DeepSeek发布V4.1-Flash，763B参数、100万token上下文
发布日期：2026-09-15
事件概述
DeepSeek 正式发布 V4.1-Flash，一个 7630 亿参数的开源权重 MoE 模型，采用新的因果编码器-解码器架构，具备原生多模态视觉与 100 万 token 上下文窗口，生成速度超过 400 tokens/s。尽管参数规模是上一代的 2.5 倍，架构改动把 KV-cache 占用压到前代的 13%-25%。
核心要点
- 架构：763B 参数 MoE + 因果编码器-解码器 + 原生视觉，100 万 token 上下文
- 效率：KV-cache 降至前代 13%-25%；官方口径下 HBM 与 SSD 需求分别降至 1/4 与 1/8（较初代 KV Cache 累计缩小 437 倍）
- 定价：错峰价输入 0.15 美元/百万 tokens、输出 0.60 美元/百万 tokens
- 节奏：V4 Pro 于 9 月 14 日退役，官方同步推进新模型路由过渡
行业意义
在数据增量枯竭、推理成本高企的双重约束下，这一版的看点不是参数量，而是“用架构换显存”——把长上下文与多模态的真实代价压下来。这与本站在《AI进入推理时代，内存（HBM）和闪存（NAND）将会如何演进》中的判断一致：推理时代的竞争，落在带宽、容量与成本的分层效率上。