DeepSeek 正式发布并开源原生多模态 MoE 模型 DeepSeek V4.1 Flash，采用 MIT 许可在 Hugging Face 开放权重与代码（deepseek-ai/DeepSeek-V4.1-Flash），API 同步全面上线，新模型名为 deepseek-flash。

架构上，模型主干 552B 参数，另有 196B Engram 条件记忆，采用 Causal Encoder-Decoder 结构：语言主干 40 层被切成 20 层因果编码器加 20 层解码器，384 个路由专家配 1 个共享专家、每次激活 6 个；prefill 每token 激活 8B、解码激活 16B；上下文窗口达 100 万 token，支持 1 到 100 的整数级连续可控推理强度。

最引人注目的是内存成绩单：FP4 主 KV Cache 把全局缓存压到每 token 890 字节，约为上代 V4-Flash 的四分之一、初代 V1 的 1/437，完整 1M token 上下文的缓存成本不到 1GB；CSA2 机制配合 SWA Bounded Replay，使 HBM 与 SSD 需求分别降至上一代的 1/4 与 1/8。官方称 V4.1 Flash 在性能、费用、速度、总用时上全面超越 V4 Pro。

跑分方面：GPQA Diamond 90.9、Terminal-Bench 2.1 拿下 90.6、Codeforces Rating 3471、DocVQA 95.6。API 定价同步下调并保持峰谷分时，闲时价格为高峰一半；2026 年 9 月 14 日 12:00 后，所有 V4 Pro 请求将路由至 V4.1 Flash 并按 Flash 单价计费——相当于用 Flash 的钱买 Pro 的能力。

生态跟进速度罕见：第三方云 SiliconFlow 发布当天即上线托管，多家应用侧快速接入；DeepSeek 同时开源 deepseek-recipe、DeepSelect、DeepJIT 三个仓库，分别用于 API 协议转换与提示词编解码、稀疏注意力 TopK 算子加速（较 torch.topk 提速 2 至 20 倍）、以及面向 CUDA 与昇腾的内核 JIT 编译缓存，为私有化部署铺平道路。