专题 · FULL STORY

DeepSeek V4.1 Flash：从内测传闻到开源实测

9 月 8 日 DeepSeek V4.1 Flash 以中间版本形式开启限时内测，随即引发多方实测；9 月 10 日正式发布并开源，凭 552B 非对称架构、YOCO 设计与超低定价登顶开源榜，SGLang 等生态次日完成适配，成本与性能引发持续热议。

2026-09-08 ~ 2026-09-12 · 18 集 · 211 条

第 1 集 · DeepSeek V4.1 Flash 限时内测：新架构原生多模态(2026-09-08,18 条)

9 月 8 日，多个消息源先后披露 DeepSeek V4.1 Flash 已以「中间版本」形式开启限时内测，模型 ID 为 deepseek-v4.1-flash-expires-on-0910，slug 中的日期表明该内测于 9 月 10 日过期。核心升级点是全新模型架构与原生多模态支持，官方口径称能力更强、速度更快、成本更低。调用方式、计费与并发规则已基本明确，开发者实测陆续出现，模型还悄然现身 Hugging Face，但正式公开公告与完整能力评测仍待官方发布。

已确认

  • 机器之心报道称 DeepSeek 官方宣布 V4.1 Flash 中间版本开始内部测试，主要升级为全新模型架构、原生多模态、能力更强速度更快成本更低；APPSO、智东西、aigclink、赛博禅心等也确认了同一消息。
  • 调用方式：保持 baseurl 不变，将模型名设为以 deepseek-v4.1-flash-expires-on-09 开头的 ID（如 deepseek-v4.1-flash-expires-on-0910）。APPSO、tokenbender、kimmonismus 等指出该日期即过期时间。
  • 据 vista8 转述的官方微信群通知，计费与 V4 Flash 相同，单账号最多 20 并发；teortaxesTex 提到的泄露信息同样指向并发仅 20，并称该中间版本带有视觉能力（V4-Flash-Vision [Intermediate]）。
  • 价格方面，MiaAIlab 经 MicahBerkley 转述称该版本价格极为激进，约 1 美元可消耗 5800 万 token，且限时约 2 天可用。
  • 第三方账号 LuminaBench 发现 DeepSeek 正在 API 上测试该中间构建版本，tokenbender 认为这或为正式版前哨。
  • 实测表现：9 月 10 日 Kevin Kern 试用了预览端点，推理速度约 300 tok/s，并在其任务中大量并行调用子代理；他同时指出预览端点暂不支持视觉输入，期待正式版补齐多模态。智东西的报道则提到输出最快可达 507 tokens/s。
  • 9 月 10 日，Reddit 用户发现 Hugging Face 上出现 deepseek-ai/DeepSeek-V4.1-Flash 模型页面，疑似官方已悄然上传；具体规格与能力信息尚不明确，未经官方公告证实。

尚未确认

  • 消息最初由 op7418、AGI Hunt 等博主从 DeepSeek 官方微信群传出，当时均强调未经官方公开发布公告证实；后被机器之心以「官方宣布」口径报道，但正式公开公告与完整能力细节仍待官方发布。
  • 网友 @NFTChen（经 solyarisoftware 转发）爆料称 V4.1 Flash 预计北京时间 9 月 10 日前后正式发布，且 V4 Pro 请求将按 Flash 价格路由；该说法未经 DeepSeek 官方一手确认。
  • 预览端点不支持视觉输入与「原生多模态」的官方说法之间存在张力，正式版是否补齐视觉能力尚待验证（Kevin Kern 亦仅表达期待）。
  • teortaxesTex 转引 @xhyctf 及网友调侃称希望其至少在视觉之外能打赢 GLM 5.3 Flash，仅为社区观点，无评测依据。

为什么重要

  • 这是 DeepSeek 首次被曝以「中间版本（expires-on）」形式放出限时内测，且计费与并发规则同步明确，配合激进定价，显示其在正式发布前通过开发者实测快速迭代、并借限时窗口收集大规模真实负载的产品节奏。
  • 原生多模态意味着 DeepSeek 主力模型路线的重大升级；实测已给出约 300 tok/s 的速度参考，且模型已现身 Hugging Face，社区正将其与 GLM 5.3 Flash 等竞品对标，正式版发布后的多模态与能力实测值得持续关注。

第 2 集 · DeepSeek V4.1 Flash实测：极速350 tokens/s但偏实验性(2026-09-08,2 条)

多位开发者和博主对DeepSeek实验性模型V4.1-Flash进行实测：YouTuber WorldofAI和开发者ivanfioravanti均报告解码速度约300-400+ tokens/秒，价格也具竞争力，速度表现令人印象深刻。但该模型仍处实验早期，且被指有「爱过度思考」的倾向，整体更适合作为极速、低成本的预览选项而非生产级选择。

第 3 集 · DeepSeek V4-Flash 降价并改峰谷计费，9 月 10 日生效(2026-09-08,6 条)

