标签DeepSeek V4.1 Flash · DeepSeek V4 Pro · Qwen3.7 Max · GLM 5.3 Flash事件回顾Flash 模型第一次把 Pro 旗舰赶下台2026 年 9 月 10 日DeepSeek 发布了 DeepSeek V4.1 Flash。这不是一次常规的模型更新而是一次产品线的政变——官方宣布从 9 月 14 日 12:00北京时间起所有调用deepseek-v4-pro的 API 请求都会被静默路由到 V4.1 Flash并按 Flash 的价格计费。原 V4-Flash 和 V4-Flash-Vision-Exp 也同步下线旧模型名仅作为兼容别名保留。换句话说DeepSeek 主动把自己的旗舰模型停售了原因是新发布的Flash版在性能、费用、速度、总用时四个维度上全面超越了 DeepSeek V4 Pro。V4.1 Flash 的核心规格本身就值得逐条拆开552B 参数 MoE但采用全新的Causal-Encoder-Decoder因果编码器-解码器结构输入阶段只激活 8B 参数输出阶段激活 16B 参数——读和写的算力不再对称原生多模态视觉理解1M token 上下文最大输出 384KKV Cache 相比上一代减少1/4 HBM、1/8 SSD相对初代模型缩小了437 倍官方公布的基准Terminal-Bench 2.1 90.6、DeepSWE v1.1 74.2、GPQA Diamond 90.9、Codeforces Rating 3471。在 Taotoken 模型广场上DeepSeek V4.1 Flash 的定价是输入 ¥1/M tokens、输出 ¥4/M tokens而被打入兼容模式的 DeepSeek V4 Pro 原本定价为输入 ¥4.5/M tokens、输出 ¥13.5/M tokens。这意味着在 Taotoken 渠道输入成本降到原来的 22%输出成本降到 30%。如果按 DeepSeek 官方 API 的峰值价计算输出从 $3.96/M 降到 $1.20/M缓存命中输入从 $0.044/M 降到 $0.006/M。更激进的信号是并发限制V4 Pro 的并发上限是 500V4.1 Flash 提升到 2500。这不像补贴换市场而像架构换代后的产能释放。深度分析四个被低估的信号1. 非对称架构是对 Transformer 默认假设的修正自 2017 年 Transformer 诞生以来主流大模型一直默认一个前提输入处理和输出生成应该共享同一套参数、同一套注意力机制。这个假设在学术上简洁优美但在工程上并不经济。真实生产负载中读和写的分布严重不均。一个代码 Agent 可能读取数万 token 的仓库上下文最后只输出几十行补丁一个研究 Agent 可能消化百万 token 的资料最后生成一份摘要。输入侧需要的是快速、低能耗的上下文编码输出侧需要的是高质量、高能力的序列生成。把两者塞进同一个对称结构等于让负责读的参数也承担写的成本反之亦然。V4.1 Flash 的 Causal-Encoder-Decoder 把这个耦合拆开了40 层网络分成两个 20 层块编码器用 8B 激活做输入预填充解码器用 16B 激活做输出生成。它公开承认了一件业内早就知道但不愿面对的事读和写不是同一类计算任务。这个思路并不是 DeepSeek 独创。计算机视觉里编码器-解码器结构早已是分割、检测、生成任务的标配NLP 里T5、BART 也用过类似框架。但在前沿生成式大模型中把非对称激活作为核心成本优化手段V4.1 Flash 是第一款量产级产品。它意味着模型架构的优化对象从参数总量转向了参数激活的时空分布。2. KV Cache 压缩比性能数字更关键V4.1 Flash 的 benchmark 数字很漂亮但真正改变产业游戏规则的是 KV Cache 的压缩效率。长上下文 Agent 的成本结构里缓存命中费用往往占大头。Agent 不会一次性把任务跑完它会反复读取历史上下文、调用工具、接收环境反馈。每一次读取都要把之前的 KV Cache 重新加载或保留在显存里。上下文越长、轮次越多KV Cache 的存储和带宽压力就越大。很多团队不是被模型推理费压垮而是被缓存存储费压垮。DeepSeek 给出的数据是从 V1 到 V4.1 Flash全局 KV Cache 从 389,120 bytes/token 降到 890 bytes/token437 倍压缩。具体技术包括 Compressed Sparse Attention 2CSA2跨层复用 KV Cache、FP4 精度缓存、DSpark 部分 token 预测模块。这些技术的共同目标不是让模型更聪明而是让长上下文更便宜。这个方向的重要性怎么强调都不为过。2026 年 AI 应用竞争的核心战场已经不再是谁能生成更流畅的文案而是谁能在百万 token 上下文中以可接受的成本完成多步任务。KV Cache 效率就是这场战争的弹药成本。3. 小模型超越旗舰是工程效率对暴力堆参数的反击V4.1 Flash 不是通过堆更多参数击败 V4 Pro 的。V4 Pro 总参数量 1.6 万亿、激活 490 亿V4.1 Flash 总参数 5520 亿、输入激活仅 8 亿、输出激活 16 亿。按输出激活算Flash 只有 Pro 的 1/30。