一句话看懂：DeepSeek 本周在 HuggingFace 开源了 552B 参数的 V4.1-Flash，用 Causal Encoder-Decoder 架构把编码 Agent 最头疼的 prefill 开销压到每 token 仅激活 8B 参数，并已在 Baseten Model API 上线。它值得关注，因为这是开源模型第一次在架构层面专门为 Agent 循环做算力不对称设计。
事件核心：发生了什么
DeepSeek-V4.1-Flash 是一个 552B 总参数的多模态 MoE 模型，支持 100 万 token 上下文，输入可含文本与图像、输出为文本。它最特别的地方是采用 CED（Causal Encoder-Decoder）架构：40 层被拆成 20 层编码器和 20 层解码器，解码器的 KV cache 直接从编码器输出投影而来。结果是 prefill 阶段只跑编码器、每 token 激活 8B 参数，decode 阶段才跑全模型、激活 16B。对照上一代 V4-Flash，prefill 和 decode 都是 13B，V4.1-Flash 等于用更重的 decode 换来了更轻的 prefill。
性能上，它以约三分之一的总参数量在编码和 Agent 基准上超过 V4-Pro，长程 Agent 任务提升达到两位数，但 Automation-Bench 得分 54.8，意味着复杂工作流仍有约一半会失败。图像理解是它首个非实验性的原生能力，图表解读和图像逻辑推理有进步，ZeroBench 仍未过 50 分。
为什么重要
编码 Agent 的运行特点是循环内反复回传几乎相同的上下文，prefill token 远多于 decode token。CED 把算力向 decode 倾斜，正好切中这个成本结构。同时，解码器 KV cache 由编码器投影而非逐层独立计算，配合压缩稀疏注意力（跨层共享 KV）和 FP4 KV 缓存，官方称全局 KV cache 内存仅为 V4-Flash 的四分之一。目前公开信息显示，这是同规模模型中唯一采用 CED 架构的。在 Z.ai、阿里接连推出低价开源模型之后，模型实验室的竞争已经从“堆参数”转向“为单位算力榨出更多智能”，这对靠 API 调用量赚钱的推理服务商是直接压力。
对用户/开发者/创作者的影响
如果你在跑编码 Agent 或长上下文应用，更小的 KV cache 意味着同样显存能装下更多上下文、缓存命中率更高，首 token 延迟和单卡吞吐都会改善，直接反映在 API 账单上。Baseten 已把它做成 Model API，Loops 支持也即将上线，试错成本不高。视觉能力适合接截图、仪表盘和 UI 稿做初步理解，但涉及重要决策时仍需要人工复核。需要注意的是，DeepSeek 平台已下线 V4-Flash 并把流量导向 V4.1-Flash，V4-Pro 流量也将从 9 月 14 日起改道，仍在调用 V4 系列的开发者应尽快升级。
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 CED 是否被其他实验室跟进，若成为长上下文 Agent 的通用做法，会改变推理优化的方向；二是 Baseten 等第三方平台的定价是否随 KV cache 节省同步下调；三是它能否补齐 Agent 工作流的可靠性短板，把 Automation-Bench 这类成绩推过及格线。