DeepSeek 宣布自北京时间 9 月 10 日 12:00 起下调 V4-Flash（flash）系列 API 定价，输入价格回到此前涨价前水平，并改为峰谷分时计费，错峰时段降幅最大。此前一天社区渠道已泄露价格表，随后官方公告确认。新方案将接替此前生效的 "Intermediate" V4.1 定价。

已确认

  • DeepSeek 开放平台公告：9 月 10 日 12:00 起 V4-Flash 系列降价（机器之心、量子位、aigclink 转述官方公告）。
  • 闲时定价（元/百万 token）：缓存命中输入 0.02 元（由 0.05 元下调，降 60%）；缓存未命中输入 1 元（由 1.5 元下调，降 33.33%）；输出 4 元（由 4.5 元下调，降 11.11%）。
  • 高峰时段为工作日 9:00–12:00、14:00–18:00，其余为闲时；高峰时段价格高于闲时，具体数值以官方价目为准。
  • 此前生效的 "Intermediate" V4.1 定价方案到期后由新方案接替（teortaxesTex 汇总）。
  • 第三方渠道价格更低：michaelsoftbinbows 指出 OpenRouter 上经 openinference 接入的 DeepSeek V4 Flash（0731）非峰时价格仅输入 $0.05 / 输出 $0.16 每 1M tokens，低于官方定价（$0.22 起），引发热议。

尚未确认

  • 公众号「赛博禅心」提及新方案伴随 20 并发限制，标注待官方最终确认，官方公告未见明确说明。

时间线

  • 09-08：teortaxesTex 汇总泄露的新价格体系；「赛博禅心」同日发布降价消息，含 2026 年 9 月 10 日 12:00 生效时间与并发限制细节，待官方确认。
  • 09-09：量子位、机器之心、aigclink 等报道，DeepSeek 官方公告确认降价；同日 OpenRouter 第三方低价引发讨论。
  • 09-10 12:00：新价格正式生效。

为什么重要

  • 输入价格回到涨价前水平，意味着此前涨价被部分回撤，对依赖 DeepSeek API 的开发者与厂商成本直接利好。
  • 错峰缓存命中低至 0.02 元/百万 token，叠加峰谷分时计费，将引导用户错峰调用、提高缓存利用率，也反映 DeepSeek 供给能力与调度策略的变化。
  • 官方与第三方渠道（如 OpenRouter）价差显著，为开发者提供了更低成本的替代接入途径。

第 4 集 · DeepSeek V4.1 Flash 多方实测：近前沿性能，成本仅 1.4%~3.5%(2026-09-09,15 条)

DeepSeek V4.1 Flash 及同日开放的 V4.1 Flash Vision Beta 在发布后数日内接受多轮独立实测，普遍结论是性能逼近甚至部分追平前沿闭源模型，而成本仅为对方的约百分之一到三十分之一；Artificial Analysis 的量化评测（智能指数 40，113 个模型中排第 6）也从榜单维度印证了这一位置。设计、安全、代码、知识工作、视觉、终端代理与本地部署等多个场景的测试相互印证了这一性价比。

已确认

  • 权威榜单：Artificial Analysis 公布 V4.1 Flash（推理版，Max Effort）评测结果：智能指数 40，在 113 个模型中排第 6，吞吐约 190 tokens/秒；该模型为开放权重，2026 年 9 月发布。
  • 设计类横评：博主 NFTChen 在日常设计任务横评中测得 DeepSeek V4.1 Flash 得 81.2 分，达到 GPT-6 Astra（82.7 分）的 98%，超过 Claude Fable 5.1 的 80.3 分，成本约为 Astra 的 1.4%；uxl 转述的 OpenDesign Arena 榜单数据显示类似性价比，ChrisUniverse 转述的 OpenDesignHQ 评测还指出除 Astra 外其他模型分数更低且成本更高（真伪未获官方证实）。
  • 网络安全基准：pilvar222 团队测试 V4.1 Flash 单次运行可重新发现基准中 65.6% 的近期 CVE（旧版 55.2%），pass@3 下捕获率达 84.4%（旧版 75%），追平前沿模型。
  • 代码修 bug 实测：Pawel Huryn 用 2 个仓库、105 个隐藏真实 bug 测试，V4.1 Flash 成绩进入 Pareto 前沿——作为参照，Opus 5 (max) 找到 27 个、成本 $51.33，Grok 4.6 (max) 同为 27 个、成本 $16.96，而 V4.1 Flash 成本约为 Opus 的 3.5%（约 1/28 价格）；作者还补充 FAQ 回应常见质疑。该结果被 sander、soveLight 等多个账号独立转述，sander 转述版本给出 V4.1 Flash 得 24 分。
  • 知识工作实测：博主 himanshustwts 团队用同一批 22 个内部任务（覆盖工程、业务运营、金融、医疗）横向评测 11 个前沿模型，V4.1 Flash 在 KnowledgeWork 评测中拿到 15/21 通过、接近 SOTA，成本仅为竞品的约 2%；任务平均含 120+ 验证器、以 GPT-5.5 为裁判，整套跑完成本仅 $0.34。
  • 视觉能力：Reddit 用户 cheezeerd 在发布当天对 V4.1 Flash Vision Beta 与 V4 Flash Vision 做 5 项视觉任务对比，并附完整视频走查首稿与三轮修订结果，结论是新版本输出质量明显更好、更可靠，且 API 定价更低。
  • 代码代理表现与定价：dejavucoder 转述 Cline 官方引用的消息称，V4.1-Flash 发布不到一个月即在 Terminal-Bench 上超越 V4-Pro 0813 版本；定价为每百万 token 输入 0.30 美元起，约为 Opus 的 1/20。
  • 本地部署：TheZachMueller 转述的开发者实测显示，DeepSeek 4.1 Flash 以全精度配合 DSpark 引擎，在 4 颗 Apple Max-Q 芯片、仅 64GB 系统内存的机器上跑出约 200 TPS，关键技巧是对约 200GB Engram 的处理。

