teortaxesTex · 2026-09-16
• 深度解析 DeepSeek-V4.1 Flash:把 KV Cache 压缩推到极限 — teortaxesTex · 2026-09-17
• 【源头】DeepSeek-V4.1-Flash:KV 缓存降至 1/4,解码分离架构获盛赞 — bendee983 · 2026-09-17