一、发布信息与非对称结构

2026 年 9 月 10 日，DeepSeek 正式发布 V4.1 Flash。这是全新模型结构系列里尺寸最小的模型，具备原生多模态视觉理解能力。新结构的设计初衷有四条：能力上限更高、推理速度更快、吞吐更大、可扩展到更大参数模型。

关键就在最后两行：读进去的东西只激活 8B，写出来的才激活 16B。因为绝大多数场景里，"输入"远比"输出"长——长文档、长代码、长对话历史。让输入侧更轻，成本立刻降下来。

配合新的预训练方式和更大规模的强化学习后训练，官方称它在基准测试中超越了包括 DeepSeek V4 Pro 在内的一众旗舰模型。

二、缓存才是 Agent 场景的真成本

在 Agent 使用场景中，缓存命中的费用往往占比较高。压缩 KV Cache，直接等于降低 Agent 类任务的使用成本。

这组数字解释了为什么"更小"反而"更强"：上下文能塞得更多、跑得更快、单次任务总成本更低。

三、API 怎么切

1. 模型名改成 deepseek-flash 即可调用 V4.1 Flash。
2. 旧版本 V4 Flash 与 V4 Flash Vision Exp 已下线；出于兼容考虑，deepseek-v4-flash、deepseek-v4-flash-vision-exp 会暂时路由到 V4.1 Flash。
3. V4 Pro 计划有序下线：北京时间 2026 年 9 月 14 日 12:00 之后、至 V4.1 Pro 上线之前，访问 deepseek-v4-pro 的请求全部路由到 V4.1 Flash，并按 V4.1 Flash 单价计费。

四、价格：注意峰谷差

官方同步下调了 V4.1 Flash 的定价，新价格于 2026 年 9 月 10 日 12:00 生效。仍采用峰谷定价：闲时价格为高峰时段价格的一半。

这意味着把批处理任务挪到闲时，账单能直接砍半——对跑批量任务的团队，这是最容易被忽略的一笔钱。

五、开源与部署

模型已在 Hugging Face 发布，并附技术报告。官方表示会支持开源社区做推理适配。如果有大规模部署需求且具备相应资源（2k 卡 GPU、有存储集群），可联系官方。

六、对使用者的三条实际建议

1. 先换模型名再压测：切换成本只是改一行，但要按自己的真实任务重跑一轮，别只看榜单。
2. 把长任务挪到闲时：一半的价格差，比任何提示词优化都直接。
3. 盯住兼容期：旧模型名会被路由到新模型，行为可能变，别以为"没改代码就没影响"。

一句话收束：这一代模型的竞争点，已经从"谁更聪明"转向"谁能在同样聪明的前提下，把每次调用的成本压得更低"。