尚未确认

  • 除 Artificial Analysis 榜单外，各项成绩均来自第三方个人或团队测试，样本与评测方法各异；OpenDesignHQ 评测真伪未获官方证实；Terminal-Bench 超越 V4-Pro 一说源自 Cline 官方引用的消息；Mac 本地 200 TPS 数据为单一开发者实测，官方指标和大规模复现结果均尚未见。

为什么重要

  • 多个独立来源、不同任务类型的测试相互印证 V4.1 Flash 的性价比，而非单一榜单的孤证；Artificial Analysis 的排名进一步提供了中立第三方的量化背书。
  • 若结果可复现，超低价近前沿模型将进一步压缩闭源旗舰模型的定价空间，并降低开发者与企业的迁移门槛。
  • 能在消费级 Apple 硬件上全精度高速运行，意味着该模型还具备本地化、私有部署的吸引力，扩展了应用场景。

第 5 集 · DeepSeek 开源发布 V4.1 Flash，超旗舰低价引热议(2026-09-09,57 条)

DeepSeek 于 9 月 10 日正式发布并开源新模型 V4.1 Flash，在网页、App 与 API 三端同步上线，API 模型名为 deepseek-flash，权重以 MIT 协议上架 Hugging Face（提供 fp8/8-bit 版本，支持 transformers 部署），并附论文。官方称其性能、费用、速度全面超越自家旗舰 V4 Pro，是近期最受关注的开源模型发布之一。

已确认

  • 架构与规模：552B 总参数的非对称 MoE，采用全新 Causal Encoder-Decoder 架构，输入侧仅激活 8B 参数、输出侧激活 16B，支持最高 100 万 token 上下文，借助跨层共享的压缩 KV Cache 等技术节省 7/8 的 KV 缓存开销（@YuchenjUW 称 KV cache 每 token 体积再降 4 倍），并采用两阶段稀疏索引器等设计。官方称非对称激活与 KV 缓存节省是跑赢旗舰的关键。
  • 多模态与生态：这是 DeepSeek 新架构家族中首个原生支持视觉理解（image-text-to-text）的模型，也是该家族目前最小的成员，可为更大规模模型铺路；vLLM 与 SGLang 均提供零日支持，并已在 NVIDIA/AMD GPU 上验证。官方公开征集 2000 GPU + 存储集群级别的大规模部署合作。
  • 定价与基准：官方公布新定价，谷峰价差 50%；社区转述输入价格约 $0.14-0.15/M、输出约 $0.60/M；@kimmonismus 称输出价格仅为 GPT-5.6 Sol 的 6%，@YuchenjUW 称整体成本约为其 3%。据 Artificial Analysis 数据，V4.1 Flash 在其 Intelligence Index 得分 40，反超自家 1.6T 参数的 Pro 旗舰，而 token 价格便宜约 4 倍；社区帖称 DeepSWE v1.1 得分 74.2%、CyberGym 88.1 vs 84.5，API 成本约为 Opus 5 的 2.5%。
  • V4 Pro 退役与路由：官方公告称，在 V4.1 Pro 上线前，所有 V4 Pro 请求将被自动路由到 V4.1 Flash 并按更低价格计费；据 @markk 转述，9 月 14 日起 V4 Pro 请求即切换。旧模型 V4-Flash 与 V4-Flash-Vision-E 等也将退役。V4.1 Flash 距 7 月的 V4-Flash 发布仅约六周，迭代节奏明显加快。
  • 行业反应：Hugging Face 联合创始人 Thom Wolf 称该模型重回开源排行榜榜首且价格极低，并制作前向传播可视化视频展示其推理设计；多位研究者将其视为近期最重要的模型发布之一。Redis 作者 antirez 持保留态度，认为相比上一代 4.0 Flash 并非质的飞跃——backbone 参数翻倍仅带来小幅领先。

