DeepSeek V4.1 Flash 发布：552B 最小尺寸反超旗舰 V4 Pro、升级还降价，9月14日起 V4 Pro 正式下线
2026年9月10日 DeepSeek 发布 V4.1 Flash：552B MoE 非对称架构，输入只激活 8B、输出激活 16B，1M 上下文原生多模态，在性能/费用/速度上全面超越 V4 Pro。本文拆解新架构、基准数据、API 定价与 9月14日 V4 Pro 重路由的迁移要点。
2026 年 9 月 10 日，DeepSeek 发布 DeepSeek-V4.1-Flash，官方标题只有八个字：「更强、更快、更普惠」。但真正值得注意的不是这句宣传语，而是同一份公告里出现的三件不太寻常的事——最小尺寸的模型全面超越自家旗舰、旗舰被安排下线、价格还往下调。
先把结论摆在前面：DeepSeek 这次不是新增了一条产品线，而是用一次发布把整条 API 阵容换掉了。旧的 V4 Flash 与 V4 Flash Vision Exp 已经下线，V4 Pro 从 9 月 14 日起不再以独立模型提供服务、只保留模型名做路由。对任何正在用 DeepSeek API 的项目来说，这是一次必须在几天内处理完的变更。
一、三个关键事实
1. 它最小，但它最强
V4.1 Flash 是 DeepSeek 全新模型结构系列中尺寸最小的一款，却具备原生多模态视觉理解能力，并且在官方口径与多方测试中都全面超越包括 DeepSeek-V4-Pro 在内的一众旗舰模型。在 Agentic Benchmark 等测试里，它还超过了 智谱 GLM 5.3、Kimi K3 等前沿模型。
2. 老模型被「退役」，而不是「保留」
V4 Flash 与 V4 Flash Vision Exp 直接下线。出于兼容考虑，模型名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 会暂时路由到 V4.1 Flash——你的旧调用不会报错，但底层换人了。
3. 旗舰 V4 Pro 被安排下线
这是最重的一刀。公告原文是：「经多方测试，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 DeepSeek V4 Pro，因此我们计划有序下线 V4 Pro 模型。」北京时间 2026 年 9 月 14 日 12:00 之后，直到未来的 V4.1 Pro 上线之前，所有访问 deepseek-v4-pro 的请求全部路由到 V4.1 Flash，并按 V4.1 Flash 的单价计费。
翻译成不那么官方的说法：你还在用 Pro，但从周日中午开始，你实际上在用 Flash，只是请求里的模型名没变。对绝大多数人是好事——单价掉下来了；但如果你的业务依赖 Pro 的特定行为（输出风格、知识深度、拒绝边界），这就是一次静默的模型替换，必须自己跑回归。
二、架构拆解：552B 参数，输入只激活 8B
V4.1 Flash 的参数结构是这次发布里最反直觉的部分。
它总参数 552B，属于 MoE（混合专家）架构，但采用了全新的 Causal Encoder–Decoder 结构，输入与输出非对称：处理输入（prefill）时只激活 8B 参数，生成输出（decode）时激活 16B。
这个设计的商业含义很直接。Prefill 阶段决定「读长文档、吃大上下文」的成本，8B 激活意味着可以把很长的上下文塞进去而不至于成本爆炸；decode 阶段决定「写出来」的质量，16B 激活保留了这个环节的表达能力。同一个模型，读写两侧用不同的算力预算——这就是「更少成本、更多智能」的工程落点。
配套的第二个优化是 KV Cache 压缩。相比上一代，V4.1 Flash 的 KV cache 只需要：
- 约 1/4 的 HBM（显存）占用；
- 约 1/8 的 SSD 存储占用。
这一点对做 Agent 的人尤其关键。DeepSeek 在公告里直接点明：缓存命中费用往往占据 Agent 成本的很大一块，把缓存压下来，等于把单个任务的成本直接压下来。如果你的系统里有一个不变的长系统提示词、一份反复引用的知识库文档，这部分开销的下降会非常直观。
上下文能力同步升级：1M token 上下文，最大输出 384K token，原生支持图像输入（单张图片按官方文档上限折算为输入 token）。
三、基准数据：反超了多少，哪里还落后
DeepSeek 这次公布了与 V4 Pro 的直接对比，几条关键的如下：
| 基准 | DeepSeek V4.1 Flash | DeepSeek V4 Pro |
|---|---|---|
| DeepSWE v1.1（真实软件工程） | 74.2 | 62.7 |
| Terminal-Bench 2.1（终端 Agent） | 90.6 | 87.9 |
| HLE（人类最后考试 · 知识密集型） | 36.8 | 42.7 |
需要说清楚的是：不是所有维度都赢。在部分知识密集型基准上，V4.1 Flash 仍然落后于 V4 Pro（例如 HLE 约 36.8 对 42.7）。这符合「小激活参数 + 强 Agent 能力」的技术取向——它被优化成一个能长时间跑工具调用的执行者，而不是一部百科全书。对做 Agent、写代码、跑工作流的人是净收益；对纯知识问答类场景，反而不构成升级。
四、定价：一次罕见的「升级还降价」
模型升级通常伴随涨价，而 V4.1 Flash 是每一条都比上一代便宜。人民币计价（每百万 token），新价格已于 2026 年 9 月 10 日 12:00 生效：
| 计费项 | 闲时 | 高峰 |
|---|---|---|
| 输入 · 缓存命中 | 0.02 元 | 0.04 元 |
