DeepSeek 推出 V4.1-Flash：更小更快更省钱
DeepSeek v4.1 Flash
DeepSeek 正式发布了 DeepSeek-V4.1-Flash，这是其新架构家族中最小的模型，原生支持视觉理解。该模型采用非对称架构，拥有 552B 参数的 MoE 结构，但在推理时仅需激活 8B 输入和 16B 输出参数。相比上一代，V4.1-Flash 的 KV cache 仅需 1/4 的 HBM 和 1/8 的 SSD 存储，大幅降低了运行成本。DeepSeek 已将此模型上线 API，并宣布降低价格，同时计划开源权重以支持社区部署。
非对称架构：更多智能，更低成本。
HN 评论区
565- kouteiheika
看到 DeepSeek 的技术报告 [1] 里满是干货细节，真是让人耳目一新；反观像 Fable 的系统卡 [2]，大概 70% 都在讲“安全”，10% 在讲“模型福利”以确保小 Claude 不会受惊，剩下 20% 才是基准测试数据。
[1]: https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/...
[2]: https://www.anthropic.com/claude-fable-5-1-mythos-5-1-system...
- rao-v
正如我在 Twitter 上说的——DeepSeek 的无所畏惧真的让我惊叹。他们发布的每一个模型都塞满了新颖且疯狂的聪明点子，而且不知为何，他们总能坚持在接近前沿的规模上训练这些模型。
我知道大家都想听 Anthropic 和 OpenAI 过去三年里那些聪明点子的全貌故事，但我真正想翻阅的，是 DeepSeek 那本记录了“绝妙但未能入选”点子的笔记。
他们肯定尝试过一些真正离谱的东西，才能在正式发布中落地这么多架构上的创新。
- k9294
我很惊讶竟然没更多人讨论缓存命中价格：每百万 token 仅 $0.003。我有一种感觉，通过互联网传输 100 万个 token 的成本可能比缓存命中还要高。我们是不是快要让 chat completion API 过时了？因为网络上下文传输的成本即将占据任务总成本的主导地位？
以下是相同 token 使用量在不同费率下的对比：一个真实的长运行编码任务，中等规模代码库，共 447 轮对话。
输入 1,026,957
输出 164,667
缓存读取 36,554,368
GPT-6-astra
类型 费率 成本 占比
输入 10.000 10.270 19%
输出 50.000 8.233 15%
缓存 1.000 36.554 66%
总计 55.057 100%
DeepSeek v4.1 Flash，缓存命中 $0.003
类型 费率 成本 占比
输入 0.300 0.308 50%
输出 1.200 0.198 32%
缓存 0.003 0.110 18%
总计 0.615 100%
DeepSeek v4.1 Flash，缓存命中 $0.006
类型 费率 成本 占比
输入 0.300 0.308 42%
输出 1.200 0.198 27%
缓存 0.006 0.219 30%
总计 0.725 100%
假设：DeepSeek 的输入/输出费率不变，但缓存定价调整至占总账单的 66%。
类型 费率 成本 占比
输入 0.300 0.308 21%
输出 1.200 0.198 13%
缓存 0.027 0.982 66%
总计 1.487 100%
这一缓存命中改进使得该模型在长周期任务上的效率提升了 2 到 2.5 倍 […]
- revolvingthrow
已经在 HuggingFace 上了：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
坏消息是，原来的 v4 flash 是 284B，虽然很大但本地运行还算勉强合理。这个版本是 552B，几乎是原来的两倍，所以基准测试分数的巨大提升也就说得通了——在我看来，它其实已经不算“flash”了。
至于实际性能与刷榜（benchmaxxing）的对比我就不清楚了，不过就中国模型而言，DeepSeek 还算比较值得信赖。如果这一情况属实（而且它不会像 DeepSeek 4 那样有时候思考个不停），那它很可能就是开源权重模型中的新霸主。
它确实包含了视觉能力，并且在 KV cache 上做了一些很酷的操作，效率极高：“[...] 这些设计将全局 KV cache 占用减少到每 token 890 字节——大约是 DeepSeek-V4-Flash 的 1/4