2026 年 9 月 10 日，DeepSeek 发布了 V4.1-Flash。
按惯例，这只是一次模型迭代。但仔细看它的架构说明，会发现这次不太一样——它引入了一个此前主流模型很少采用的设计：输入和输出不对称。
这篇文章讲三件事：这个模型新在哪、这些技术变化对你意味着什么、以及发布过程中那个”朝令夕改”的小插曲透露了什么信号。
一、什么是”非对称”？读和写，本来就不该一样累
传统大模型是”对称”的：输入（读你写的东西）和输出（写给你的回答）走同一套结构、同样量级的计算。
DeepSeek 在 V4.1-Flash 上换成了 Causal Encoder-Decoder（因果编码器—解码器） 架构：
- 模型总参数 552B（5520 亿），依然是 MoE；
- 输入侧只激活 8B（80 亿）参数；
- 输出侧激活 16B（160 亿）参数。
也就是说，”读”的成本只有”写”的一半。
为什么可以这么干？因为这两件事的性质本来就不一样：
读（理解）是可压缩的。 你丢进去 100 页文档，模型要做的是抓住关键信息。大部分细节可以压缩、可以稀疏处理——就像人读一份报告，不需要把每个字都刻在脑子里，记住结构和结论即可。
写（生成）是不能省的。 每个输出的 token 都要保证质量、连贯、准确。生成环节偷工减料，答案就会变得空洞或者胡说。
所以工程师做了个很符合直觉的决定：理解环节大幅瘦身，生成环节保质保量。
这个思路的威力在于，真实使用中”读”的 token 数往往远大于”写”的。你贴一份 5 万字材料让它总结成 500 字——输入输出比例可能是 100:1。把输入成本砍半，整体成本下降非常可观。
二、KV Cache 缩小 437 倍：Agent 时代的关键一步
V4.1-Flash 另一个被低估的改进是缓存压缩。
什么是 KV Cache？模型在对话过程中要”记住”前面的内容，这份记忆存在显存/硬盘里，对话越长越占地方。它有两个后果：
1. 占用显存，限制能同时服务多少人； 2. 缓存命中的部分要收费——这是很多人的账单大头。
在 Agent（智能体）场景中这个问题尤其突出。一个 AI 帮你写代码，可能要来回几十轮，每轮都要把之前的全部对话重新读一遍。如果缓存贵，跑一个任务的花费会失控。
DeepSeek 给出的数据：
- V4.1-Flash 相比上一代：显存（HBM）需求降到 1/4，硬盘（SSD）需求降到 1/8；
- 相比初代模型：KV Cache 累计缩小了 437 倍。
官方明确说了动机：”在 Agent 使用场景中，缓存命中的费用往往占比较高，对 KV Cache 的压缩大幅降低了 Agent 类任务的使用成本。”
翻译：AI 从”问答工具”变成”能连续干活几个小时的助手”，最大的瓶颈不是聪明程度，而是记忆的成本。 谁先把记忆成本压下来，谁就能让 Agent 真正跑得起来。
三、原生视觉：终于能”看见”了
V4.1-Flash 还带来了原生多模态视觉理解——模型从底层就能直接处理图像，而不是外挂一个视觉模块再拼接。
这一点补上了 V4-Pro 的一个明显短板：V4-Pro 是纯文本模型，不支持图像输入，这在发布时曾引发不少开发者吐槽。
现在你可以：拍一张手写的笔记让它整理、截一张报错界面让它分析、拍一张冰箱内部照片让它配菜谱、把设计稿丢进去让它生成前端代码。
需要说明的是：多模态能力在 DeepSeek 产品线里迭代很快——2026 年 8 月 21 日上线了实验性的 V4-Flash-Vision-Exp，9 月 10 日 V4.1-Flash 把它变成了原生能力。使用时以官方当前文档为准。
四、价格：又降了，而且降在最关键的地方
2026 年 9 月 10 日 12:00 起执行的 V4.1-Flash 价格（每百万 token，人民币）：
| 时段 | 输入（缓存命中） | 输入（缓存未命中） | 输出 |
|---|---|---|---|
| 空闲时段 | 0.02 元 | 1 元 | 4 元 |
| 高峰时段 | 0.04 元 | 2 元 | 8 元 |
对比上一代（缓存命中 0.05 元、未命中 1.5 元、输出 4.5 元），缓存命中价格降了 60%，未命中输入降约 33%，输出降约 11%。
注意降价幅度最大的那一项——缓存命中输入。这正是 Agent 和长对话场景的主要开销。降这一项，等于明确告诉开发者：”多轮对话、长任务，放心用。”
峰谷计价（高峰时段价格为空闲的两倍）是 2026 年 8 月引入的机制，目的是削峰填谷。对普通用户影响不大，对批量任务开发者来说，把不急的任务排到低谷时段跑，能省一半钱。
五、小插曲：说好要下线 V4-Pro，三天后又反悔了
这次发布里有个值得玩味的细节。
9 月 10 日的官方公告说：经多方测试，V4.1-Flash 在性能、费用、速度、总用时上已全面超越 V4-Pro，因此计划有序下线 V4-Pro——自 9 月 14 日起，所有 V4-Pro 请求将路由到 V4.1-Flash 并按 Flash 价格计费。
结果到了更新日志里，多了一句：”为响应广大用户的需求，我们决定在 2026 年 9 月 14 日之后继续提供 DeepSeek V4 Pro 的 API 调用服务，计费方式保持不变。”
三天内从”下线”到”继续提供”，说明两件事：
其一，基准测试数字不等于真实体验。 V4.1-Flash 在榜单上赢了，但在某些重推理、长链条任务上，用户依然信任 Pro。跑分和体感之间的差距，是 AI 行业永恒的张力。
其二，DeepSeek 对用户反馈的反应速度很快。 这种”当天改口”在大型科技公司里并不常见。
对我们普通用户的启示很直接：看到”新模型全面超越旧模型”这类说法时，保留一点怀疑。自己上手试，比看榜单靠谱。
六、这次升级，对普通人意味着什么
剥掉术语，落到实际：
1. 免费用户的体验会更好。 网页版和 App 背后的模型在持续变强变快，你不需要做任何事。 2. 长任务变便宜了。 让 AI 帮你连续处理几十轮任务（整理资料、改代码、写长文），成本大幅下降。 3. 图片能用了。 截图问报错、拍题问解法、拍文件让它摘录——这些场景真正可用了。 4. 开发者如果用 API，记得改模型名。 官方建议把模型设为 deepseek-flash；旧的 deepseek-v4-flash 等名字暂时还能用（会被路由到新模型），但未来会失效。 5. 别急着迁移所有任务。 V4-Pro 依然在跑，重推理场景可以两边对比后再决定。
七、结语
V4.1-Flash 值得关注，不是因为它又刷高了多少分，而是因为它代表了一种思路的转变：
过去几年，行业的主流解法是”把模型做得更大”。而现在，头部团队开始在结构上动刀——读写分离、记忆压缩、精度优化。
当”更大”这条路因为算力和成本走到瓶颈时，”更聪明地设计”就成了新的增长点。这一次，DeepSeek 走在了前面。