随着AI智能体（Agent）的普及，大模型的工作模式正在发生改变。大量长周期任务带来海量输入，反复预填充、百万级上下文会持续占用KV缓存，对HBM显存、SSD存储以及带宽都带来巨大压力。
深度求索（DeepSeek AI）正式发布了 DeepSeek-V4.1-Flash，这是一款专为解决长周期智能体（Agent）输入密集型瓶颈而设计的多模态混合专家（MoE）模型。
- Hugging Face：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
- 魔搭：https://modelscope.cn/models/deepseek-ai/DeepSeek-V4.1-Flash
这款模型支持最高100万token上下文窗口，通过FP4 KV缓存、跨层注意力复用、因果编码器-解码器架构等一系列创新，大幅降低长上下文场景下的缓存开销，非常适合长时间连续执行任务的AI代理。
模型基础规格
DeepSeek-V4.1-Flash 属于多模态MoE模型，主干网络参数量552B，额外搭载196B Engram条件记忆参数。模型原生支持图文多模态输入，以自回归形式输出文本。
在推理阶段，它的参数激活控制十分高效：预填充阶段每token仅激活8B参数，解码阶段激活16B参数。
最亮眼的指标：全局KV缓存占用仅每token 890字节，大约是DeepSeek-V4-Flash的1/4，对比初代DeepSeek-V1更是缩小约437倍。
核心架构创新
因果编码器-解码器（CED）架构：预填充算力直接减半
整个模型主干一共40层，拆分为20层因果编码器 + 20层解码器。
传统解码器架构每一层都要单独计算KV缓存，而CED做了颠覆性改动：解码器的全局KV缓存，不再由解码器各层单独生成，而是从编码器最终的隐藏状态投影得到。提示词只需要送入编码器处理，直接减半预填充阶段的计算量。
模型保留128token窗口的滑动窗口注意力SWA，并且采用SWA有界重放机制。不需要把SWA KV缓存持久存入SSD，缓存丢失时，只需要重放最近128个token恢复状态，把持久化KV缓存占用压缩到V4-Flash的1/8。
CSA2 压缩稀疏注意力2：跨层共享KV，减少重复计算
V4.1-Flash 全面升级为纯CSA2压缩稀疏注意力机制，对每一个注意力层静态分配三种工作模式：
- Full模式：独立计算主KV，生成索引器K，筛选Top-512候选位置
- Reindex模式：复用上一个Full层的主KV与索引K，仅用自身的查询Q重新打分
- Reuse模式：直接复用主KV和Top-K索引，跳过索引计算，开销最低
编码器与解码器分层分组排布这套模式。解码器还搭配分层稀疏索引器：由Full层预先构建最多16384个位置的候选池，后续所有Reindex层只在候选池内检索。这意味着深层注意力的计算开销，不再随上下文长度增长而膨胀。
FP4 KV缓存与其他配套技术
模型主KV缓存采用E2M1格式的FP4量化，每16个通道共享一组E4M3缩放因子，基于NVFP4规范优化（去除全局缩放），在不明显损失效果的前提下，相比V4版本的FP8缓存几乎再减半存储。
配套技术还有：
- Single-Pass mHC：优化残差流混合，借助Mega-mHC融合内核，减少激活值内存流量；
- Engram条件记忆：196B参数记忆模块，放置在第1层、第14层，基于token查找实现稀疏访问；
- DSpark推测解码：半自回归草稿生成，搭配置信度调度验证，加速解码；
- MoE层配置：每层包含1个共享专家+384个路由专家，每一次token推理激活6个路由专家。
视觉侧采用从零训练的DeepSeek-ViT视觉编码器，搭配2D-RoPE以及3×3像素抗混叠下采样，配合两层MLP投影器，把图像转为视觉嵌入。视觉部分从预训练早期就和文本嵌入联合训练，保证多模态理解能力。
训练与后训练方案
预训练阶段，DeepSeek-V4.1-Flash 使用总量45万亿token的多模态数据集，文本和多模态数据比例7:1。
模型先在64K序列长度下完成稀疏注意力训练，在累计训练到34万亿token时，把上下文能力拓展至100万token。
后训练没有改动基础算法框架，沿用SFT→RL→在线蒸馏OPD的经典流程。效果提升主要来自数据侧：大规模自动化合成智能体任务环境，持续迭代扩展任务轨迹数据集；同时接入Claude Code、Codex、OpenCode等40多个不同模型作为教师模型做同策略蒸馏。
模型还提供推理强度连续可调选项，取值范围1~100，使用者可以自由权衡推理成本和输出准确率。
基准评测表现
在面向智能体、自动化、代码操作的专项基准测试中，DeepSeek-V4.1-Flash展现出很强竞争力，多项指标超越DeepSeek-V4-Flash，部分项目超过Opus-5、GPT-5.6 Sol：
| 基准 | DS-V4.1-Flash | DS-V4-Flash | Opus-5 | GPT-5.6 Sol |
|---|---|---|---|---|
| Terminal-Bench 2.1 | 90.6 | 82.7 | 89.1 | 88.8 |
| DeepSWE v1.1 | 74.2 | 54.4 | 74.0 | 73.0 |
| Terminal-Bench 4.0 | 31.2 | 7.0 | 51.8 | 39.9 |
| Automation-Bench | 54.8 | 37.7 | 50.3 | 45.8 |
| GPQA Diamond | 90.9 | 89.9 | 93.4 | 94.1 |
| Codeforces（评分） | 3471 | 3289 | n/a | n/a |
在Terminal-Bench 2.1、DeepSWE v1.1这类偏向代码智能体、自动化操作的测试集上，开源权重版本的DeepSeek-V4.1-Flash实现反超。
部署方式
模型采用MIT开源许可证发布，权重开放。在Hugging Face平台提供模型权重，原生支持vLLM、SGLang、Transformers多种推理框架。同时官方上线公共API，提供低、高、最高三档不同推理强度可选，方便开发者直接调用。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
