一句话看懂：DeepSeek 于 2026 年 9 月 10 日发布 V4.1 Flash，这是一款 552B 参数、原生多模态的 MoE 模型，从底座重新预训练，API 价格同步下调并合并旧模型入口。它把“小尺寸旗舰”的竞争推到了长任务 Agent 和上下文成本这两个具体维度上。
事件核心：发生了什么
DeepSeek V4.1 Flash 是全新模型结构系列中最小尺寸的模型，采用 MoE 架构，主干 552B 参数，官方技术报告另列 196B 的 Engram 条件记忆参数；每个 token 输入激活 8B、输出激活 16B。区别于 7 月底 V4-Flash 仅重做后训练的做法，这次从头训练了支持图文的新底座，预训练数据 45T tokens，图片从预训练阶段即参与，因而具备原生多模态视觉理解能力。
关键数据方面：DeepSWE v1.1 从上一代的 54.4% 提升到 74.2%，官方对比中 Opus 5 为 74.0%、GPT-5.6 Sol 为 73.0%；Terminal-Bench 2.1 达 90.6%，但 3.0 和 4.0 仍落后于 Opus 5。AutomationBench 为 54.8%，高于 Opus 5 的 50.3%。每个 token 的全局 KV Cache 占用从 3514 字节压到 890 字节。API 已上线，模型名改为 deepseek-flash，支持 1M 上下文、最大输出 384K，旧模型名暂时路由到新模型，权重与代码以 MIT 许可证公开。
为什么重要
这次升级的重点不是单纯刷榜，而是训练路径和推理成本两条线同时动。预训练与后训练结合、把视觉放进预训练阶段，说明 DeepSeek 在多模态上选择了重做底座而非外挂视觉模块，这会直接影响后续迭代的扩展空间。KV Cache 压缩到约四分之一，则直接关系到长上下文 Agent 的调用成本——读代码仓库、读长文档这类场景，缓存占用下降意味着单位任务花费更低。价格上，空闲时段缓存命中输入 0.02 元/百万 tokens、未命中 1 元、输出 4 元，高峰时段翻倍，进一步压低了高频调用的门槛。在 Opus 5、GPT-5.6 Sol 等闭源旗舰仍占据复杂推理和终端任务优势的情况下，DeepSeek 用开源权重加低价 API 切入了“够用且便宜”的区间。
对用户/开发者/创作者的影响
对开发者，最直接的信号是模型名迁移和成本结构变化：旧模型已下线，deepseek-v4-flash 等名称被暂时路由，接入方需尽快改用 deepseek-flash；空闲时段与高峰时段的价差明显，批量任务可以调整调度时间。DeepSeek Harness v0.1.5 针对 V4.1 Flash 的标准模式、程序化工具调用（PTC）模式和极简模式做了专项训练，想验证编程能力的用户可以同步升级，通过 npx @deepseek-ai/dsh web 启动 Web 界面。对创作者和日常办公用户，截图理解、图表分析、跨软件自动化已有可用价值，54.8% 的 AutomationBench 说明它能接手一部分流程，但复杂视觉推理（ZeroBench-main 49.0%）仍有差距，不建议直接替代全部旗舰模型。企业采购层面，MIT 许可证允许商业使用、修改和分发，自部署的合规选项更清晰。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 V4.1 Pro 上线时间，以及在此期间 deepseek-v4-pro 请求全部路由到 Flash 后的实际体验反馈；二是 Terminal-Bench 3.0/4.0 这类终端长任务上，DeepSeek 下一代能否缩小与 Opus 5 的差距；三是安全能力表现分化——CyberGym 88.1% 较高，但 ExploitGym 仅 15.3%，后续是否补强值得跟踪。此外，开源权重发布后社区微调和第三方评测的口径差异，也会影响外界对这批分数的判断。
来源：juejin
