新闻 / 模型追踪 · DeepSeek 发布
DeepSeek-V4.1-Flash 正式上线：deepseek-flash API 每 1M $0.15/$0.60 起，1M 上下文，MIT 开源权重
2026年9月10日，DeepSeek 正式发布 DeepSeek-V4.1-Flash——这是其新架构家族中尺寸最小的模型，具备原生多模态视觉能力、1M token 上下文窗口以及 MIT 协议开源权重。在 API 上，它使用新名称 deepseek-flash 提供服务，并执行降价后的价格表：闲时每 1M tokens 输入（缓存未命中）$0.15 / 输出 $0.60。前代 V4 Flash 已停用，旧模型名称暂时作为别名路由至新模型；而在该路由调整计划被撤回后，deepseek-v4-pro（DeepSeek 原先表示将从 9月14日起路由至 V4.1 Flash）继续作为独立提供服务且独立定价的模型保留（详见下方 9月16日更新）。
更新（2026年9月16日）：DeepSeek 已撤回 V4 Pro 路由计划——下文所述的 9月14日切换并未生效。官方更新日志和定价页面目前明确表示，应广大用户需求，deepseek-v4-pro 在 2026年9月14日后继续提供服务，计费方式保持不变（闲时每 1M 输入 $0.66 / 输出 $1.98；忙时 = 2×；并发限制 500）。后续关注点详见“撤回 V4 Pro 悬崖式调整”要点。
DeepSeek-V4.1-Flash 已正式上线（2026年9月10日），调用名称为 deepseek-flash——552B 主干 MoE，每个 token 激活 8B/16B 参数，原生图像+文本输入，1M 上下文，最大输出 384K，Hugging Face 提供 MIT 权重。
价格（已核实官方定价表）：闲时每 1M tokens 输入 $0.15（缓存未命中）/ 缓存命中 $0.003 / 输出 $0.60；忙时（周一至周五 01:00–04:00 及 06:00–10:00 UTC）价格翻倍。在同一定价表下，这不到 V4 Pro 输入价格的 1/4，不到输出价格的 1/3。
路由变更：deepseek-v4-flash / deepseek-v4-flash-vision-exp 现作为别名路由至 V4.1 Flash（旧模型已停用）。deepseek-v4-pro 不发生路由——根据截至 9月16日的更新日志和定价页面，原定的 9月14日切换计划撤回后，V4 Pro 继续作为独立、单独计费的模型提供服务。并发上限：2,500。
关于前代短期实验模型的背景，请参阅 V4-Flash-Vision-Exp（8月21日）。
已确认事实（双源核对，9月10日 UTC+8）
- 正式发布：DeepSeek 于 2026-09-10 的更新日志中宣布正式发布。V4.1-Flash 是“我们新架构家族中尺寸最小的模型，具备原生多模态视觉理解能力”；该架构旨在实现更高的能力上限、更快的推理速度、更高的吞吐量，并能扩展至更大规模的模型。
- 模型卡片：Hugging Face README（题为《Pushing the Limits of KV Cache Compression》）详细列出了 552B 主干多模态 MoE 规格——1 个共享专家 + 384 个路由专家，每个 token 激活 6 个——Prefill 阶段每个 token 激活 8B 参数，Decode 阶段激活 16B，基于 45T tokens 训练且支持 1M-token 上下文（在 34T 时由 64K 稀疏注意力扩展至 1M）。
- 架构亮点：因果编解码器（CED，20 层因果编码器 + 20 层解码器）从编码器最终状态投影解码器的全局 KV 缓存；FP4 主 KV 缓存将全局缓存降至 ~890 字节/token，约为 DeepSeek-V4-Flash 的 1/4（较 V1 减少约 437 倍），而 SWA Bounded Replay 将持久缓存缩减至约 1/8。
- 核心基准测试（官方数据，最高推理强度）：GPQA Diamond 90.9、Codeforces rating 3471、Terminal-Bench 2.1 90.6、DeepSWE v1.1 74.2、HLE（配合工具）63.9、Agents' Last Exam 31.8。推理强度（Reasoning effort）支持 1–100 连续可控。此为官方自测数据，在第三方复现结果公布前仅供参考。
- API 名称与别名：新发起的请求应使用
deepseek-flash。deepseek-v4-flash和deepseek-v4-flash-vision-exp“仍可继续调用”，但已临时路由至 V4.1 Flash——其原本代表的 V4 代模型均已下线。 - V4 Pro：曾宣布 9月14日路由，随后撤回并予以保留。9月10日的最初公告称：“自 2026年9月14日 04:00 UTC 起，所有 deepseek-v4-pro 请求将按 V4.1-Flash 定价路由至 V4.1-Flash，直至 V4.1-Pro 上线。”该调整已撤回：根据截至 9月16日的更新日志与定价页面，“应广大用户需求，我们决定在 2026年9月14日之后继续提供 DeepSeek V4 Pro 的 API 服务，计费方式保持不变。”V4 Pro 仍保留独立价格表——闲时每 1M 缓存命中 $0.022 / 缓存未命中输入 $0.66 / 输出 $1.98，忙时翻倍（2×），并发限制 500。官方新闻页仍保留了旧版路由说明；实际执行请以更新日志与定价页面为准。
