DeepSeek 发布 V4.1-Flash 模型
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载KV cache 压缩到何种程度
V4.1-Flash 的核心改动落在 KV cache 上。这块缓存保存模型已经处理过的上下文片段，使模型在后续每一步不必从头重算；对需要多轮调用工具、反复读取新输入的 agent 来说，它会迅速膨胀，进而占用 GPU 显存、SSD 与数据传输带宽，推高部署开销。按技术报告给出的口径，放在高速 GPU 显存里的这部分缓存，占用空间约为上一代 V4-Flash 的四分之一；长期卸载到 SSD 或主机内存的那部分，则压缩到大约八分之一。若与 V1 相比，每个 token 对应的全局 KV cache 体积缩小了 437 倍。模型本体为 5520 亿参数，可处理最长 100 万 token 的上下文，多模态输入涵盖文本与图像，输出为文本。
读写两段算力不对称
实现上述压缩，靠的是多项技术配合，其中一项是把模型拆成两半：前半段负责处理进入的数据，后半段直接沿用前半段的结果，而不是把全部内容重新计算一遍。读取输入时，每个 token 只激活 80 亿参数；真正生成文本时，激活量升到 160 亿。DeepSeek 称，这让处理输入所需的算力接近减半。这一设计与 agent 的工作方式直接相关——它们通过频繁的工具调用不断送入新输入，输入侧的开销因此被放大。另一项改动是把主要 KV cache 以 FP4 而非 FP8 存储，据报告所述，这使该部分的内存占用接近减半。Baseten 将这种结构称为 Causal Encoder-Decoder，并强调其 prefill 与 decode 算力不对称的特点。
与自家前代的横向对照
在编码与 agent 类基准上，V4.1-Flash 的成绩超过 V4-Pro，而总参数量大约只有后者的三分之一。提升最明显的是长程 agent 任务，达到两位数增幅；单次命令行任务的变化则相对温和。多模态方面，它是 DeepSeek 首个带原生图像输入的非实验性模型，此前的图像能力仅限于 V4-Flash-Vision-Exp。这一代在图表解读和基于图像的逻辑推理上有进步，适合处理截图、仪表盘或 UI 草图。不过 Baseten 提醒，Automation-Bench 上 54.8 的分数意味着约一半的复杂工作流仍会失败，图像推理的 ZeroBench 得分也未到 50，因此关键环节仍需人工复核。
开放权重与获取方式
V4.1-Flash 的开放权重已发布在 HuggingFace 上，同时可通过 Baseten Model API 调用，Loops 支持尚未上线。Baseten 提到，DeepSeek 已在自家平台下线 V4-Flash 系列，并把相关流量转向 V4.1-Flash。对使用方而言，这意味着同一套 agent 流程在长上下文场景下的显存与带宽压力会明显下降，输入侧算力需求也随之减少；但模型在复杂科学任务与图像分析上仍有短板，涉及高风险的自动化流程时，保留人工介入是更稳妥的做法。
为什么值得看
大幅降低长上下文推理的内存与计算成本，利好 AI Agent 部署。
信源2 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。