DeepSeek 昨晚推出 DeepSeek-V4.1-Flash，採用 5,520 億參數的混合專家（MoE）主幹架構，具備原生視覺能力與 100 萬 token 上下文視窗，架構重點在於降低反覆讀取大量上下文的成本。
V4.1-Flash 的效率提升：降低 API 開發者的推理成本
V4.1-Flash 離峰時段快取命中每百萬輸入 token 收費 0.003 美元，未命中 0.15 美元，每百萬輸出 token 0.60 美元，尖峰時段價格加倍。AI 代理常反覆處理同一套程式碼庫、工具定義或對話紀錄，重讀的快取上下文可能遠多於新的上下文。DeepSeek 也表示，快取命中費用可能占代理成本的相當大比例。相較之下，GPT-5.6 Sol、Claude Opus 5 與 Kimi K3 的快取輸入價格分別為每百萬 token 0.40、0.50 與 0.30 美元。
《VentureBeat》指出，假設 AI 代理保留 50 萬 token 的可重複使用前綴，並在 100 次請求中都命中快取，若不計快取寫入、新增上下文與輸出，V4.1-Flash 離峰時段約只需 0.15 美元，Kimi K3、GPT-5.6 Sol 與 Claude Opus 5 則分別為 15、20 與 25 美元。但最低價格僅限離峰時段，實際工作負載也難以完美重複利用快取。總成本還取決於輸出長度、推理 token、重試與任務成功率等因素。
V4.1-Flash 採用因果編碼器-解碼器（CED）架構。每個 token 在讀取輸入的預填階段啟用 80 億參數，生成輸出時則啟用 160 億參數。DeepSeek 表示，搭配壓縮稀疏注意力 2（CSA2）與 FP4 KV 快取等技術，全域 KV 快取降至每 token 890 位元組，約為 V4-Flash 的四分之一。
但模型整體規模反而變大。《VentureBeat》提及，前一代 V4-Flash 主幹為 2,840 億參數、活躍參數 130 億。V4.1-Flash 主幹擴大至 5,520 億，另有 1,960 億參數的 Engram 條件記憶模組。換句話說，V4.1-Flash 的效率提升在於讀入 token 時耗用更少運算，並大幅減少保留長上下文所需的記憶體。對使用 API 的開發者來說，這代表推理成本可能更低；但如果企業打算自行部署這款採 MIT 授權的模型，模型規模大幅增加後，所需的硬體資源也會高出許多。
DeepSeek 也明確表示，新架構存在尚未完全釐清的穩健性邊界。在超長上下文的稀疏檢索、快取恢復交界處等未經測試的邊緣案例中，模型可能出現能力退化。不過，DeepSeek 自家測試並未觀察到系統性退化。
V4.1-Flash 提高推理強度評測：成績提升、輸出 token 增至約 2.5 倍
根據 DeepSeek 自行執行的評測，V4.1-Flash 在 DeepSWE v1.1 拿下 74.2 分，略高於 Claude Opus 5 的 74.0 分與 GPT-5.6 Sol 的 73.0 分。但在 Terminal-Bench 3.0 與 4.0，V4.1-Flash 分別以 30.0 比 43.3、31.2 比 51.8 落後 Opus 5。GPQA Diamond 與 SEC-Bench Pro 則由 GPT-5.6 Sol 領先。
《VentureBeat》提及，這些成績都是以最高推理強度 100 測得。DeepSeek 測試顯示，推理強度從 25 提高到 100，DeepSWE v1.1 成績從 66.0% 升至 74.2%，但輸出 token 消耗量約為原本的 2.5 倍。推理強度介於 60 至 80 時，只需不到一半的 token 預算，就能取得最高強度下大部分的準確度。
此外，DeepSeek 已停用 V4-Flash 與 V4-Flash-Vision-Exp，並暫時將既有識別碼導向 V4.1-Flash。自 9 月 14 日起，deepseek-v4-pro 的請求也將轉由 V4.1-Flash 處理，直到 V4.1-Pro 推出為止。《VentureBeat》補充，對開發者而言，關鍵在於兩點。一是工作負載是否輸入量大、重複性高且足以善用快取。二是省下的成本能否抵銷模型規模近乎翻倍、解碼階段啟用參數增至 160 億的代價。
科技的變化總是快得驚人，而我們每天的工作，就是從龐雜的趨勢中理出觀點、提煉出決策者真正需要的洞察。如果你也對 AI 發展充滿熱情，《TechOrange 科技報橘》正在徵內容編輯！
👉了解職缺內容
【推薦閱讀】
◆ AI 網攻自動化到哪一步？Anthropic 報告揭漏洞研究、偵察與資料竊取如何 Agent 化
＊本文開放合作夥伴轉載，資料來源：《VentureBeat》、DeepSeek，圖片來源：Unsplash。
