大家好，我是小木头。DeepSeek V4.1 Flash 在9月10号正式发布了，此前曾经短暂开放的测试模型名字里还带着 expires-on-0910。现在正式 API 的模型 ID 已经变成了非常简单的 deepseek-flash，我也用自己的 API 账号做了验证。Models 接口会直接返回它，实际请求呢也可以正常完成，所以它不再是一款测试模型，而是已经上线 API、同步开放模型权重并且发布完整的技术报告的正式版本。

真正我们值得来关注的，一方面当然是它非常惊人的 token 吞吐速度；另一方面呢，DeepSeek 也为长上下文 Agent 重新设计了一套模型的结构。先把模型升级迁移的顺序或者关系理一理，DeepSeek 官方发布页上明确写了旧的 V4 Flash 和 V4 Flash Vision Experimental 已经下线，原来的两个模型 ID 会路由到 V4.1 Flash。

北京时间9月14号中午12点以后，V4.1 Pro 上线之前，所有发往 V4 Pro 的请求也会被路由到 V4.1 Flash，并且按照 Flash 的单价来计算。也就是说，V4.1 Flash 不只是新增的一个模型 ID，它正在承接现有的 Flash 和阶段性的 Pro API 流量。那么 WorkBuddy，其中包括 CodeBuddy，还有像 OpenCode，已经作为官方的合作伙伴全量的接入。

技术上最关键的是一个被称为因果编码器和解码器的结构。V4.1 Flash 有5,520亿参数，另外还有1,960亿条件记忆参数。40层 Transformer 被分成20层因果编码器和20层解码器，处理输入每个 token 只激活大约80亿参数；生成输出时激活160亿。对于 Agent 来说，工具结果、代码和历史上下文通常远长于最终的回答，这种“读的便宜、写的更强”的不对称设计，正好对准了目前成本最高的那部分工作负载。

第二个重点是 KV 缓存。V4.1 Flash 用 CSA-2，也就是第二代压缩稀疏注意力，在不同层之间共享主 KV；再配合 FP4 的 KV 缓存，把常驻显存的全局 KV 压到每 token 890字节。大约只有上一代 V4 Flash 的1/4，当出现缓存没命中时，只重放最近一个滑动窗口。因此持久缓存大约为上一代的1/8，上下文支持从4,000扩展到100万 token。

从4,000扩展到100万时，官方报告提到了像单 token 解码的 FLOPs 只增加1/4。V4.1 Flash 从预训练开始就是多模态模型，它使用从头训练的 DeepSeek-ViT 把图片变成视觉 token，再和文本一起进入语言模型。预训练语料总量是45万亿 token，纯文本和多模态 token 的比例大约是7:1。

稀疏注意力从64,000的序列长度开始训练，并在训练进行到34万亿 token 时把上下文扩展到100万。API也不再要求单独的去选择 Vision Experimental 这个型号，deepseek-flash 一个名字就可以同时的接受文字和图片的输入。再看看 Agent 基准测试吧，当设置了最大的思考强度 Terminal-Bench 2.1 是90.6，DeepSWE 74.2，AutomationBench 54.8，Agent's Last Exam 是31.8。

它并不是每个榜单都超越了像 V4 Pro，但在多项的编程智能体和工具使用任务上看呢还是明显领先的。还有一个和今天演示直接相关的数据，官方用 Pi 作为 Agent 框架测试时 DeepSWE 得分66.2，Terminal-Bench 2.1 得分86.1。不过这些呢都是 DeepSeek 按公开的基准测试跑出的结果，真实的项目仍然要看看像任务的完成率、工具调用轮次、总用时开销等等。

那么现在咱们做一个实际的演示，在 Pi 的模型列表当中目前已经能够看到正式发布的 deepseek-flash。同时还保留着老的像 V4 Flash 还有 Vision Experimental 和 Pro 等等这些模型，我们在这里就选择 deepseek-flash。给他一个需要持续完整输出的问题，在 Pi 界面这里会显示累计的输入和输出 token。

为了看清这一轮的实际速度，我还加载了一个吞吐统计的扩展记录第一个 token 的延迟也就是首 token 延迟、这一轮的输出 token 数和每秒 token 数。这样呢我们看到的就是一个在真实请求场景下、在当前网络和服务负载下的表现，大家觉得在这一轮的任务执行中它的吞吐速度和效率究竟如何呢。

Flash这一次最突出的产品特点还是速度和吞吐，技术报告里的 DSpark 会做半自回归的草稿生成。再根据接收概率引擎吞吐曲线和系统负载动态选择验证长度，目的就是提高整个任务的 token 吞吐。价格呢也统一同步的进行了下调：在闲时，缓存命中输入每百万 token 2分钱；未命中呢输入1元、输出4元。高峰时段是价格的两倍。

我个人的感觉是今天就可以把正式 ID 接进我自己的 Agent，用固定任务连续跑几轮来记录一下像 TTFT（也就是首 token 的延迟）、还有像输出 token、任务是否通过以及总的成本和开销，来看看究竟在自己的任务执行上 V4.1 Flash 表现到底是怎么样的。

V4.1 Flash 最值得关注的我想不仅仅是它的榜单也不是他的吞吐，而是在100万上下文、在原生视觉支持以及高吞吐的情况下究竟是否能够更加高质量高效地完成咱们的任务执行。看看究竟是否能够给我们带来这种降本增效的效果，大家在使用 DeepSeek V4.1 Flash 以后效果如何呢？欢迎大家在评论区给我留言。好吧，我是小木头，我们下期见。