DeepSeek V4.1 Flash：CED 架构压低 KV 缓存，智能体反超 V4 Pro

据腾讯和工业巨头宁德时代支持的一轮融资，DeepSeek 正接近完成至少 800 亿元人民币 —— 约 120 亿美元 —— 的融资，路透和彭博报道，这家中国 AI 实验室正在为计划于 2027 年初的科创板上市做准备。这一轮可能把 DeepSeek 的估值推到约 5000 亿元人民币（740 亿美元）。它恰逢一次 9 月的技术发布，而那或许解释了投资人为什么愿出这个价：DeepSeek V4.1 Flash，一个围绕一种根本不同的 transformer 内存管理思路构建的模型，按公司自己的基准，在智能体任务上超过了 DeepSeek 此前的旗舰 Pro 模型。

一种缩减内存账单的分体架构

于 9 月 10 日在 Hugging Face 以开放权重发布、采用 MIT 许可的 V4.1 Flash，引入了 DeepSeek 所称的因果编码器-解码器（CED）架构。不同于 GPT、LLaMA 和此前 DeepSeek 模型采用的纯解码器设计，CED 把 40 层分成两段：20 层因果编码器（80 亿激活参数）和 20 层解码器（160 亿激活参数）。解码器用由编码器最终隐藏状态导出的一个全局键值缓存来生成输出 token，而不是在所有输入位置上维护完整的逐层 KV 条目。模型支持最多 100 万 token 的上下文窗口。

结果：DeepSeek 报告每 token 890 字节的 KV 存储—— 约为 V4 Flash 的四分之一，约为 2023 年最初的 V1 模型的 437 分之一。三项技术合力达到这个数字：压缩稀疏注意力 2（CSA2），它以三种可配置模式（Full、Reindex、Reuse）跨层共享键值和索引器状态，在架构上不同于只减少头数、不减少跨层 KV 状态的分组查询注意力方法；滑动窗口注意力有界重放，它丢弃滑动窗口之外 token 的 KV 条目；以及应用于 KV 存储的 FP4 E2M1 量化。

在 128000 token 的上下文下，每 token 890 字节意味着约 114 MB 的 KV 内存，而 V4 Flash 约为 456 MB。对于同时运行大量并发长上下文请求的推理服务商，这个差距直接影响硬件利用率和每次请求的成本。

尽管挂着「Flash」的标签，该模型的参数量很大：5520 亿 MoE 主干参数外加 1960 亿 Engram 条件记忆参数，385 个专家（1 个共享、384 个路由）中每个 token 激活 6 个 —— 每次前向 240 亿激活参数。Engram 系统是一种通过基于 token 的查找访问的稀疏记忆，在架构上独立于注意力栈，旨在支持需要在上下文窗口之外持久检索信息的长程智能体任务。

当 Flash 模型得分超过旗舰

DeepSeek 的 9 月更新日志报告，V4.1 Flash 在以最大推理强度运行的四项智能体基准上击败了 V4 Pro —— 后者仍以原价在 API 上提供：Terminal-Bench 2.1（90.6）、DeepSWE v1.1（74.2）、CyberGym（88.1）和 AutomationBench（54.8）。这四项分别评估自主命令行执行、软件工程任务完成、网络安全智能体任务和通用多步工作流自动化。

四个分数都是公司自报的，而且 DeepSeek 的更新日志没有在这些基准上与 OpenAI、Anthropic 或 Google 的模型做直接比较 —— 只和自家上一代比。截至 2026 年 10 月 12 日，尚无在同等条件下的独立复现发表。「最大推理强度」这个限定词也很要紧：延长的推理时算力能大幅抬高基准分数，可能不反映标准推理下的表现。AutomationBench 的 54.8 虽然号称胜过 V4 Pro，仍表明在复杂工作流上有相当的失败率。

更重要的模式是结构性的：一个为内存效率优化的架构，在需要跨多步保持持久状态的任务上，也胜过了更重的通用模型。CED 设计 —— 编码器把上下文压缩成一个紧凑的全局 KV 缓存，Engram 提供长程检索 —— 看起来与智能体基准所考验的信息访问模式很匹配。V4 Pro 常规的深层解码器并不是围绕这些约束设计的。

开放权重、旧 API 路由，以及华为

对现有 API 用户，V4.1 Flash 来得悄无声息：旧标识符deepseek-v4-flash和deepseek-v4-flash-vision-exp 现在路由到 V4.1 Flash，deepseek-flash成为新的规范 API ID。原本独立的 V4-Flash-Vision-Exp 多模态端点现在路由到 V4.1 Flash；V4.1 Flash 通过内置的 DeepSeek-ViT 编码器集成了原生视觉能力。

MIT 开放权重的发布让无需 API 访问的自托管成为可能，为在严格的跨境数据限制下运营的组织消除了数据驻留的顾虑。DeepSeek 同时在与华为合作，为华为昇腾芯片栈共同优化 V4.1 Flash —— 在美国出口管制持续限制中国获取英伟达最高档加速器的背景下，这个无 CUDA 的推理平台的战略重要性进一步上升。

延伸阅读：DeepSeek 开源六个昇腾内核库，去 CUDA 栈成形

空白与尚未验证之处

现有文档里缺了几项重要规格。Engram 记忆访问在生产条件下的延迟轮廓没有公开刻画。DSpark —— DeepSeek 用于提升吞吐的推测解码方法 —— 在公开发布中有提及但没有细节。

没有发表过针对 V4.1 Flash 的独立安全评估，对于一个为涉及代码执行和多步系统访问的自主智能体用途而设计的模型，这是一个显眼的缺席。标准的学术推理基准（MATH、GPQA、MMLU）没有包含在 9 月 10 日的发布文档里。

V4.1 Pro、IPO 与更大的赌注

DeepSeek 的更新日志写明，V4.1 Flash「推荐使用至 V4.1-Pro 发布为止」，确认了下一代旗舰的存在，但没说何时发布、规模多大。如果让一个 Flash 档模型在智能体任务上胜过 V4 Pro 的 CED 架构和 Engram 记忆系统能扩展到 V4.1 Pro 的规模，由此产生的模型将再次重置前沿长上下文推理的性价比预期。

这笔 120 亿美元的融资若如报道那样完成、并由中信证券负责 IPO 筹备，就为这条轨迹提供了资本：华为芯片协同优化、科创板的监管准备，以及在没有美国交易所上市的地缘政治暴露下继续推进架构开发。DeepSeek 在扩展到 Pro 档时能否保持让 V4.1 Flash 与众不同的内存效率，是悬而未决的技术问题 —— 也是最直接决定 V4.1 家族能否兑现其架构前提的那个问题：紧凑的专才可以在最要紧的负载上胜过昂贵的通才。