DeepSeek-V4.1-Flash 规格速查

DeepSeek-V4.1-Flash 是深度求索在 2026 年 9 月发布的新一代主力模型，API 调用名已统一为 deepseek-flash。它换掉了上一代的 Dense-MoE 结构，改用非对称的 Causal-Encoder-Decoder，并把上下文从 128K 拉到 1M。这篇笔记把规格、结构变化、缓存压缩和价格整理成可核对的条目，末尾给一笔实际的调用成本账。

一、规格一览

接口能力上，JSON 输出、Tool Calls、Responses API、Anthropic 兼容接口均支持；对话前缀续写与 FIM 补全仅在非思考模式下可用。思考模式默认开启，可在请求里关闭。

二、非对称结构改变了什么

这一代最实质的改动不在参数总量，而在输入与输出走了不同的路径。传统 Decoder-only 模型对输入和输出使用同一套参数，prefill 阶段要一次性处理整段提示，激活量随上下文线性增长。V4.1-Flash 把输入侧压到约 8B 激活，输出侧保留约 16B，形成 Causal-Encoder-Decoder 的不对称结构。

差异来自两段计算的特性。prefill 是并行的矩阵运算，算力密度高、对参数规模不敏感；decode 是逐 token 生成，每一步都要重新决策，更需要表达能力。

把两侧分开，等于按实际负载分配算力，而不是让同一组参数同时承担两种任务。这也是「小激活、大总参」路线能成立的前提。

官方给出的结果是：在 Agentic Benchmark 上，V4.1-Flash 超过了包括 V4-Pro 在内的一批旗舰模型。这类自评成绩需要谨慎对待，但结合「更小激活 + 更长上下文」的组合来看，它指向的方向是明确的——用结构效率换成本，而不是用参数堆能力。

三、KV Cache 压缩与 1M 上下文的真实含义

长上下文的成本大头往往不是注意力计算，而是 KV Cache 的存储。序列越长，缓存越占显存，并发就被压得越低。V4.1-Flash 在这一项上做了两件事：相对上一代把 HBM 需求降到四分之一、SSD 需求降到八分之一；相对初代模型，KV Cache 整体缩小了 437 倍。

这个数字对 Agent 类任务更有意义。Agent 通常要在多轮工具调用间保持长对话，缓存命中费在总成本中占比很高。

缓存小了，同样的显存能挂更多并发，命中率也更容易维持。这是它能把 1M 上下文做成默认配置、而不是高级选项的原因。

需要保留一个判断：1M 上下文是容量上限，不等于有效长度。中段信息召回、跨文档引用这类能力，仍建议用自己的文档做三位置对照测试，不要直接按标称值规划架构。

四、价格、调用与适用边界

官方定价按空闲与高峰两个时段计价，空闲时段为高峰的一半。高峰指北京时间周一至周五（不含法定节假日）9:00–12:00 与 14:00–18:00。

按 1000 次请求、每次 2000 输入 token 与 500 输出 token、缓存命中率 80% 估算：命中部分 1.6M tokens 计 0.064 元，未命中部分 0.4M tokens 计 0.8 元，输出 0.5M tokens 计 4 元。

高峰时段合计约 4.86 元；放到空闲时段约 2.43 元。输出占了大头，压缩输出长度比压缩输入更省钱——这也是为什么「先想清楚再输出」在成本上是有回报的。

调用方式与旧版一致，只改模型名：base_url 用 https://api.deepseek.com，model 传 deepseek-flash。旧模型名 deepseek-v4-flash 与 deepseek-v4-flash-vision-exp 仍可调用，但会被路由到 V4.1-Flash 并按 Flash 价格计费。V4-Pro 自 2026 年 9 月 14 日起也已路由至该模型。

不适用的场景有两类：需要明确许可证条款才能商用的合规审查，应去 Hugging Face 仓库核对具体许可，而不是依赖本文概述；需要图像生成的任务，这个模型只做理解，不做生成。

模型迭代速度快，本文数据取自官方发布说明与 API 定价页。做选型决策前，建议再核对一次定价页上的时段与单价，确认没有新的调价。