DeepSeek-V4.1 Flash：KV Cache 压缩极限

DeepSeek-v4.1 Flash: Pushing the Limits of KV Cache Compression

起初我以为 DeepSeek-V4.1 Flash 只是 DeepSeek-V4 的常规迭代，直到发现其推理速度飙升至 420 Tokens/s，且官方宣布 DeepSeek-V4 Pro 将下线，才意识到这绝非小事。这篇技术报告揭示了其核心突破：通过 Causal Encoder-Decoder 架构与 CSA2 技术，将 KV Cache 存储压缩至原来的 1/4。它采用 FP4 精度量化，在 Prefill 阶段仅激活 8B 参数，解码阶段激活 16B 参数，专门针对长上下文 Agent 场景优化。这不仅解决了 HBM 和 SSD 的存储瓶颈，更让百万 token 级长文本处理成为可能，堪称 DeepSeek-V5 级别的架构革新。