{
  "id": "deepseek-4-1-flash",
  "title": "DeepSeek 4.1 Flash",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "DeepSeek 4.1 Flash是深度求索于2026年9月发布的多模态专家混合语言模型，拥有5520亿参数主干与百万Token上下文窗口。",
  "category": "computer-science",
  "subcategory": "artificial-intelligence",
  "type": "product",
  "aliases": [
    "DeepSeek-V4.1-Flash",
    "DeepSeek V4.1 Flash"
  ],
  "generated_at": "2026-10-16",
  "model": "pro/claude-haiku-5-5",
  "url": "https://aiwiki.page/zh/deepseek-4-1-flash/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/deepseek-4-1-flash/",
      "json": "https://aiwiki.page/en/deepseek-4-1-flash.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "DeepSeek 4.1 Flash（官方定名为 DeepSeek-V4.1-Flash）是中国人工智能开发机构深度求索推出的一款大语言模型。该模型采用稀疏专家混合模型架构，支持文本与图像输入，并提供约100万Token的上下文窗口。它属于 DeepSeek V4 系列，主要面向编程、推理以及长周期运行的智能体工作负载。"
    },
    {
      "heading": "发布与命名",
      "text": "该公司的 API 变更日志记录了该模型于2026年9月10日的上线信息，并称其为全新架构体系中尺寸最小的成员。新架构的设计目标是提升能力上限、加快推理速度、提高吞吐量，并便于扩展至更大规模的模型。开发者可通过将 API 模型名称更改为 deepseek-flash 来调用该模型。早期的 V4 Flash 和 V4 Flash Vision Exp 模型现已退役；为保证兼容性，deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 这两个模型名称目前已临时重定向至 V4.1 Flash。\n\n“最小”这一表述是相对于该系列的旗舰模型而言的。其主干网络拥有5520亿（552B）参数，远大于上一代 V4 Flash 系列的2840亿（284B）总参数量，因此该称谓不应被理解为绝对尺寸较小。"
    },
    {
      "heading": "模型架构",
      "text": "该模型的主干网络包含5520亿参数，但处理任意单个Token时仅会激活其中一小部分。在预填充（prefill）阶段，其552B参数的主干网络每个Token激活8B参数；在解码（decoding）阶段，每个Token激活16B参数。以解码数据计算，生成每个Token时仅激活主干网络中约 \\(\\frac{16}{552} \\approx 2.9\\%\\) 的参数。\n\n该网络被定义为因果编码器-解码器（Causal Encoder–Decoder）Transformer。它采用40层结构设计，包括20层因果编码器与20层解码器。这种不对称架构旨在减少长输入处理上的算力消耗，并将更多算力分配给输出生成，十分契合提示词长度远超回复长度的应用场景。每个专家混合层包含1个共享专家和384个路由专家，每个Token会激活其中的6个路由专家。\n\n在注意力机制方面，编码器的前两层采用滑动窗口注意力（SWA），其余各层则采用压缩稀疏注意力2（CSA2）。该模型还将分层稀疏索引器与 CSA2 机制相结合，以降低长上下文推理的成本。其他公开的组件还包括一个拥有1960亿参数的 Engram 条件记忆模块，以及 DSpark 投机解码技术。"
    },
    {
      "heading": "键值缓存效率",
      "text": "该架构公开声明的主要目标是降低智能体工作负载的推理成本，这类工作负载通常具有极高的输入吞吐需求。研发团队指出，预填充阶段的计算开销依然居高不下，而庞大的 KV 缓存持续对 HBM 与 SSD 容量以及数据传输带宽构成压力。为此，DeepSeek-V4.1-Flash 将压缩稀疏注意力2（CSA2）中的跨层 KV 缓存复用技术与 FP4 KV 缓存相结合。优化后，每个Token占用的全局缓存空间缩减至890字节，约为 DeepSeek-V4-Flash 相应占用量的四分之一。此外，另一项部署技术将保存在 SSD 或主机内存中的持久化缓存减少到了上一代模型的约八分之一。"
    },
    {
      "heading": "多模态能力",
      "text": "与那些在主训练完成后才追加视觉模块的模型不同，该模型从一开始就融合了图像数据进行训练。模型搭载了专门训练的视觉编码器 DeepSeek-ViT，该编码器从预训练初期就将视觉嵌入与文本联合处理。模型支持文本与图像混合输入，并输出文本。视觉配置最高支持1024个图像Token，并要求图像最小面积达到295,936像素。"
    },
    {
      "heading": "上下文窗口与推理控制",
      "text": "该模型支持 1,048,576 个Token的上下文窗口。DeepInfra 以 FP8 精度提供该模型的托管服务，并支持完整的 1,048,576 Token上下文，使实际部署的服务窗口与模型的原生窗口完全匹配。模型的推理深度支持调节，DeepSeek-V4.1-Flash 允许设置 1 到 100 的推理力度（reasoning effort）。因此，开发者可以根据单次请求的需求，在响应速度、成本与准确率之间进行权衡。相比之下，先前的 V4 Flash 0731 版本采用的是较为粗放的三档推理力度调节：低（low）、高（high）与最大（max）。"
    },
    {
      "heading": "模型训练",
