DeepSeek V4.1 Flash把旗舰替了，降价背后是一场架构革命

9月8日内测，9月10日正式发布。9月14日起，所有deepseek-v4-pro请求自动路由到V4.1 Flash，按Flash价格计费。

不是并行，是替换。

入门款把旗舰替了，这种操作在大模型行业很少见。

真正狠的不是降价，是架构

V4.1 Flash用了因果编码器与解码器非对称架构。总参数552B的MoE，输入阶段只激活8B，输出阶段激活16B。

说人话就是：读东西时省力气，写东西时用力。

传统Decoder-only架构从头到尾一个算力档位。读一千页书和写一句话，用的是同一套参数、同一条流水线，不划算。

DeepSeek把读和写拆开。读的时候轻量编码，写的时候重型解码。成本自然下来。

这不是微调，不是蒸馏，不是量化，是从根上改架构。

KV Cache压缩才是底牌

每token的KV Cache从3514字节压到890字节。HBM需求降到上一代四分之一，SSD需求降到八分之一。

大模型推理最贵的不是算力，是显存。长上下文场景，KV Cache比模型本身还吃显存。以前一兆上下文，光KV Cache就能吃掉几百G。

现在压到四分之一，一张卡能搞定以前几张卡的活。省下的硬件、电费、机房成本，才是降价底气。

缓存命中的输入价格从0.05元降到0.02元每百万token，闲时降幅60%。输出从4.5元降到4元。闲时是高峰价一半。

官方给的数据，Agent场景综合成本下降约75%。反复读长文档、频繁调用工具的场景，省得更明显。

抢的就是Agent

Flash第一次原生支持视觉理解，一兆上下文，最大输出384K。

重点是Agent。

DeepSWE v1.1拿了74.2分，超过Opus 5的74.0。Terminal Bench 2.1拿了90.6分，七个模型里排第一。

一个测写代码，一个测终端操作，都是Agent核心战场。

Agent的特点：读得多，写得少。一个Agent跑起来，90%的token是输入上下文，输出只占一小部分。非对称架构刚好踩中痛点。

腾讯的WorkBuddy、CodeBuddy、OpenCode已经全量接入。腾讯是DeepSeek最大外部投资方，首轮投了约一百亿。资本和产品联动很快。

降价背后的IPO逻辑

今年6月，DeepSeek完成超500亿融资，投前估值约5000亿。据传已委托中信证券筹备科创板IPO。

降价抢量，IPO做数据，这条逻辑不难看懂。

但别想简单了。不是为了上市才降价，而是大模型成本曲线下降太快，快到可以用价格战清场。

别人降价是割肉，它降价是正常出货，还能赚。这才是可怕的地方。

泼盆冷水

V4.1 Flash在GPQA Diamond这类硬核推理上，仍不如GPT-5.6 Sol和Claude Opus 5。

顶级推理能力，差距还在。Flash赢在性价比和Agent场景，不是绝对智商。

但市面上90%的应用，要的不是绝对智商，是够用还便宜。尤其Agent这种吃token量的场景，成本差几倍，商业模型就是成立和不成立的区别。

当入门款把旗舰按在地上摩擦，其他厂商接下来怎么出牌？

跟着降价，亏血本。硬扛不降，丢市场。

国内大模型格局会不会因为这次发布彻底洗牌？评论区聊聊。