DeepSeek V4.1 Flash：披著點版本號外衣的全新基礎模型

DeepSeek V4.1 Flash問世已六天，其發布時留下的三個懸而未決問題如今都已塵埃落定——其中兩個對公司有利，一個則明顯不利。模型本身自 9 月 10 日以來並未改變：一個 5520 億參數的專家混合模型，採用開放的 MIT 權重，具備 100 萬個 token 的上下文，以及全新的因果編碼器-解碼器架構，而供應商自家的模型卡將其歸入公司所稱的「新架構家族」。真正變動的是它周遭的一切。一家獨立評測機構公布了評分，而發布當天早上根本還沒有任何評分。公司撤回了DeepSeek V4 Pro的退役計畫，這項計畫曾在自家更新日誌中宣布。而當天早上還不存在的首日服務工作，如今已在數個主流推論執行環境上運行——其中兩個最困難的部分，即 Engram 記憶體表，以及生產部署所依賴的 prefill/decode 拆分，仍在公開地積極重新修改中。

命名上的不一致，仍是這篇文章存在的原因。把「V4 Flash 到 V4.1 Flash」解讀為一次補丁步驟，是再自然不過的做法，卻也是錯誤的做法：版本號看似只差一個小數點的一次重新調校，底下的架構卻奠定了一個家族。六天來的證據並未讓這一點軟化。真要說有什麼變化，獨立的數據反而讓它更加鞏固，因為一個得分超越自家廠商 1.6 兆參數旗艦的模型，並不是一次小版本發布——它是一個拒絕為自己命名的世代。

9月10日實際上發布了什麼

這不是外洩，也不是 Beta 測試。9 月 8 日以模型 ID deepseek-v4.1-flash-expires-on-0910 開始、為期兩天的 API 測試，如其後綴所預告的方式結束，而該發布也已在 DeepSeek 的網頁應用程式、行動應用程式與第一方 API 上線，權重與技術報告則以 deepseek-ai/DeepSeek-V4.1-Flash 之名發布於 Hugging Face。

實際細節六天來毫無進展：

• 模型名稱 — 呼叫 deepseek-flash。舊版名稱 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 仍被接受，但它們不再解析為原本的模型：兩者均已退役，指名使用它們的請求會由 DeepSeek V4.1 Flash 提供服務，並按 Flash 費率計費。

• 內容包括——100 萬 token 的上下文視窗、384K 最大輸出、JSON 輸出、函式呼叫、原生圖片輸入，以及預設開啟的思考模式，並提供低、高與最高強度的設定。

• 授權條款 — MIT，權重包含在內，儲存庫中有一個推論資料夾與一個獨立的編碼模組。DeepSeek 在第一天就明確邀請開源社群建立推論支援，而社群響應的速度比這項邀請所暗示的還要快。

並非點版本的 .1

這篇文章的起點，來自 teortaxesTex 在 9 月 10 日的一則貼文。teortaxesTex 是一位化名、但備受密切關注的 DeepSeek 觀察者。該貼文宣稱：這是「DeepSeek 首次以 .1 版本號來標示一個全新的基礎模型」；V4.1「與 V4 之間的差異，比 LLaMA 3 與 LLaMA 1 之間的差異還大」；而且 DeepSeek「還不認為這值得稱為 V5」——但發文者卻無法說明原因。

將因果部分視為推測，將結構部分視為可驗證的。至於推測——為何 DeepSeek 選擇 .1 而非 V5——只是某位觀察者的解讀，僅此而已；公司外部無人解釋過這項決定，DeepSeek 自家材料也從未提及。可驗證的部分是架構，而它讀起來不像是一次小版本更新。DeepSeek 的變更日誌將 V4.1 Flash 描述為「我們新架構系列中規模最小的模型」，這句話用來形容版本號提升實在很奇怪：版本號提升是擴展一個系列，而不是開創一個系列。

這種模糊性有實際成本，而且是由買家而非 DeepSeek 承擔。版本號是開發者判斷「這是新世代還是重新調校，以及它值得我投入多少評估計畫」的最便宜訊號。DeepSeek 現在讓這個訊號在一個方向上變得不可靠——一個開創架構家族的模型，與一個改變其訓練後配方的模型，只差一個小數點。該公司得以保留其 V5 標記作為儲備。每個進行遷移評估的人都在為這種混亂付出代價。