      "text": "该模型在庞大的多模态语料库上进行了预训练。研发团队使用包含45万亿（45T）Token的多模态语料对 DeepSeek-V4.1-Flash 进行了预训练，并开展了全面的后训练。在训练过程中，上下文长度被扩展至100万Token，深度求索称这是专门针对重输入型智能体任务所做出的架构设计选择。"
    },
    {
      "heading": "基准性能",
      "text": "大多数基准测试数据由深度求索官方提供。其变更日志中列出的代表性成绩包括：GPQA Diamond 达 90.9，Codeforces 积分达 3471，Terminal-Bench 2.1 达 90.6。深度求索将该模型定位为 V4.1 系列中兼顾成本与效率的版本，并称其在性能、速度和任务完成时间上均超越了 V4 Pro。\n\n基础（预训练）模型的测评结果则互有优劣。V4.1-Flash-Base 在 MMLU-Pro、HumanEval 和 GSM8K 上处于领先地位；但在 AGIEval、BBH 和 MATH 测试中落后于两款前代模型，且 V4-Pro 在 SimpleQA-Verified 测试中保持着较大优势。此外，不同模型间的规模差异也使跨尺寸对比更加复杂：V4-Flash 的主干参数为 284B，V4-Pro 为 1.6T，而 V4.1-Flash 为 552B，因此各模型并非处于同等参数量级下的对照。"
    },
    {
      "heading": "可用性与开源许可",
      "text": "该模型的权重已公开提供。模型以 MIT 许可证开源发布，模型权重文件可在 Hugging Face 上获取。NVIDIA 的模型卡片显示该模型已具备用于商业或非商业用途的条件。此外，用户还可通过深度求索自建的 API 以及第三方托管服务调用该模型。不同服务商的定价各有差异；例如 LM Studio 上的标价为每百万Token输入 0.30 美元、输出 1.20 美元（输入 $0.30，缓存命中 $0.03，输出 $1.20）。深度求索表示，随着该模型的发布，API 价格也已相应下调。"
    },
    {
      "heading": "局限性与待决问题",
      "text": "目前仍有一些问题尚未定论。官方公布的核心基准测试数据大多属于自测报告，目前公开的材料中相对缺乏权威的独立第三方评测。如上述基础模型的对比所示，该模型在部分任务上的表现不如早期版本。此外，极其庞大的总参数量意味着自行本地部署需要相当规模的多 GPU 基础设施，这也是大多数用户选择通过云端托管 API 访问该模型的原因。最后，各服务商之间使用的命名规则并不统一（如 V4.1 Flash、DeepSeek-V4.1-Flash、deepseek-flash），这给跨来源的数据对比带来了一定困难。"
    },
    {
      "heading": "参见",
      "text": "- 键值缓存\n- Transformer架构\n- 多模态学习\n- 上下文窗口"
    }
  ],
  "links": [
    "deepseek",
    "large-language-model",
    "transformer-architecture",
    "multimodal-learning",
    "context-window"
  ],
  "sources": [
    {
      "title": "Change Log",
      "url": "https://api-docs.deepseek.com/updates/"
    },
    {
      "title": "DeepSeek V4.1 Flash",
      "url": "https://lmstudio.ai/models/deepseek-v4.1-flash"
    },
    {
      "title": "deepseek-v4.1-flash Model by Deepseek-ai",
      "url": "https://build.nvidia.com/deepseek-ai/deepseek-v4.1-flash/modelcard"
    },
    {
      "title": "DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression",
      "url": "https://arxiv.org/pdf/2609.19969"
    },
    {
      "title": "[2609.19969] DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression",
      "url": "https://arxiv.org/abs/2609.19969"
    },
    {
      "title": "DeepSeek-V4.1-Flash: Model Overview & Integration",
      "url": "https://deepinfra.com/blog/deepseek-v4-1-flash-model-overview-integration"
    },
    {
      "title": "DeepSeek V4 Flash",
      "url": "https://lmstudio.ai/models/deepseek-v4-flash"
    },
    {
      "title": "DeepSeek V4.1 Flash - API Pricing & Benchmarks",
      "url": "https://openrouter.ai/deepseek/deepseek-v4.1-flash"
    },
    {
      "title": "DeepSeek V4.1 Flash Fast",
      "url": "https://www.baseten.co/library/deepseek-v41-flash-fast/"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}