尚未确认

  • 部分转发帖（@solyarisoftware）出现 769B 总参数的说法，与官方口径的 552B 不一致，以官方 552B 为准。@ns123abc 称每百万 token 成本约为竞品的 1/86、输出速度 420-507 tok/s（快于 Gemini），该说法源自网络爆料，数字待独立验证。

为什么重要

  • 以极低的激活参数量和成本达到超越旗舰 V4 Pro 的表现，配合 MIT 开源，可能进一步压低行业推理价格并冲击闭源厂商；但如 antirez 所指出的，相对前代的代际提升幅度存在争议。
  • V4 Pro 用户需注意 9 月 14 日前后自动路由带来的行为变化，依赖其能力的开发者应在切换前评估实际表现。
  • 百万 token 上下文、原生视觉与 7/8 的 KV 缓存节省，对长文档与智能体工作流场景的可用性和成本有直接影响；该模型还为同架构家族更大规模模型铺路。

还有 37 条相关讨论 →

第 6 集 · DeepSeek V4.1/Flash 爆料：552B 非对称架构对标 GPT-5.6 Sol(2026-09-10,21 条)

9 月 10 日，多位博主集中曝光了据称是 DeepSeek V4.1 及 V4.1 Flash 的官方基准成绩与技术细节，Sentdex 于次日称权重已放出。若属实，V4.1 将以 552B 非对称激活架构在多项 agentic/编码基准上正面挑战 GPT-5.6 Sol，并凭极致 KV 压缩大幅压低推理显存与成本，还带来 1-100 连续可调推理力度等罕见设计。官方尚未确认任何信息，iScienceLuvr 等博主公开质疑成绩可能存在刷榜成分。

已确认

  • 信息均为未经官方证实的爆料，主要来自 teortaxesTex、eliebakouch、ChrisGPT、nrehiew、iScienceLuvr、AdinaYakup、zainhas、Sentdex 及 @sheriyuo（经 AndrewZhao 转发）、@MiaAIlab（经 airesearch12 转发）等博主，各帖数据相互印证；另有 SemiAnalysis 发帖「祝贺」发布（经 bodonoghue85 转发）。
  • 模型总参数 552B，采用全新 Causal-Encoder-Decoder 架构，输入激活 8B、输出激活 16B；nrehiew 补充称同一模型在预填充与解码两个阶段激活不同数量的参数（解码 8B、预填充 16B），属此前少见的设计。多个来源强调其成本显著低于同尺寸模型，sheriyuo 称其「智能超自家旗舰」；MiaAIlab 称其能力大致持平或优于 GPT-5.6 Sol、Claude Opus 5、GLM 5.3 和 Kimi K3 等一线模型；Sentdex 援引的原推称权重已放出，模型比前代大不少，并在多个关键领域超过 Opus-5、GPT-5.6-Sol、Kimi-K3 和 GLM-5.3。
  • 曝光跑分：TerminalBench 4.0 得 31.2，CyberGym 88.1（对比 GPT-5.6 Sol 的 84.5），HLE 63.9；ChrisGPT 称多项 agentic/编码基准超越 GPT-5.6 Sol；nrehiew 称 V4.1 Flash 在 DeepSWE 以 74.2 分登顶，超过 Opus 5 与 Gemini 3.8 Flash。
  • eliebakouch 引述的技术报告显示 V4.1 Flash 为原生视觉模型，训练于 45T tokens，架构被赞为近年最新颖；AdinaYakup 称其原生视觉能力合并到同一端点。
  • zainhas 连发两帖指出，V4.1 Flash 支持 reasoningeffort 从 1 到 100 连续可调，而非业界常见的 low/medium/high 离散档位，并罕见提供 API 兼容映射；其称此前未见过任何模型采用这种设计。

架构与工程亮点

  • 据 teortaxesTex 爆料，KV cache 压缩至 890 字节/token，百万 token 不足 1GB；相比 V4-Flash，HBM 需求再降 3.9 倍，SSD 需求降 8 倍，且发布半年后仍未被超越。AdinaYakup 称 KV 缓存缩至首代的 1/437，HBM 占用为上一代 1/4、SSD 为 1/8。
  • Scobleizer 转发的信息补充定价：$0.15 输入 / $0.60 输出每百万 token，AdinaYakup 称价格仅为 Opus 的四十分之一。
  • 同据 teortaxesTex（经 zephyrz9 转发），V4.1 砍掉 V4 的临时补丁：放弃 HCA、将 CSA 泛化为更通用原语、去掉稀疏注意力的 warmup 阶段、采用更简单的单遍 mHC；另提及新的稀疏注意力设计（经 donglixp 转述）。
  • teortaxesTex 还转发调侃了一份署名「果蝇连接组」的报告，称 V4.1-Flash 在 2× NVIDIA GB300 DGX Station 上完成推理优化，prefill 达 56k tok/s，c1 decode 达 201.7 tok/s（级别），该报告的可信度与来源本身即带玩笑性质，仅供参考。