「新架構」在權重中的含義是什麼？

這份模型卡異常具體，讓那項世代性主張不必靠任何基準測試就能受到檢驗。有五件事格外突出——其中第五點是發表報導大多略過的那一點，也是對任何想部署這個模型的人來說，結果最重要的一點。

• 不對稱激活——因果編碼器-解碼器的拆分是一個40層Transformer，組織為一個20層因果編碼器後接一個20層解碼器，其中解碼器的全局KV快取是從編碼器的最終隱藏狀態投影而來，而非從每個解碼器層本身的狀態推導。該設計的重點在於，模型在預填充期間每個token僅激活8B參數，而在解碼期間激活16B參數。輸入密集的代理工作負載——長文檔、長工具痕跡——使用模型的廉價一半；生成則使用昂貴的一半。

• KV 快取壓縮，以每個 token 計算 — DeepSeek-V4.1-Flash 以 FP4 主 KV 快取執行，每個 token 為 890 bytes，規格卡上標示約為 DeepSeek V4 Flash 的四分之一。中文報導更進一步，以第一代 V4 模型為基準，宣稱壓縮達 437 倍；這個較大的數字是供應商以不同基準算出的數據，應視為宣稱而非實際測量結果。

• SWA 有界重放 — 滑動視窗注意力通常迫使你將 KV 狀態持久化到 SSD 以重建上下文。此功能改為僅重放最近的 token 視窗來重建缺失的 SWA KV 狀態，將持久化 KV 佔用空間縮減至 DeepSeek V4 Flash 的約八分之一。

• Compressed Sparse Attention 2 — 每個注意力層以三種靜態模式之一運行（Full、Reindex 或 Reuse），跨層共享 KV 與索引器狀態，並以分層稀疏索引器將更深層的成本限制在與上下文長度無關的範圍內。

• Engram — 一個條件記憶模組，將記憶與運算分開，以閘控進模型殘差流的 n-gram 雜湊查詢來實現，而非透過注意力或額外專家。根據 SGLang 自己對該架構的說明，這兩張 fp8 表存放了 189 GiB 的權重；而移植該檢查點的執行環境廠商，則將這些表置於 552B 主幹之上的約 196B 參數——這就是為什麼卡上標示的參數數量描述的是主幹，而不是整個下載內容。Engram 在兩層上訓練，每個階數使用八個雜湊頭，涵蓋二、三、四階 n-gram，並將正規化後相同的詞元合併，使大小寫變體雜湊到同一個桶。值得帶走的設計細節是它帶來的成本：每個解碼步驟都會讀取這些表，因此你把它們放在哪裡，就決定了你還剩下多少 KV 快取。

把這五項放在一起看，策略全貌就清晰可讀：這首先是一種稀疏性、快取效率與記憶體卸載的架構，其規模設定讓相同結構日後可以擴展放大。提到「新架構系列」並非空話——這是在表明後續還有更多東西要來。

獨立評分終於出爐了——而且它支持該供應商

四天前，這一節的內容會截然不同。發佈之初，Artificial Analysis 尚未發表任何關於 DeepSeek V4.1 Flash 的內容，Hugging Face 的模型頁面仍註明該模型「未由任何推論供應商部署」，而整個發佈的關鍵主張——一款 Flash 級模型在效能、成本、速度和總任務時間上全面勝過 1.6T 參數的旗艦模型——不過是供應商的說法，未經任何外部審核。這三項缺口如今都已補上。

Artificial Analysis 現已在其 Intelligence Index 上對該模型進行測量，而簡短版結論是：DeepSeek 的說法經得起第三方檢驗：

• Intelligence Index — DeepSeek V4.1 Flash 在最大推理強度下得分 40，在其比較類別的 113 個模型中排名第六，遠高於同類開放權重模型 18 分的中位數。DeepSeek V4 Pro 0813，即那款被指遭其取代的旗艦型號，在同一指數上得分 36。

• 每項任務成本——V4.1 Flash 的 Intelligence Index 每項任務為 $0.27，相較之下 V4 Pro 0813 為 $0.67。這就是每美元能力的主張，且已獨立複現：在這項衡量指標上，較便宜的模型反而是能力較強的一方，每完成一項任務的成本約為 40%。

