DeepSeek 发布 DeepSeek-V4.1-Flash，采用因果编码器–解码器架构

背景

2026 年 9 月 10 日，深度求索在产品线中加入了一款新模型。公司将其描述为新架构系列中最小的模型，具备原生的视觉理解能力^[1]。

发生了什么

2026 年 9 月 10 日，深度求索以 API 模型名 deepseek-flash 发布 DeepSeek-V4.1-Flash^[1]。该模型为多模态模型，取代了 V4-Flash 和 V4-Flash-Vision-Exp^[1]。自 2026 年 9 月 14 日起，发往 deepseek-v4-pro 的请求也由它处理，直至 V4.1-Pro 推出^[1]。

关键细节

该模型总参数为 5520 亿，是一款多模态混合专家模型，采用新的因果编码器-解码器设计。输入（预填充）阶段激活 80 亿参数，输出（解码）阶段激活 160 亿参数^[1][2]。 架构包括 40 层：20 层编码器和 20 层解码器；每个 MoE 层有 384 个路由专家，每个词元激活其中 6 个^[2]。

预训练使用了 45 万亿词元的多模态数据，上下文扩展到 100 万词元。推理强度可在 1 到 100 之间调节^[2]。

该模型的 KV 缓存所需的高带宽显存（HBM）为上一代的四分之一，固态硬盘（SSD）存储为上一代的八分之一，约为每个词元 890 字节^[1][2]。

权重与技术报告已在 Hugging Face 上以 MIT 许可证发布^[1][2]。深度求索称，其基准成绩领先于包括 DeepSeek-V4-Pro 在内的旗舰模型^[1]。

影响

对开发者而言，较低的 KV 缓存需求意味着长对话所需的内存少于上一代^[1][2]。

术语说明

多模态（multimodal）指模型能够处理不止一类输入，在这里是文字与图像。该模型具备原生的视觉理解能力^[1]。

激活参数（active parameters）是每一步计算实际使用的参数。在混合专家模型中，对于给定的词元，只有网络的一部分参与运算，因此激活参数远少于总参数^[1][2]。

KV 缓存保存模型已经处理过的词元的注意力数据，使对话变长时无需重复计算。缓存随对话长度增长，因此减小它会直接影响长会话所需的内存。高带宽显存（HBM）是连接在 AI 加速器上的高速内存，固态硬盘（SSD）则是容量更大、速度较慢的存储。发布材料对比了上一代在两者上的用量^[1][2]。