尚未确认

  • 所有跑分、参数规格、定价、吞吐数据、架构细节及权重放出的说法均无官方来源，最终发布版本可能存在差异；iScienceLuvr 明确表示对「GPT-5.6 Sol 级别」的成绩持怀疑态度，怀疑存在刷榜成分，相关帖中也出现「benchmarkmaxxed」的质疑。

为什么重要

  • 若爆料属实，V4.1 在 agentic/编码能力上正面挑战 GPT-5.6 Sol，同时凭借不对称激活与极致 KV 压缩大幅降低部署显存门槛；1-100 连续推理力度若属实，也将为 API 侧的推理成本与深度调控提供新的交互范式，在开源开放生态下对推理成本影响显著。

还有 1 条相关讨论 →

第 7 集 · DeepSeek V4.1 Flash 评测跑分流出，社区热议实测表现(2026-09-10,2 条)

DeepSeek V4.1 Flash 发布后，Reddit 等社区流传出该模型的首批评测成绩截图，成为与其他前沿模型对比的依据之一。网友转发的截图显示，该模型在 deepswe 榜单上达到 SOTA，与 sol 和 fable5 同列，并在 terminal bench 上表现出较强竞争力，整体跑分亮眼，引发社区热议。

第 8 集 · DeepSeek 九个月将 KV 缓存压缩 54 倍至亚 KB 水平(2026-09-10,6 条)

据 X 用户 zephyrz9 与 teortaxesTex 等人披露，DeepSeek 在过去约九个月内将每 token 的 KV 缓存体积压缩了 54 倍，最新达到每 token 约 890 字节的亚 KB 水平，引发社区对其推理效率与内存优化能力的广泛关注。

已确认

  • zephyrz9 称 DeepSeek 九个月内实现每 token KV 缓存体积 54 倍压缩，体现出推理效率与内存优化的快速迭代。
  • teortaxesTex 给出具体数字：新模型每 token 仅约 890 字节，压缩率异常之低。
  • kalomaze 确认单 token 的 KV 存储成本已被压到 1KB 以下，延续 DeepSeek 一贯的效率路线；但他也指出，极致压缩对应的训练与服务基础设施「最折磨人」，成本与工程难度极高。
  • teortaxesTex 认为 DeepSeek 一项架构层面的稀疏化改动意义重大，将显著提升 token 效率，走向 OpenAI 式的效率区间，摆脱「胖鲸鱼吃白米饭」式的巨量参数激活浪费。
  • 投资人 0xdoug 评论称 DeepSeek 绝对是继 OpenAI 和 Anthropic 之后的第三家前沿实验室，但路线不同：OpenAI 和 Anthropic 专注在可接受的成本下推进智能前沿，DeepSeek 则专注在可接受的智能水平下压低成本。

尚未确认

  • teortaxesTex 关于新版发布内容带有「ChatGPT 风格痕迹」的说法属个人解读，未经证实。
  • 极致 KV 压缩下的长上下文能力是否可靠，teortaxesTex 明确表示期待长上下文评测成绩予以验证，目前尚无结果。

为什么重要

KV 缓存是长上下文推理内存占用的主要来源，如此幅度的压缩意味着同等硬件可支撑更长上下文与更高并发，直接降低推理成本；0xdoug 的「第三前沿实验室」定位则凸显 DeepSeek 以效率为先的差异化路线。但若以牺牲长文能力或极高基础设施复杂度为代价，其性价比仍需评测数据与部署实践检验。

第 9 集 · 传 DeepSeek 新模型成开源之王：碾压 GLM、Kimi 且便宜 4-10 倍(2026-09-10,3 条)

投资人 Deedy 转发称 DeepSeek-V4.1-Flash 已在 Hugging Face 上线（MIT 协议、多模态 image-text-to-text），号称新的开源之王：基准测试大幅超过 GLM 5.3 和 Kimi K3，价格却分别便宜 4 倍和 10 倍，输入 $0.3/M、输出 $1.2/M，Codeforces 排名第六。

第 10 集 · Bug Hunt Bench 发布:105 个真实 bug 横评前沿模型(2026-09-10,13 条)

开发者 Pawel Huryn(The Product Compass 作者)发布并运营 Bug Hunt Bench 基准:在两个生产代码库中人为埋入 105 个真实 bug,让 GPT-6、Claude、Grok、Gemini、DeepSeek、Kimi、GLM 等前沿模型在各自 agentic 配置下修复,按修复数量盲评排名,每个仓库只给一次提示,满分 105,结果持续更新于其 GitHub 榜单页面,支持用过滤器对比查看。本轮最大亮点是 DeepSeek-V4.1-Flash 的高性价比,作者还表示正用各模型 CLI/API 的最高推理档复测 Kimi K3 和 GLM,新结果将更新进排行榜。