• 速度 — 每秒輸出 212.1 個詞元，而同類模型的中位數為 73.1 t/s；首個詞元時間為 1.31 秒，中位數則為 2.37 秒。在同一測試框架上，V4 Pro 0813 測得 94.4 t/s，首個詞元時間為 1.72 秒。

• 價格 — Artificial Analysis 記錄為每百萬輸入 token 0.30 美元、每百萬輸出 token 1.20 美元，並享有 98% 快取折扣；這是 DeepSeek 所公布的峰值價目表，而非第三方的溢價加成。

請正確標示它，因為標籤已經改變了。這些是獨立測量，不是廠商數據——但它們是在單一第三方測試框架上所做的獨立測量，而單一指標並不是對模型的定論。它能真正釐清的，比排行榜名次更狹隘也更實用：DeepSeek 為了替自家產品線辯護而提出的具體說法——Flash 會在能力與成本上同時勝過 Pro——如今有了外部佐證，而不是只有更新日誌在背後支撐。

另一邊也有一個誠實的但書，而且它來自與先前相同的廠商報告。DeepSeek 自家的數字顯示，V4.1 Flash 在對上 Kimi K3 的 16 項比較中贏了 13 項，對上 GLM-5.3 的 13 項中贏了 11 項，但在較新的 Terminal-Bench 3.0 與 4.0 任務以及 ProgramBench 上，仍落後於 GPT-5.6 Sol 和 Claude Opus 5。這是個前後一致的樣貌——在這套架構所最佳化的程式編寫、終端機與代理自動化工作上最強，在前沿推理任務上較弱——而這正是一個真正的世代躍進會有的樣貌。獨立指數與這個輪廓相符，儘管並非每一格都已底定。

DeepSeek 宣佈 Pro 退役——隨後又喊停

以下是與 DeepSeek 自己所述計畫不同的部分，而這也是最能影響實際上線整合的部分。

在推出時，DeepSeek 表示 DeepSeek V4 Pro 將從其 API 中淘汰。自北京時間 9 月 14 日 12:00 起，指名 deepseek-v4-pro 的請求將被路由至 V4.1 Flash，並依 Flash 的價格計費——對任何把 Pro 模型名稱寫死的人來說，輸出成本大約降低 70%——而且在未來的 V4.1 Pro 推出之前，都會維持這樣的路由方式。以推出當日的價目表計算，這意味著 Pro 每百萬輸出權杖的 3.96 美元會驟降至尖峰時段 Flash 的 1.20 美元，無須變更程式碼，且除了變更記錄中的一則條目外沒有任何通知。

那並未發生。9 月 11 日，DeepSeek 在其自家的開放平台上發布公告，表示因應用戶需求，將在 9 月 14 日之後繼續提供 DeepSeek V4 Pro API 服務，計費維持不變——該公告在 9 月 14 日當天、切換時刻已經過去之後，仍顯示在平台上，因此這是第一方的現行聲明，而不是關於此事的傳聞。報導指出的原因，是這則故事中最不令人意外的一點：開發者反對供應商在生產環境整合中，悄悄替換某個模型名稱背後的權重，而 DeepSeek 自家的多方測試也發現，即使 V4.1 Flash 在公開評測中勝出，V4 Pro 在某些團隊的真實工作負載上仍保有品質優勢。

實際解讀與發布日報導的建議完全相反。如果你在行事曆上把 9 月 14 日標記下來，要重新測試固定使用 Pro 版的整合，那個截止期限已經失效：DeepSeek V4 Pro 依然是 DeepSeek V4 Pro，價格也一如以往，而 V4.1 Pro 仍未發布，沒有產品規格頁、沒有參數量、沒有日期，也沒有權重。不變的是發展方向——DeepSeek 顯然打算讓其產品線匯流到新架構，而關於舊架構，它唯一確認的是不會在固定日期強制轉換。

