一句话看懂：DeepSeek 发布 DeepSeek-V4.1-Flash，把上下文窗口拉到 100 万 token，并引入 FP4 KV 缓存和跨层注意力复用，目标是在超长文本场景下同时压低显存占用和推理成本。
事件核心：发生了什么
据 MarkTechPost 报道，DeepSeek 于 2026 年 9 月 10 日推出 DeepSeek-V4.1-Flash。这款模型的核心卖点有三个：一是支持 1M（100 万）token 级别的上下文输入，二是采用 FP4 精度的 KV 缓存，三是引入跨层注意力复用（cross-layer attention reuse）。目前公开信息显示，这是一次面向长上下文推理效率的版本更新，而非单纯堆参数。FP4 KV 缓存意味着历史键值对以更低比特存储，直接减小长对话、长文档场景下的显存压力；跨层注意力复用则试图让不同网络层共享部分注意力计算结果，减少重复算力开销。
为什么重要
长上下文一直是大模型落地中最贵的部分：上下文越长，KV 缓存占用越大，推理延迟和成本上升越明显。此前不少模型宣称支持百万级上下文，但实际可用性和单位成本常被开发者质疑。DeepSeek 这次把优化重点放在缓存精度和注意力计算复用的组合上，等于从推理侧而非训练侧找效率空间。如果效果成立，它会进一步压低长文本 API 的调用门槛，也会给闭源厂商在长上下文定价上带来压力。同时，FP4 这类低精度格式进入 KV 缓存，也说明量化正在从权重向推理中间态延伸，可能影响后续模型的服务架构设计。
对用户/开发者/创作者的影响
对开发者来说，最直接的收益是长文档处理、代码库级检索、多轮长对话等应用的 token 成本可能下降；如果 DeepSeek 开放 API，接入方式大概率沿用现有接口，迁移成本不高。对创作者和企业用户而言，百万级上下文更适合整本书、整套合同或完整素材库一次投喂，减少切片和向量检索的工程复杂度。但也要注意，FP4 缓存对输出质量的实际影响、跨层复用的兼容性，仍需实测验证，不能只看参数。
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
一是看官方是否公布 1M 上下文下的实际吞吐、延迟和定价，尤其是与上一代及竞品的对比；二是看 FP4 KV 缓存和跨层复用是否开源或写入技术报告，方便开发者复现；三是看其他厂商是否跟进类似推理优化路线，以及长上下文 API 的价格是否被进一步拉低。目前公开信息显示，具体可用渠道和基准成绩尚未完整披露。
