天津
智猩猩AI整理
编辑：林夕
9月8日，DeepSeek在官方交流群放出V4.1 Flash中间版本内测，模型名直接写着deepseek-v4.1-flash-expires-on-0910，只开放两天。
9月9日，DeepSeek又宣布下调Flash系列API价格，并明确在V4.1 Pro发布前，所有V4 Pro请求将自动路由至V4.1 Flash，按Flash价格计费。。
9月10日，V4.1 Flash正式上线，模型权重与技术报告同步公开。
随着技术报告公开，这个模型的真正看点也逐渐清晰：552B参数，却已经把能力推到了顶级开源模型的竞争区间
报告的副标题很直白： Pushing the Limits of KV Cache Compression （把 KV Cache 压缩推到极限），一份把"降本"写进标题的报告
它的开篇逻辑是：长周期智能体让模型的负载越来越输入密集型，稀疏注意力已经把长序列的计算成本降下来了，但prefill 依然昂贵，庞大的 KV Cache 持续压迫 HBM 与 SSD 的容量和数据传输带宽。
计算、存储、带宽三者叠加，构成了部署成本继续下探的主要障碍。
于是 V4.1-Flash 的全部架构改动，几乎都围绕这一个目标展开。
最终的压缩效果相当直接，全局KV Cache常驻HBM时，每个Token只需要约890字节，相比V4-Flash降至约1/4；而持久化KV Cache常驻SSD或主机内存时，进一步降至V4-Flash的约1/8。
01
CED：让552B的模型
在prefill时只激活 8B
V4.1-Flash 是一个多模态 MoE 模型，语言主干共 40 层，被切成 20 层 causal encoder 加 20 层 decoder。
整体有 552B 主干参数，另加 196B Engram 参数，支持最长 100 万 token 的上下文。
关键在激活量的不对称：每 token在 prefill 阶段只激活 8B 参数，decode 阶段激活 16B。
支撑这一点的是核心设计CED（Causal Encoder-Decoder）：
用 encoder 的输出直接构造 decoder 的全局 KV Cache，让大部分 prompt token 绕开完整的 decoder 计算，同时保留层内的滑动窗口注意力，报告称这几乎把 prefill 的计算量减半。
与它配合的CSA2在层与层之间共享全局 KV、复用稀疏选择结果，decoder 中还设了一层"层次稀疏索引器"，让后续索引器只在前一层已选出的候选池里打分。
其余改动集中在效率与部署侧：
（1）mHC 升级为Single-Pass mHC，配套的 Mega-mHC 部署内核把激活内存流量相对原四内核实现减半；
（2）引入Engram条件记忆与DSpark推测解码；
（3）主 KV Cache 采用FP4；
（4）部署侧加上SWA Bounded Replay，只重放最近的 n_win 个 token来近似重建 SWA KV 状态。
这些改动叠加之后的效果是单 token 的 Decode FLOPs 在不同上下文长度下几乎保持恒定。
02
预训练：45T token，
稀疏注意力从零训起
V4.1-Flash 的预训练语料是45T token 的多模态数据集。
稀疏注意力是从零开始、在 64K 序列长度上直接训练的，没有任何 dense attention 的热身阶段，视觉从零训、与语言一起进语料，旧的 Flash Vision-Exp 外挂路线被收掉。
Base 模型的对比相当有信息量。
V4.1-Flash-Base 只用约 1/3 的总参数、1/4 的激活参数，就在世界知识、推理和编程上取得了与 V4-Pro-Base 相当的水平，并在部分留出评测上提升 5%–10%。
03
后训练没有新算法，
钱都花在数据上
报告在后训练章节的开头，主动做了一个限定，本环节不引入算法创新。
流程沿用监督微调、强化学习、在策略蒸馏，与 V4 开发时的成熟做法没有区别。
所有实质变化都发生在数据管线里：大规模自动化的数据合成与环境构建，以及在 RL 中持续放大的数据、任务与 rollout 规模。
支撑这一规模的是DSec（DeepSeek Elastic Compute），一个面向大规模智能体训练与评测的生产级沙箱平台。
报告提到，V4.1 的训练把需求推高到了数百万并发沙箱实例，瓶颈随之转向数据中心可扩展性、工作负载隔离、单节点算力密度，以及对越来越强的智能体越界行为的约束。
另一个设计是可控制的推理强度（Controllable Reasoning Effort）：
模型在训练时接受一个 1–100 的标量 effort 作为显式条件信号，写进系统提示词，让同一个 checkpoint 能在不同的成本—质量区间之间滑动。
报告还提到一条工程经验，为了把有效算力扩展到单次训练之外，他们用模型合并来重新初始化后续的 RL 轮次，把不同 scaffold 或配置下各自取得的改进合到一起。
另一条与推理成本直接相关，多智能体配置在同等截止时间下的收益，明显高于单智能体。
04
Agent 追平前沿，
长上下文仍有短板
后训练评测中，V4.1-Flash 的成绩分布并不均匀，报告本身也承认了这一点。
在智能体方向，它确实追到了前沿：Terminal-Bench 2.1 得分 90.6、DeepSWE v1.1 为 74.2、CyberGym 为 88.1、Automation-Bench 为 54.8。
在 Reasoning 与 Agentic 两大类共二十余项指标上，V4.1-Flash 与 V4-Pro、GLM-5.3、Kimi-K3 互有胜负。
Codeforces Rating 3471、MathArena Apex 65.6 属于第一梯队；GPQA Diamond 90.9、HLE 36.8 则仍与 Opus-5 的 93.4、56.3 存在差距。
模型能完成超过 95% 的真实世界任务，但在 Terminal-Bench 4.0 这类"科学导向"的智能体任务上仍有差距。
报告也主动标注了架构改动带来的鲁棒性边界，CSA2 的选择误差、SWA Bounded Replay 的近似状态重建，都可能在未经测试的边界情形下造成能力退化。
05
Flash只是开始，
V4.1 Pro或许才是下一张牌
V4.1 Flash更像是DeepSeek对下一阶段Agent模型的一次系统级试验。
552B参数只是表面，真正的核心是围绕KV Cache、Prefill和长上下文推理持续压缩成本。
CED、CSA2、FP4 KV Cache以及SWA Bounded Replay等设计，把模型能力和部署效率放到了同一个优化目标里。
它目前在Agent、代码等任务上已经进入开源模型第一梯队，但长上下文和部分复杂推理仍有短板。
对DeepSeek来说，V4.1 Flash更像一个起点，后面的V4.1 Pro以及下一代模型，或许才会真正体现这套技术路线的上限。
关注+星标，获取AI前沿进展与开源一线动态
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