為它提供服務：189 GiB 的 n-gram 表，以及仍未完成的工作

發布當日對可用性的說法是「只在供應商的 API 上運行，其他哪裡都不行」。那已不再成立，而它在何處不再成立，對這套架構頗具啟發性。

SGLang 與 Miles 在 9 月 10 日推出了對 DeepSeek V4.1 的零日支援，與模型本身幾乎同時上線——因此模型發布時掛在 Hugging Face 頁面上的「無第三方推論服務」註記，幾個小時內就成了過時資訊。有趣的地方不在於它跑得起來，而在於跑起來要付出什麼代價。由於每個解碼步驟都會讀取 Engram 表，SGLang 的做法是讓你把這些表放在 GPU 記憶體或主機記憶體中；主機卸載可為每張 GPU 清出約 46 GiB 的空間給 KV 快取，代價是節點上約 200 GB 的主機 RAM。在四張 GPU 的 GB300 配置上，主機卸載讓 KV 快取容量提升 36%，解碼吞吐量與首字延遲（time to first token）則相當，而且全部 28 次貪婪探測完成結果都與全 GPU 的基準相符。這是選擇性啟用，藏在單一環境變數後面，並非預設值。vLLM 則有往反方向進行的平行工作——把這些表的分片從磁碟記憶體映射進來，而非將它們留在主機 RAM 中——這從兩個角度說明了同一件事：限制你能多便宜地服務這個模型的，是 Engram 表，而不是權重。

在這整段故事中，最近的變更就在這裡，而且它們很小，值得被標示為小。9 月 15 日，一位 SGLang 貢獻者開啟了 pull request #39666，為專案的 DeepSeek V4.1 分支加入了 Engram 模組與共享的請求歷史適配器——7 個檔案，+1205/−11；該適配器在排程器與前向批次上暴露可選的 n-gram 歷史欄位，並在前綴命中、撤回與槽位重用之間重建該歷史。它處於開啟且未合併的狀態，CI 執行失敗，並正等待九位程式碼擁有者審查；作者自己的摘要對這些限制直言不諱，指出查找檢查無法證明請求生命週期的正確性。它是 9 月 15 日在該分支上開啟的一批 DeepSeek V4.1 pull request 之一，其中大多數來自同一位貢獻者，涵蓋模型建構、視覺塔、聊天編碼與核心層。

接著在 9 月 16 日，服務中較困難那一半的計畫公開了。一份路線圖議題 #39700，以分階段清單列出在 B200 平台上針對 DeepSeek V4.1 的 prefill/decode 分離：先是 prefill 端的 context parallelism，接著是該 prefill 工作與 MegaMoE、BCG 及 multi-stream 結合，然後是 decode 端的項目，其中包括 DP attention 與 CUDA-graph memory。第一階段以 pull request #39748 的形式提出，標題為「[DSV4.1-PD-1/8] Support prefill node use cp parallel strategy」，並由同一位作者在同一天開啟。它讓分離式部署中的 prefill 節點能夠執行 context-parallel 策略，參考配置為八台 B200，以 TP4/EP4 執行 flashinfer_mxfp4 MoE runner 與 DSPARK 推測解碼。prefill 節點採用 --enable-prefill-cp --cp-strategy interleave，並搭配 --disaggregation-mode prefill，透過 Mooncake 傳輸後端；decode 節點則完全不使用任何 CP 旗標。驗證方式是 gsm8k 評分，加上文字與影像路徑的單元測試。如同 Engram 的 pull request，它處於開啟狀態、尚未合併，且目前因缺少 run-ci 標籤而在 CI 中受阻。

要清楚說明這一切是什麼、不是什麼。它是執行環境內部的基礎設施管線，而該執行環境早已在服務模型——它不會改變 DeepSeek V4.1 Flash 的功能、成本，或你是否該使用它。它之所以值得佔這幾行，只因為它標示出剩下的尖銳稜角在哪裡。在 Engram 這邊，n-gram 歷史能在撤回後保留下來，以及前綴快取重用，正是那種區分展示與生產端點的正確性細節。在 disaggregation 這一側，目標對象是把 prefill 與 decode 拆分到不同資源池的營運者，讓每一半都能針對自身瓶頸進行平行化——這種部署的參考配置從八台 B200s 起跳，那是資本決策，而不是設定檔裡的一行。而且這個系列標示為 1/8，但 roadmap issue 以六個部分列出其階段，整個 decode 半部卻仍未寫成：連編號都只是暫定的。如果你不是在做那項資本決策，這些從你的位置根本看不到——DeepSeek V4.1 Flash 已在 OrcaRouter 上線，採用下方的直通費率，而這些底層管線仍留在端點的營運者那一側。

