搜索
DeepSeek V4.1 Flash技术报告揭秘其通过CED架构对半削减prefill计算、CSA2同时吃满条目/序列/层三个压缩维度、FP4量化main KV缓存及SWA Bounded Replay部署优化等手段，将全局KV缓存压至V4-Flash的1/4、持久化KV压至约1/8，以552B参数实现超越1.6T参数V4 Pro的性能。
刚刚，DeepSeek 开源了 V4.1 Flash，原生支持视觉理解，也是全新架构系列中最小的一款模型，550B 总参数，输入时激活 8B，输出时激活 16B（你没看错，输入输出激活不同）
DeepSeek V4.1 Flash 正式在网页、App 和 API 端全面上线，采用 552B 参数的 MoE 架构与 Causal-Encoder-Decoder 设计，性能全面超越 V4 Pro 并原生支持多模态，DeepSeek Harness v0.1.5 也同步适配。
家人们，DeepSeek V4.1 Flash 开启内测了。
DeepSeek Flash系列自明日中午起降价，闲时缓存、输入和输出价格分别降至每百万Token 0.02元、1元和4元，新模型DeepSeek v4.1 Flash也已上线。
DeepSeek 突然上线限时内测模型 DeepSeek V4.1 Flash，采用新模型结构并原生支持多模态，在生成速度、使用成本和中文长文写作等实测中表现优于以往版本，DeepSeek 期望其在保持 Flash 速度与价格优势的同时，能力向 V4 Pro 靠拢。
图片不只被编码，还直接参与 Attention、MoE 与 Agent 推理。
随着开源模型能力不断提升，它们已经能够以极低的成本生成多个高质量候选方案，并进一步利用模型自身对这些结果进行验证、打分和筛选。斯坦福团队最新实验发现，使用 DeepSeek V4 Flash + LLM-as-a-Verifier 进行「自验证」，可以在 Terminal-Bench 2.1 上超越 Claude Fable 5，同时整体成本低约 11 倍。
同样的模型，同样的任务，让它执行五遍，再让他自己挑一遍最稳的，效果能有多大提升？斯坦福把这套玩法用在了AI身上，DeepSeek V4 Flash在Terminal-Bench 2.1的成绩从79%一路涨到88%，反超了尖子生Fable 5。而且连做五遍加挑选这一通折腾，价格依然比Fable 5便宜了4-11倍。
本周五，AI 社区热烈讨论的是一个端侧大模型部署技术，它能让笔记本 RTX 4060 跑 Qwen 3.6-35B，桌面 RTX 5090 跑得起 DeepSeek-V4-Flash 284B。而且都是单卡，模型都是满血的。Codex 生产 trace 的中位 decode 速度是 33 token/s