它靠的是三件事新的预训练方法、更大规模的强化学习后训练、以及针对 Agent 场景的数据分布优化。这印证了一个趋势当基础架构进入平台期后模型能力的边际提升越来越依赖训练效率和数据质量而不是单纯增加 FLOPS。国产模型在这一点上集体押注。Qwen3.7 Max 面向 Agent 时代的编程与长程执行做后训练优化GLM 5.3 Flash 用稀疏注意力线性注意力的混合架构把 KV Cache 再降 3-4 倍MiniMax M3 把 1M 上下文和原生多模态对齐到 Coding 场景。DeepSeek 的不同之处在于它把这套工程效率做成了开源权重并用定价策略直接否定了自家上一代旗舰的存在价值。4. 产品线的自我替代比参数竞赛更有杀伤力DeepSeek 没有给 V4 Pro 留一个高端市场的位置而是直接把它路由到 Flash。这个动作的战略含义大于技术含义。在消费电子行业这叫产品线自我蚕食cannibalization新产品不给别人留机会哪怕吃掉自己的旧产品也在所不惜。OpenAI、Anthropic 通常不会这么做——它们会同时保留多个 SKU用价格差构建护城河。DeepSeek 选择把护城河建在单位任务成本上而不是 SKU 层级上。对开发者来说这意味着决策成本骤降不需要在Pro 还是 Flash之间权衡因为 Pro 已经不存在了。对竞争对手来说这意味着压力直接传导到旗舰模型如果你的 Pro 不能在成本和速度上跑赢 DeepSeek 的 Flash你的价格带就会被压缩。观点预判预判一非对称 Encoder-Decoder 将成为 2027 年 Agent 模型的标配。V4.1 Flash 证明了这条路在工程和经济性上都走得通。接下来 Claude Fable、GPT 系列、Gemini 都会推出类似结构或者用路由层模拟轻读重写的效果。纯对称 Transformer 不会消失但在长上下文 Agent 场景中会快速边缘化。预判二模型定价将从按 token 统一计费转向按读写阶段分别计费。非对称架构天然支持更细粒度的成本拆解。未来 API 账单可能会出现输入编码费“输出生成费”“缓存维持费”工具调用费等多个条目。采购方需要学会按任务总成本而不是每百万 token 单价来评估模型。预判三KV Cache 效率将成为模型选型的新核心指标。上下文窗口的军备竞赛基本结束1M token 已经是多家标配。下一轮竞争看的是在 1M token 上下文中跑一天 Agent 要花多少钱。谁能把缓存成本压到最低谁就能拿下企业级 Agent 市场。预判四开源权重的性价比叙事将迫使闭源实验室推出更激进的 Flash 产品线。DeepSeek 用 MIT 许可证放出 V4.1 Flash 权重等于把非对称架构的成本底线公开了。闭源厂商如果继续按旧定价卖对称旗舰会被开源模型在 Agent 场景中持续侵蚀。未来 12 个月内GPT 和 Claude 大概率会发布专门的Agent Flash模型而不是让旗舰模型降价。实操建议对开发者把 V4.1 Flash 作为 Agent 任务的默认基线迁移模型名把deepseek-v4-pro和deepseek-v4-flash统一替换为deepseek-flash。旧别名虽然还可用但本质上已经是 V4.1 Flash没必要保留历史债务。重测长上下文任务如果你之前因为 KV Cache 或并发限制没把 DeepSeek 用于长程 Agent现在值得重新测一遍。重点看缓存命中比例、总任务耗时和端到端成本不要只看输出 token 单价。开启原生多模态场景V4.1 Flash 把视觉理解内置到同一个模型 ID 里。截图→代码、UI→测试、设计稿→前端实现这类工作流可以合并到一个 API 调用里减少模型路由的复杂度。对技术管理者建立任务成本而不是token 成本的评估体系把采购决策的维度从每百万 token 多少钱升级到完成一个业务任务多少钱。例如修复一个真实 Bug 平均需要多少输入 token、多少输出 token、多少轮工具调用、多少缓存命中生成一份尽调报告的总成本是多少。V4.1 Flash 的价值在于它同时降低了这四个分项但只有在任务级成本核算里才能体现出来。对模型供应商非对称架构是差异化窗口也是 commoditization 加速器如果你的模型还在对称 Transformer 路线上接下来 6 个月会非常难受。DeepSeek 已经把 Flash 的性价比底线公开后面跟进的 Qwen3.7 Max、GLM 5.3 Flash、MiniMax M3 等国产模型会进一步压低价格带。差异化只有两个方向要么在特定垂直任务上建立不可复制的数据飞轮要么在推理 infra 上做到比开源方案更低的单位成本。中间状态的通用但贵模型会被快速出清。结语DeepSeek V4.1 Flash 的发布标志着大模型竞争从谁能造出最大的模型正式进入谁能用最低成本完成真实任务阶段。它用一个非对称架构证明输入和输出本就不必对称读和写可以有不同的价格小激活参数也能击败大旗舰。对于每天和 Agent、长上下文、代码生成打交道的开发者来说这件事最直观的意义是从 9 月 14 日起你的 DeepSeek 账单大概率会变小而你的模型大概率会变强。这种又好又便宜的组合上一次出现还是 DeepSeek V4 Flash 横扫 OpenRouter 的时候。区别只在于那一次是靠价格这一次是靠架构。