DeepSeek-V4.1-Flash

DeepSeek V4.1 Flash 是 DeepSeek 于 2026 年 9 月 10 日发布的原生多模态开放权重 MoE。它有 552B 骨干参数，但 Causal Encoder-Decoder（CED）结构把预填充阶段的激活参数压到约 8B、解码阶段约 16B，并把全局 KV Cache 压到每 token 约 890 bytes。DeepSeek 对这款模型的核心宣传不是“小模型追旗舰”，而是用更少的激活计算和缓存把 Agent 性能、吞吐与成本一起改善。独立测试基本验证了它相对 V4 Pro 的代际优势，但把比较对象换成 GLM-5.3 Flash、GPT-6 Luna 这类低价模型后，结论会变成：V4.1 Flash 的强项是 Agent 与速度，并不是所有任务上的最高综合分或最低价格。

用更少激活参数超过 V4 Pro，这个主张被独立测试基本验证

DeepSeek 官方模型卡给出的结构是 552B 参数、40 层 Transformer，其中 20 层 causal encoder 加 20 层 decoder；预填充每 token 激活约 8B，解码约 16B。CSA2、分层稀疏索引和 FP4 KV Cache 把全局 KV Cache 压到约 890 bytes/token，约为上一代 V4 Flash 的四分之一；模型从头用 45T token 多模态语料训练，并把上下文扩展到 1M。

Artificial Analysis 在 2026 年 9 月 27 日读取到的独立对比中，V4.1 Flash max 的 Intelligence Index 为 39，V4 Pro 0813 max 为 36；每任务成本约 $0.27 对 $0.67，输出速度约 236 对 89 token/s，首 token 延迟约 0.95 对 1.69 秒。这组数据支持“更快、更便宜、综合能力更高”的总体方向，但不是每项指标都赢：V4 Pro 在 Humanity's Last Exam 为 41% 对 39%，CritPt 为 18% 对 14%，AA-Omniscience 为 1 对 -5。所以官方“全面超越”更适合理解为总体产品效率，而不是逐 benchmark 全胜。

官方 Agent 成绩很强，但 max effort 和 scaffold 是成绩的一部分

DeepSeek 的官方评测并不是 API 默认配置。模型卡明确说明 instruct 结果全部使用 reasoning_effort=100 的最高推理强度，并使用 temperature=1.0、top_p=0.95。代码 Agent 任务还绑定具体 scaffold：Terminal-Bench 2.1/3.0/4.0、DeepSWE、NL2Repo 与 ProgramBench 使用 DeepSeek Harness 或基准指定 harness；视觉 Agent 使用 Claude Code harness。官方表里的 DeepSWE v1.1 为 74.2%、Terminal-Bench 4.0 为 31.2%、AutomationBench 为 54.8%、Agents' Last Exam 为 31.8%。

同一模型换 scaffold，数字会明显变化。DeepSeek 自己给出的 DeepSWE v1.1 多 scaffold 表中，Claude Code 为 69.8%、Codex 为 65.6%、OpenCode 为 65.5%、mini-SWE 为 74.2%；Terminal-Bench 2.1 则从 Codex 的 84.1% 到 DeepSeek Harness Minimal 的 90.6%。因此 74.2% 不是脱离运行框架的“纯模型能力”，对 Agent 模型尤其需要把 model、effort 和 scaffold 一起看。

换成同价位 Flash 对手后，V4.1 Flash 更像 Agent 专长而不是全能第一

Artificial Analysis 的 V4.1 Flash max 与 GLM-5.3 Flash 对比中，DeepSeek 综合分 39，GLM 为 42；AutomationBench-AA 是 DeepSeek 69% 对 GLM 60%，但 Terminal-Bench 4.0 是 27% 对 33%，两者 SciCode 都是 52%。AA 记录的 DeepSeek 峰值时段输入/输出价为每百万 token $0.30/$1.20，GLM 为 $0.15/$0.50，其 7:2:1 混合单价分别约 $0.184/$0.098。DeepSeek 官方同时提供 50% 的空闲时段折扣，即 Flash 空闲时段约为 $0.15/$0.60，所以实际价格差距取决于调用时间，不能只拿 AA 的峰值价当作全天成本。

GPT-6 Luna max提供了另一个低成本参照：综合分 37 对 39，但 AA 混合单价约 $0.077 对 $0.184。DeepSeek 在 AutomationBench-AA（69% 对 53%）和 Terminal-Bench 4.0（27% 对 13%）领先明显；Luna 在 SciCode（55% 对 52%）和 GDP.pdf（20% 对 13%）更高。这说明 V4.1 Flash 的差异化更集中在 Agent 工作负载，而不是以最低 API 价格换取最高综合分。

速度优势很明确，但 max reasoning 会用掉大量输出 token

Artificial Analysis 的 V4.1 Flash max 页面记录输出速度约 233–237 token/s、首 token 延迟约 1 秒，在同类开放权重模型里属于非常快的一档。代价是输出很长：其 Intelligence Index 每任务平均约 89K 输出 token，其中约 63K 是 reasoning token；整套指数累计输出约 250M token。非推理版本的综合分从 39 降到 25，每任务成本从约 $0.27 降到 $0.15，同时整套评测的输出 token 约从 250M 降到 45M。max 的能力提升很大，但“Flash”并不意味着高推理强度下每个任务都很短。

官方 API 只暴露 low/high/max 三档思考强度，默认 high，也可以关闭思考；技术报告/模型卡内部把 reasoning effort 描述为 1–100 的连续控制量。页面不应把官方 benchmark 的 max 结果理解为默认 API 调用表现。

适用边界：Agent、高吞吐和自部署是优势，最低成本或综合分优先时有更具体的替代项

需要开放权重、原生图像输入、约 1M 上下文，同时做大量工具调用或编码 Agent 时，V4.1 Flash 的组合优势很清楚：MIT 权重可自部署，官方 API 并发上限 2500，独立测试又显示较高的 Agent 分数和约 236 token/s 的输出速度。若目标更偏综合推理且仍要求低价，GLM-5.3 Flash 在 AA 当前指数中以 42 对 39领先且 token 单价更低；若接受闭源并优先压 API 成本，GPT-6 Luna max 的综合分只低 2 分，AA 混合单价却不到 DeepSeek 峰值价的一半。

还有一项旧资料需要纠正：DeepSeek 9 月 10 日发布时曾计划从 9 月 14 日起把 deepseek-v4-pro 请求路由到 V4.1 Flash，但当前官方更新日志和英文价格页已改为“应用户需求继续提供 V4 Pro API，后续变化另行通知”。因此旧稿中的“9 月 14 日后 V4 Pro 全部路由至 Flash”已经过期，本次解读不再保留。