| 输入 · 缓存未命中 | 1.0 元 | 2.0 元 |
| 输出 | 4.0 元 | 8.0 元 |
- 峰时窗口：周一至周五 9:00–12:00 与 14:00–18:00（北京时间）；其余时间包括整个周末都按闲时计费。
- 闲时价格恰为高峰的一半。
三个值得注意的算术：
- 缓存命中价只有未命中的 1/50（闲时 0.02 元 vs 1.0 元）。任何有固定系统提示词、固定文档上下文的业务，都应该先把缓存打好，这一条比换模型省得多。
- 输出比输入贵 4 倍（闲时输入 1.0 元、输出 4.0 元）。控制生成长度、让模型少说废话多调用工具，是第二个省钱杠杆。
- 错峰能省一半。批处理、离线索引、夜间数据清洗全部挪到闲时，账面直接腰斩。
另外，V4.1 Flash 已在 Hugging Face 开源权重并发布技术报告。但自托管门槛被抬高了：checkpoint 体积约为 V4 Flash 的 3 倍（FP8 约 510GB），实际起步是 8 卡节点，官方提到大规模部署需要 2000 卡 GPU 加存储集群的量级。换句话说，权重是开放的，但「便宜」这件事眼下主要在 API 侧成立。
五、9 月 14 日之前，开发者该做的四件事
- 换模型名：新调用统一用
deepseek-flash。继续用deepseek-v4-flash虽然暂时能通，但那是一条兼容路由，不是长期契约。 - 回归测试 V4 Pro 依赖项：9 月 14 日 12:00 后 Pro 的请求会被静默换到 Flash。凡是依赖 Pro 特定输出风格、知识深度、拒绝边界的业务，现在就要跑一遍新旧对照。
- 重估多模态链路：V4.1 Flash 原生支持图像输入。原来走「视觉模型 + 文本模型」两段串联的项目，可以评估合并成一次调用，省掉一次网络往返和一份上下文拼接成本。
- 重算成本模型：把缓存命中率、输入输出比例、可错峰比例三个参数代进新价格表。多数业务的结论会是「成本下降」，但降幅取决于你的缓存设计，而不是模型名。
生态侧也有信号：DeepSeek 公告点名 WorkBuddy（含 CodeBuddy）与 OpenCode 作为官方合作伙伴，已全量接入 V4.1 Flash。对国内开发者来说，这意味着在中文 Agent 工具链里调用 Flash 的链路已经铺好，不必自己折腾适配。如果你通过聚合平台调用，SiliconFlow（硅基流动）、OpenRouter 这类网关通常会在一两天内跟进，但要注意它们的价格未必等于官方价。
六、和 V4 Pro、GLM 5.3 放在一起看
下面这张信息图，把 DeepSeek V4.1 Flash、即将退出服务的 V4 Pro 与国产旗舰智谱 GLM 5.3 放在同一组维度上做了对比，可以一眼看出这次换代到底改变了什么。
几个判断可以直接给：
- 如果你现在用 V4 Pro：不用抢时间迁移，9 月 14 日之后会被自动迁过去，价格还降了。但要提前做一次回归，别等线上出问题才发现行为变了。
- 如果你在挑国产开源模型：V4.1 Flash 现在是「Agent 长任务 + 原生多模态 + 低单价」这一格里的强候选，尤其适合需要 1M 上下文、需要长时间跑工具循环的场景。
- 如果你在意纯知识问答精度：注意 HLE 这类基准上它仍落后 Pro，选型要按自己的评测集说话，不要只看「全面超越」四个字。
横向看国产同代模型：GLM 5.3 在中文理解与办公场景打磨得更细，Kimi K3 走「超大参数 + 开源权重」路线，Qwen3.8-Max 坚持 2.4 万亿参数的超大杯方向，腾讯混元 Hy4 押注 1M 上下文与 770B 规模。DeepSeek 这次选的是最反直觉的一条：把总参数写大、把激活参数写小、把价格写低，然后用「下线自家旗舰」来证明这条路有效。
七、这件事真正的意义
过去两年，行业默认的叙事是「更强的模型 = 更多的参数 + 更多的算力」。V4.1 Flash 给出的替代叙事是：同样的智能，可以装在更小的激活预算里跑出来。
背后有两层推动力。一层是技术：MoE 路由、非对称 encoder-decoder、KV cache 压缩，让「总参数大、激活参数小」从理论变成可交付。另一层是商业：Agent 是 2026 年最主要的 token 消耗方，而 Agent 的特征是长上下文 + 高频工具调用 + 反复重放同样的前缀——这恰好是缓存、prefill 成本、吞吐量最敏感的工作负载。谁把这三件事做便宜，谁就拿走 Agent 市场。
对普通用户和中小团队的直接影响是：AI 应用的单位成本会继续快速下降。当一个能跑 1M 上下文、能看图、能连续调几百轮工具的模型，价格跌到每百万输出 token 4 元人民币，很多以前「算不过来」的产品形态会突然成立——全量文档索引、长期记忆 Agent、批量自动化流程都会重新变得可行。
对国产大模型格局的影响同样明确：DeepSeek、千问、讯飞星火、豆包、腾讯混元 已经集体进入「效率竞赛」阶段。比的不再是谁先摸到参数天花板，而是谁能在同等成本下多产出多少可用智能。这对开发者是绝对利好，对靠「堆规模讲故事」的厂商则是一次压力测试。
三句话总结
- V4.1 Flash 是「最小尺寸反超旗舰」的样本：552B 总参数、8B/16B 非对称激活、1M 上下文、原生多模态。
- 9 月 14 日 12:00 起 V4 Pro 请求全部路由到 V4.1 Flash 并按 Flash 单价计费——在用 Pro 的项目请提前回归测试。
- 价格是罕见的「升级还降价」，但真正的省钱杠杆在缓存设计、输出长度控制与错峰执行，不在模型名。
以上信息整理自 DeepSeek 官方公告、官方技术报告与公开报道，具体接口参数、计费规则与模型生命周期请以 DeepSeek 官网为准。