刚刚，DeepSeek V4.1 Flash正式上线！已适配Harness

机器之心编辑部

太快了。

周四上午，DeepSeek V4.1 Flash 正式在网页、App 和 API 端全面上线。

据官方披露，V4.1 Flash 在性能、响应速度、效率等核心指标上已全面超越 V4 Pro，且采用了新架构并原生支持多模态。

具体来讲，V4.1 Flash 是一款总参数规模达 552B 的 MoE 模型。它采用全新的 Causal-Encoder-Decoder 架构，并对输入与输出采用非对称计算设计：输入侧仅激活 8B 参数，输出侧激活 16B 参数，因此在保持大模型容量的同时，大幅降低了实际推理成本。

除了架构上的调整，V4.1 Flash 还引入了新的预训练方法，并进行了更大规模的强化学习后训练。最终，它在多项基准测试中实现了性能提升，整体智能水平超过大批当前旗舰模型，在性能、效率与成本之间取得了更好的平衡。

模型开源链接：
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
论文链接：
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf

从下图官方展示的基准结果来看，V4.1 Flash 在软件工程、网络安全环境和自动化任务等测试中表现较强。

在 DeepSWE v1.1、CyberGym 和 Automation-Bench 上，它均取得图中最高分，其中 DeepSWE 仅以 0.2 分小幅领先 Opus 5；但在 Terminal-Bench 3.0 上，V4.1 Flash 的 30.0 分明显低于 Opus 5 的 43.3 分和 GPT-5.6 Sol 的 34.4 分。因此，整体来看，这组结果说明 V4.1 Flash 在部分 Coding 和 Agent 类任务上具备较强竞争力，但并非所有基准都占优。

下图为更全面的基准测试结果，可以看到，在 Coding、软件工程和 Agent 任务上明显提升之外，V4.1 Flash 在 GPQA Diamond、Terminal-Bench 3.0/4.0、ProgramBench 等项目上仍跟 GPT-5.6 Sol 或 Claude Opus 5 等顶级闭源模型存在差距。

DeepSeek 对于这个 4.1 Flash 是如此有信心，以至于早早发了公告要把 V4 Pro 砍掉。

V4.1 Flash 这次更新的另一条主线是把推理成本进一步压下来。分析它的「非对称」结构：

Agent 类负载的 token 结构极度倾斜，经常是几万 token 的上下文、工具返回、代码仓库前缀，换几十到几百 token 的输出。V4.1 的输入 / 输出比面向这样类型的任务改进，大幅度优化了总成本。

V4.1 Flash 针对缓存进一步做了压缩。按照官方数据，新一代模型的 KV Cache 大幅缩小，相比上一代对 HBM 的需求降至 1/4，对 SSD 的需求降至 1/8（已知 V4 一代的 KV Cache 已经只有 V3.2 的约 7% 了）。这一代 KV Cache 需求的质变，让同样的任务需要占用的高速显存和存储资源更少，也让长上下文、多轮调用这类任务的运行成本进一步下降。

值得一提的是，一个模型 API 会关心 SSD 需求，说明它的缓存分层里本来就把 SSD 当一级存储用。这是 DeepSeek 服务栈的一贯路线。

现在，每步要读的 KV 已经小到不再主导显存带宽，权重读取才是瓶颈，这才是社区测出 400 token/s、「速度不随上下文长度衰减」的原因。

9 月 14 日中午 12 时之后， V4 Pro 的 API 将下线，所有指向 V4 Pro 的 API 请求将被自动路由至 V4.1 Flash 处理，并按 Flash 系列降价后的单价计费：空闲时段输入缓存命中单价 0.02 元、输入缓存未命中单价 1 元，输出单价 4 元；高峰时段价格为空闲时段价格的 2 倍。