专题 · FULL STORY

DeepSeek V4.1-Flash 发布与实测狂欢

9 月 18 日 DeepSeek 官宣 V4.1-Flash,以 552B MoE 架构与百万上下文瞄准长程 Agent 工作负载。发布前后开发者迅速实测,有人在 agent 工作流中四天烧掉超 20 亿 tokens,并称整体开销大幅下降,DeepSeek 由此成为不少开发者的主力模型。

2026-09-18 ~ 2026-09-19 · 2 集 · 7 条

第 1 集 · 开发者实测后砍九成AI开销 DeepSeek成主力(2026-09-18,2 条)

开发者 @btsouth 在 agent 工作流中大量实测 DeepSeek V4.1 Flash，先在 4 天内用掉超 20 亿 tokens，随后称总投入已超 70 亿。他认为该模型不是“预算备胎”，而是可承担编码、调试等任务的默认主力，并把月费从约 300 美元降到 30 美元，AI 开销下降约九成。

第 2 集 · DeepSeek 发布 V4.1-Flash,多平台火速上线(2026-09-18,5 条)

9 月 18 日，DeepSeek 官宣发布 DeepSeek-V4.1-Flash，这是其新架构家族中最小的模型，定位为面向长程 Agent 工作负载的多模态 MoE 模型，并为家族后续更大模型铺路。权重已在 Hugging Face 开放，多家第三方推理平台当天即跟进上线。

已确认

  • 架构与参数：552B MoE，输入仅激活 8B 参数、输出激活 16B 参数，采用非对称 Causal Encoder–Decoder 架构，原生支持视觉理解(m1、m4、m5)
  • 长上下文与效率：上下文最高 100 万 token，KV 缓存压缩至 890 字节/token，较此前降至 1/4(m1、m5)
  • 开放性：权重已在 Hugging Face 开放(m1)
  • 第三方上线：Nebius Token Factory 已上线该模型，面向长输入、高吞吐工作流，原生支持图像理解(m4)；Runware 同步上线并公布输入 token 价格(m3)；推理服务商 Inco 上线后输出速度达 532 tokens/s，据 Artificial Analysis 数据为其平台上输出速度第一且优势明显(m2)

为什么重要

  • 非对称激活设计(输入 8B/输出 16B)兼顾长输入处理的成本与生成质量，配合大幅压缩的 KV 缓存，显著降低百万级上下文应用的门槛。
  • 作为新架构家族的最小成员，它为后续更大模型验证了架构与部署路线；多家第三方平台发布当天即上线并登顶速度榜，说明生态采用意愿强烈。