已确认

  • GPT-6 Astra 补测成绩:low 档 27/105、medium 档 34/105,结果此前已于 9 月 4-5 日发布,可在榜单页面用过滤器对比查看。
  • DeepSeek-V4.1-Flash(high 档):max effort 下修复 24/105,总花费仅 $1.80,耗时 42.6 分钟。
  • Huryn 复测发现 V4.1 Flash 明显优于 V4 Pro:DeepSeek V4 Pro(max)仅 16/105,花费 $1.89、耗时 37 分钟,即 Flash 得分更高还更便宜。
  • 据转述同一基准的对比数据:Claude Opus 5(max)修复 27 个,成本 $51.33;Grok 4.6(max)等旗舰模型也在对比之列;DeepSeek-V4.1-Flash 的 $1.80 成本约为 Opus 的 1/28(即 3.5%)。
  • Huryn 正在用各自 CLI/API 的最高推理档复测 Kimi K3 与 GLM,结果尚未上榜。

尚未确认

  • 上述 Opus、Grok 等模型对比数字主要来自转发帖的转述,精确口径以 Huryn 的 GitHub 榜单页为准。
  • Kimi K3 与 GLM 的复测结果尚未发布。

为什么重要

  • 该基准用真实仓库预埋 bug、盲评、单次提示的设定,比传统合成基准更贴近实际修 bug 场景。
  • Huryn 强调 DeepSeek-V4.1-Flash 以约 $1.80 的成本修复 24 个 bug,在同级价格中性价比突出,且反超自家更贵的 V4 Pro,为预算敏感的团队提供了有参考价值的选型数据。
  • 榜单持续补测新模型,有望成为跟踪前沿编码模型修 bug 能力的动态参考。

第 11 集 · DeepSeek V4.1 Flash 确认以 YOCO 架构为核心(2026-09-10,7 条)

9 月 10—11 日，多位博主集中讨论 DeepSeek 新模型 V4.1 Flash 的架构变化。DeepSeek 研究员董力公开确认 V4.1 Flash 以 YOCO（You Only Cache Once）架构为灵魂，继承 YOCO 在 prefill 和 KV 缓存上的数量级优势；论文深读还发现 checkpoint 间复用 KV 缓存等做法，相关技术全面开源。TL;DR：V4.1 Flash 的核心是 YOCO 带来的 prefill 与 KV 缓存数量级优化，DeepSeek 被认为在 Transformer 本体层面持续创新并开源，抬高了开源社区的技术下限。

已确认

  • DeepSeek 研究员董力（@donglixp）表示 V4.1 Flash 的架构以 YOCO 为灵魂，继承了 YOCO 在 prefill 和 KV 缓存上的数量级优势，并提出架构创新进入下半场。
  • Astra Pro 深读 V4.1 论文发现，DeepSeek 在不同 checkpoint 之间复用 KV 缓存，被评论者称为「奇怪的模型工厂」。
  • DeepSeek 论文引用 2024 年的 YoCo 论文作为其 Causal-Encoder Decoder（CED）transformer 模块的主要灵感来源。
  • DeepSeek 将新架构相关技术信息公开开源。

尚未确认

  • 据中文 KOL MaxForAI 对 V4.1 Flash 论文结构图的分析（未经官方确认），模型至少有三大架构变化：回走编解码结构、引入 CSA2 跨层复用等，值得关注的是对 Transformer 本体的改动而非参数或跑分。
  • 开发者 aHapBean 认为「Causal Encoder-Decoder」名不副实：V4.1 可能仍是 decoder-only LLM，该命名夸大了架构革新，更准确的说法应参考 YoCo 的思路。

为什么重要

  • @evijit 指出，DeepSeek 连续在架构级而非仅规模层面创新并开源，抬升了整个开源社区的技术下限。
  • KV 缓存数量级优化与 checkpoint 间复用若广泛落地，可显著降低训练与部署成本，对推理经济性有直接影响。

第 12 集 · DeepSeek V4.1 Flash 技术报告流出：死磕 KV cache 压缩(2026-09-11,44 条)

DeepSeek V4.1 Flash 的技术报告在网上流出，@burkov 提醒该发布未获 DeepSeek 官方确认，真实性存疑。报告描述了一个以 KV cache 压缩为核心设计目标的旗舰模型：@stochasticchasm 读后指出基准成绩高得惊人、KV cache 较 DSV4-Flash 缩小 4 倍且训练更稳定；@nrehiew 发布系列长文逐层拆解，@demianai 转发的 Mhr1036 分析与 @teortaxesTex 转发的 arjunkocher 架构详解给出互补视角。社区共识是：该模型通过架构、算法、训练到推理部署层面的系统性创新，同时压低了长上下文的计算与内存开销。