今天呼叫 DeepSeek V4.1 Flash

我們這邊的供應狀態那行也變了，而且它變動的方向，正是這篇文章發布首日版本的讀者當初被告知不會朝之變動的方向。OrcaRouter 在 9 月 10 日並未上架 DeepSeek V4.1 Flash——模型頁面傳回「找不到模型」，而本文也如實說明，並未暗示相反情況。現在則已上架：deepseek/deepseek-v4.1-flash已在目錄中上線，每百萬輸入 token 為 $0.15、每百萬輸出 token 為 $0.60，並直接套用 DeepSeek 自家供應商費率、加收 0% 加成；這也是下次 DeepSeek 調整價格時要核對的數字。自它上線以來，平台已處理 54,982.2M 個 token，首個 token 時間的 p50 為 811 毫秒，p95 為 3.03 秒。

這讓你除了同一份價目表之外，還能得到把問世六天的架構當成實驗、而非承諾來對待的能力。容錯移轉意味著，一個在負載下開始出錯的 V4.1 Flash 呼叫，無須部署就能重新指向另一個模型；路由 DSL 意味著你可以把新模型用在部分流量上、把已知可用的模型用在其餘流量上，並用自己的輸入而非排行榜來比較兩者；而且目錄中的其他所有模型都位於同一把金鑰之後，包括 DeepSeek 系列的其他成員——DeepSeek V4 Flash 和 DeepSeek V4 Pro——因此切換回來只是改個字串，不是再簽一份合約。

這在這裡格外重要，原因有二，而六天的新聞已讓這兩點變得具體。第一，價格優勢確實存在，但取決於供應商是否維持該費率；而只有轉嫁式安排能在對方不維持時仍然誠實。第二，上市週的那一項警告依然成立：能力優勢與成本優勢如今都已獨立量測，但量測是在同一套測試框架上、針對一個命名說是「小幅更新」、架構卻不然的模型進行。把它當作新世代來路由，因為它本就是新一代；並把它放在一個你能隨時調整的層級之後。

還有什麼還開著？

三件事，按它們能透露給你的資訊量由少到多排列。

DeepSeek V4.1 Pro 將會檢驗這項家族宣稱。DeepSeek V4.1 Flash 自稱是全新架構家族中最小型的模型，而那個能證明該家族確實存在的兄弟型號，至今仍沒有模型卡、沒有參數數量、沒有發布日期、沒有權重，也沒有價格。它也是整個 Pro 路由操作所圍繞建構的模型——如今這項操作已被叫停。

第二次獨立評估將能檢驗這個分數。Intelligence Index 拿到 40，而被它取代的模型是 36，這在單一評測框架上是明確的結果，但對於這個架構究竟是領先一個世代，還是只是經過妥善最佳化的橫向一步，仍只是單一資料點。要留意是否出現第二位評估者，也要留意 Engram-offload 服務路徑在真實流量下、而非在貪婪式探測下是否仍站得住腳，以及目前正在 pull request 中分階段推進的 prefill/decode 拆分，最終是否會變成一般團隊能夠部署的打包方案。

還有一點雖然不起眼但很實用：DeepSeek是否會再次這麼做。如果另一個新的基礎模型再次出現.1標籤，就會把異常變成慣例，而慣例是開發者可以規劃應對的。單一模型只是偶然。命名只有在形成規律之後，才會產生有用的誤導作用。

目前，實務上的解讀會依你的身分清楚分流。如果你用的是 DeepSeek V4 Pro，那個名稱背後的模型不會在9月14日或任何已公布的日期改變——DeepSeek 已經收回那項決定，你可以不必更動你的整合。如果你用的是 DeepSeek V4 Flash，你已經在相同價格下被移轉到 DeepSeek 為規模化而打造的架構上。而如果你一直在等 V5，誠實的答案是：DeepSeek 似乎已經推出了這一代，卻不願為它命名，結果後來才發現，盒子上的數字終究還是具有關鍵分量。