大模型RESEARCH BRIEF

DeepSeek V4.1 Flash

用非对称编码与解码降低长任务成本

DeepSeek发布于 2026.09.10

开放权重 · MIT

IN A NUTSHELL

552B MoE 采用因果编码器—解码器结构，输入、输出分别激活 8B 和 16B 参数，并加入原生视觉理解。核心看点是把长上下文缓存与智能体推理成本作为架构设计目标。

方法与关键变化

把读取上下文与生成输出的计算分工做成非对称结构，配合新的预训练方式和更大规模强化学习。官方将其定位为新架构系列中尺寸最小的版本。

另一条主线是压缩 KV 缓存：发布资料称相对上一代，HBM 和 SSD 缓存需求分别下降到四分之一和八分之一；应在相同上下文和服务配置下理解这些比较。

官方公布多类推理与智能体基准，模型卡同时提供推理和 DeepSWE 复现说明。权重文件已公开；本文没有独立复跑，不能把厂商榜单直接当作本地任务收益。

官方 Hugging Face 提供权重、技术报告、推理与评测相关文件；代码与权重标为 MIT。

LICENSE代码与权重：MIT

独立分析 · 未复现实验

区分读取上下文与生成输出的计算路径，是比统一扩大模型更具体的效率假设。它提示长代理任务的瓶颈可能在重复读入与缓存，而不只在生成速度。

架构层面的缓存节省未必按同样比例变成用户成本下降。真实请求的输入输出比例、并发、缓存命中和工具等待，都可能改变收益；总权重仍要存储。

我会把它当作需要用真实负载验证的系统效率方案。对长上下文工作流尤其值得测，但不能用激活参数量直接推导部署门槛。

构建短问答、长资料读取和多轮代理三类负载，固定成功标准；分别测首 token 延迟、生成速度、缓存占用和每个成功任务成本，并报告缓存命中情况。