已确认

  • 模型为 552B 参数 MoE 骨干，支持百万 token 上下文窗口；Mhr1036 指出长上下文带来「为保留上下文付费」的第二重成本，而该设计同时压缩计算与内存两端；@stochasticchasm 称 KV cache 相比 DSV4-Flash 缩小 4 倍，对推理显存与长上下文成本影响显著
  • 核心架构为非对称因果编码器-解码器（CED）：40 层网络分为下半 20 层 encoder 与上半 20 层 decoder；@nrehiew 解释这是针对 prefill 昂贵问题的方案——下半层生成 KV cache，经逐层投影后共享给上半层，可理解为一种 YOCO 式 decoder-decoder 结构，将 KV cache 减半；arjunkocher 的拆解确认了非对称设计并提到 CSA2 注意力。@stochasticchasm 细读后补充修正：解码器并不能在多层上对编码器 KV 做注意力，只是对最终编码器状态做周期性读取，且并非标准交叉注意力
  • 据 @altryne 转述 Chris Alexiuk 的说法，prefill/decode 的分离做法被直接「烘」进了模型权重本身，而不只是停留在推理服务栈层面，进一步印证其推理优先的设计取向
  • 全局注意力本质是升级版压缩注意力：三种 KV 复用变体（不复用、复用早层 KV 等）都先在小 KV 上跑 indexer 做选择，再与窗口化 KV 拼接后进入注意力
  • 注意力 indexer 本身也是稀疏的：第一个 full mode indexer 先选出候选，后续层用这些候选打分，形成分层筛选结构
  • 优化器采用 head-wise Muon（含视觉模型部分），并含 196B 参数 Engram 组件、配合 Sinkhorn 平衡；sparse attention 无需 warmup、从头训练；@stochasticchasm 转述官方宣称训练过程明显更稳定。他还注意到该模型没有任何 input/output 优化参数、仅 LM 头做 weight decay（他原以为完全没有 Adam 参数，后更正为仍保留少量），并判断 Muon「正在成为训练默认优化器」
  • Engram 细节（@stochasticchasm）：查找表大小选用互不相同的素数、使用 4-gram、疑似以 fp8 存储
  • KV cache 同样经过量化感知训练（QAT），@stochasticchasm 认为这解释了该模型在 fp4 KV cache 精度下比其他模型表现更好，对端侧/低精度推理部署有参考价值
  • 多模态方面：45T 图文 token 预训练、自研 Siglip 风格图像编码器、模态级 load balancing（@nrehiew 认为这让人联想到原始 Chameleon）
  • RL 训练基建（@nrehiew 拆解）：精心的 dispatch 策略消除长尾停顿；从旧 checkpoint 做 router replay；针对短补全在训练早期造成 off-policy 的问题，采用数据集层面设上限等控制手段；配备 40+ 教师 OPD。@nrehiew 还称新模型效率达到「Sol/Opus 级别」，认为跑分数字「insane」
  • 沙箱与数据（@nrehiew）：自研 orchestrator 在计算节点间放置沙箱并本地检查容量瓶颈，NUMA 域内每个 VM 支持单节点 2500 个并发沙箱；agent 轨迹数据首次明确由真实合作伙伴的使用模式启发，通过系统中多个 agent 合成生成，并配合 checkpoint 合并的后训练策略
  • 推理侧（@nrehiew）：大量融合 kernel，prefill 仅执行 15 个 kernel、decode 仅 11 个；借 SWA 降低 KV 缓存，SWA 缓存仅保留在每条 user/assistant 消息级别（分钟级缓存）。@nrehiew 还指出 V4.1 是他见到的第一个拥有「数值化 reasoning effort 参数」的模型，该参数直接影响长度惩罚，用户可用数值直接调节推理深度与输出简洁度的权衡
  • 训练基建：一个模态计算时可并行 all-gather 另一模态的特征，对超长多图序列应用 CP（context parallelism）；部署稀疏 indexer 专用集群
  • 架构设计几乎完全以推理效率为目标：@stochasticchasm 称该设计对 prefill-decode 分离（PD disagg）架构友好，大批量 prefill 下利用率不错；另有评论认为 v4 中 CSA/HCA 双压缩频率交替设计缺乏解释，不如纯 CSA2 方案合理
  • @stochasticchasm 还指出 DeepSeek 似乎正在打破「V<N> = 全新预训练」的命名惯例（此前它是少数严格按此划分版本的厂商），有评论认为这一代像是 V4 架构的简化版；作者预告后续会将其与 YOCO 架构做对比，并对报告中 KV cache 图表的对比方式存有疑问

尚未确认

  • @burkov 强调该技术报告的发布未获 DeepSeek 官方确认，内容真实性存疑，需以官方渠道为准
  • @stochasticchasm 在部分讨论中将该泄露架构与传闻中的 qwen-3.8-flash-next（据称带 51B n-gram 参数）相提并论，并猜测「全局共享 KV + 各层独立 SWA」的组合换来了超小 KV cache、前两层仅用 SWA 等细节；这些归属与机制推断均为个人推测，未经证实

