DeepSeek 发布 V4.1-Flash：新架构带来原生视觉理解与大幅降价

一句话看懂：DeepSeek 在 7 月 V4-Flash 更新约六周后推出 V4.1-Flash，首次引入因果编码器—解码器架构并支持原生视觉理解，同时把输出价格压到 GPT-5.6 Sol 的约 6%，重新点燃大模型价格战。

事件核心：发生了什么

根据 X 用户 Kim（@kimmonismus）的整理，DeepSeek 发布了 V4.1-Flash。与 7 月那版主要改进后训练、架构不变的做法不同，V4.1 换用了 Causal Encoder–Decoder（因果编码器—解码器）架构，并带来原生视觉理解能力。性能上，DeepSeek 自测显示其在多个编程与 Agent 基准上追平或超过 GPT-5.6 Sol：软件工程基准 DeepSWE 上，上一代 V4-Flash 为 54.4%，V4.1-Flash 升至 74.2%，Sol 为 73.0%。价格方面，相比 V4-Flash，新输入降价 32%、缓存输入降价 57%、输出降价 9%；即便按峰值价，每百万输出 token 收费 1.20 美元，而 Sol 为 20 美元，折合约低 94%，非高峰时段进一步降到 0.60 美元。

为什么重要

这轮更新的重点不只是跑分，而是效率与成本结构。新架构让读取长输入更便宜，共享并压缩存储的上下文也降低了内存占用，这对反复读取代码、文档和工具返回结果的 Agent 场景尤其关键。目前公开信息显示，DeepSeek 选择在架构层做文章，而不是单纯堆算力或延长训练，这使其在推理成本和上下文经济性上同时施压。对闭源厂商而言，当一个模型能在编程和 Agent 任务上接近头部水平、价格却低一个数量级时，API 定价权和客户留存都会受到实质挑战。价格重新成为竞争维度，也说明“便宜且够用”正在从营销话术变成可验证的产品策略。

对用户/开发者/创作者的影响

对开发者，最直接的变化是长上下文和 Agent 循环的成本大幅下降：缓存输入降价 57%，意味着多轮读取同一份代码库或文档的调用更划算，适合构建代码助手、自动化测试、工具调用密集的智能体。原生视觉理解则让图文混合输入（截图、图表、界面）不必再额外接一个图像模型。对普通用户和创作者，成本下降通常会在几周到几个月内传导到第三方 AI 应用订阅价或免费额度上。需要提醒的是，跑分来自 DeepSeek 自家测试，实际效果仍取决于具体任务、提示词和工具链适配。