为什么重要

@nrehiew 的主线判断是「对 KV cache 压缩的偏执」造就了这个超高效的旗舰模型：在百万 token 上下文成为标配、长程 agent 工作负载成本攀升的趋势下，KV cache 的读写与内存成本成为主要瓶颈。V4.1 Flash 展示了一条从架构（非对称 CED、KV 复用、将 PD 分离写入权重）、算法（稀疏分层 indexer、压缩注意力、KV cache QAT）、训练（Muon、Sinkhorn、负载均衡、router replay）到推理部署（15/11 个融合 kernel、消息级 SWA 缓存、数值化 reasoning effort）的系统性降本路径，对长上下文与多模态前沿模型的工程化具有参考价值。

还有 24 条相关讨论 →

第 13 集 · DeepSeek V4.1 Flash 登顶 Vals 开源榜，成本仅 0.3 美元(2026-09-11,2 条)

据 ValsAI 测评，DeepSeek V4.1 Flash 登顶 Vals Index 开源权重模型榜，超越 Kimi K3。每次测试成本仅 0.3 美元，是开源前十中最便宜的方案。有网友指出其价格约为 Kimi K3 与 GLM 5.3 的二十分之一，以极低成本登榜引发关注。

第 14 集 · DeepSeek 发布 V4.1-Flash：552B 骨干、百万上下文(2026-09-11,5 条)

DeepSeek 于 9 月 11 日前后正式发布新架构家族中最小的成员 DeepSeek-V4.1-Flash，并同步更新网页版和 App，主打「快速、专家、识图」三合一。该模型为多模态 MoE 架构，骨干参数 552B（Ollama 页面标注总参数 763B），原生支持图文输入，具备原生视觉理解能力，支持最长约 100 万 token 上下文，同时支持 vision、tools 与 thinking 等能力，面向 agentic 与长上下文场景。

已确认

  • DeepSeek 官方确认 V4.1-Flash 是新架构家族中最小的模型，主打更高能力、更快推理、更高吞吐，并为家族后续更大模型做准备。
  • 模型采用 Causal Encoder-Decoder 架构，KV 缓存缩小 4 倍。
  • Fireworks 宣布上线该模型，定位编码与智能体场景；FLock API 平台与 Ollama（云端模式）也已上线。
  • 据 APPSO 报道，主干参数从此前的 284B 翻倍至 552B，但速度反而更快：实测 420-507 tok/s，另有用户测得约 217 tok/s。

尚未确认

  • 帖子材料中对参数规模的表述存在差异：转发帖称 552B 参数，Ollama 页面标注 763B 总参数、552B 骨干参数，官方口径尚需进一步核实。
  • 「建站成本仅 Claude 的 1/40」「Agent 成绩反超 Claude」等对比性说法源自转发与媒体转述，具体测试条件不明。

为什么重要

  • 该模型是 DeepSeek 新架构家族的首发小尺寸成员，其能力与成本表现将为后续更大模型定下基调。
  • 552B 骨干参数叠加百万 token 上下文和 4 倍 KV 缓存压缩，在长上下文与 agentic 场景下对同类闭源模型构成直接竞争压力。

第 15 集 · DeepSeek V4.1 Flash 评测得 40 分，幻觉率上升仍领先开源(2026-09-11,2 条)

Artificial Analysis 公布 DeepSeek V4.1 Flash 评测结果：AA 指数得 40 分，虽仍低于 GLM-5.3-Flash，但已超过最新的 DeepSeek V4 Pro。细分上，AA-Omniscience 提升 9 分至 -5.3，准确率从 40% 有所上升，不过幻觉率也有所上升，整体仍领先开源同侪。

第 16 集 · DeepSeek CED 与 GLM 的 KV 缓存复用机制解析(2026-09-11,4 条)

社区热议各家模型的 KV 缓存复用架构。YOCO（You Only Cache Once）设计简单：模型前半部分为普通结构，将隐藏状态再投影得到 K/V 后，后半段所有层共享同一份 KV 缓存。DeepSeek 的 CED 与 YOCO 思路类似，应用于 CSA2 层的全局分支，每层各自独立，且只缓存编码器 KV。GLM 5.2 则在保持灵活性的同时，将「按块打分」变为「按 token 打分」，块内共享 block index 以获得性能收益，各家命名与共享方式引发讨论。

第 17 集 · DeepSeek 4.1 Flash 实测：缓存降价 7 倍，内核大升级(2026-09-11,2 条)

DeepSeek 新发布的 4.1 Flash 引发关注。实测显示其缓存命中价格大幅下降（约降价 7 倍），编码与 3D 场景生成能力显著跃进，架构为 552B 参数；自 9 月 14 日中午起所有发往 v4-pro 的请求将被强制路由到 4.1 Flash 并按其低价计费。推主 teortaxesTex 也称赞其在内核工程能力上有「巨大提升」，认为 GLM-5.3 Flash 远不能及。

第 18 集 · SGLang 24 小时适配 DeepSeek V4.1 Flash 达 873 tok/s(2026-09-12,2 条)

SGLang 团队宣布为 DeepSeek V4.1 Flash 提供 Day 0 支持,并在模型发布后 24 小时内将推理性能推至 4×GB300 上单批次(BS=1)873 tok/s,同时发布了详细的适配指南供开发者参考。