- 降价已正式生效：“伴随 DeepSeek-V4.1-Flash 的发布，API 价格已同步下调。”经核实的价格表：闲时每 1M tokens 输入（缓存未命中）/ 输出为 $0.15/$0.60，缓存命中输入为 $0.003；周一至周五 01:00–04:00 及 06:00–10:00 UTC（北京时间 09:00–12:00 及 14:00–18:00）的忙时价格翻倍（2×）。并发限制为 2,500，相比之下 V4 Pro 为 500。熟悉闲时优惠的开发者早已从周末闲时定价调整中了解这一规律——这使闲时再次成为默认首选。
- 开源权重，MIT 协议：Hugging Face 仓库以 MIT 协议分发权重、技术报告 PDF、自包含的提示词编码参考（无需 Jinja chat template）以及本地推理指南——延续了 Vision-Exp 无门槛 MIT 开源的姿态，如今已应用在主线多模态模型上。
暂未发布的内容与后续关注点
- V4.1 Pro 尚未发布。截至 9月10日（UTC+8），更新日志仅在界定 V4 Pro 路由切换周期时提及了未来的 V4.1 Pro。暂无具体日期和基准测试结果。预计后续会有专门的发布节点——新家族在设计上原本就面向“扩展至更大规模模型”。
- 别名调用仅为临时过渡。若你仍在调用
deepseek-v4-flash或deepseek-v4-flash-vision-exp，实际已在享受 V4.1 Flash 及其 Flash 档位价格——但文档已注明该路由为临时设置。建议尽早迁移至deepseek-flash，以免后续接口变更导致调用中断。 - 9月14日 V4 Pro 悬崖式调整已撤回。deepseek-v4-pro 继续作为 V4 Pro 提供服务并计费——不会发生强制的行为变更；官方新闻页上仍可见的路由说明已失效。建议关注 V4.1 Pro 的后续发布，以及 DeepSeek 承诺如有变动将另行通知的最新进展。
- 第三方评测尚在等待中。按照本站的发布收录规范，针对发布事实仅引用官方第一手信源；独立的基准测试复现以及海外/X平台分析通常在 DeepSeek 发布后 24–48 小时出炉，目前暂未收录于本文中。
为什么 KV 缓存指标对开发者至关重要
- 长上下文 Agent 在最耗成本的环节迎来降本：输入端。全局 KV 仅需 890 字节/token（相比之下 V4-Flash 约 3.5KB），意味着百万 token 上下文不再是显存爆炸的负担。配合 Prefill 阶段 8B 激活参数，输入密集型工作负载——代码仓级 RAG、长轨迹 Agent 执行流程、大型文档处理链路——正是该模型深度优化的核心场景。
- 价格结构深度激励缓存规范化设计。闲时缓存命中输入仅为 $0.003，比缓存未命中便宜 50 倍。借助 DeepSeek API 的隐式缓存，复用稳定前缀（系统提示词、工具 schema、长文档）的成本几乎趋近于零。
- 并发上限 2,500。达到 V4 Pro 限制（500）的 4 倍——这表明了新架构在吞吐量空间上的显著提升。速率限制详情可查阅官方的 Rate Limit & Isolation 页面。
- 私有化部署对比 API：MIT 权重赋予了切实的对冲保障，但 552B 主干模型（即使激活参数仅 8B/16B）依然需要多节点 GPU 集群支撑。绝大多数开发者应直接调用 API，同时将开源权重保留为容灾备选——对开发者而言 DeepSeek-V4-Pro 的选型逻辑依然成立：在撤回 9月14日路由计划后，V4 Pro 仍保持独立提供服务与计费。
中国境外访问——以及常规免责声明
官方端点（https://api.deepseek.com）兼容 OpenAI 格式和 Anthropic 格式基础调用，并在 deepseek-flash 上支持 Responses API、工具调用（tool calls）、JSON 输出与视觉能力。海外开发者应独立核实支付渠道与账单流程——部分支付方式的官方充值渠道仍以中国境内为主。
独立声明：ChinaModelAPI 为独立资讯网站，与 DeepSeek 无任何隶属关系。本文中所有事实与价格均于 2026年9月10日（UTC+8）转录自 DeepSeek 官方更新日志与 Hugging Face 官方模型卡片；本文不构成任何采购建议。在实际开发前，请务必核对官方价格表。
一手信源
常见问题解答 (2026)
什么是 DeepSeek-V4.1-Flash？
DeepSeek 新架构家族中尺寸最小的模型，于 2026年9月10日正式发布：552B 主干多模态 MoE（每个 token 激活 8B/16B 参数），原生图像+文本输入，1M 上下文，MIT 开源权重。
API 模型名称是什么？
deepseek-flash。旧版 deepseek-v4-flash 与 deepseek-v4-flash-vision-exp 仍可调用，但已临时作为别名路由至 V4.1 Flash——其原本代表的模型均已下线。
调用费用是多少？
闲时每 1M tokens 输入（缓存未命中）/ 输出为 $0.15/$0.60，缓存命中输入为 $0.003；忙时（周一至周五 01:00–04:00、06:00–10:00 UTC）价格为 2 倍。最大输出 384K，并发限制 2,500。
deepseek-v4-pro 的情况如何？
它继续作为独立模型运行。原先公布的 9月14日路由至 V4.1 Flash 的计划已被撤回；根据截至 9月16日的更新日志和定价页面，V4 Pro 继续提供服务且计费方式不变（闲时每 1M 输入 $0.66 / 输出 $1.98，忙时 2 倍，并发限制 500）。
模型权重是否开源？
是的——已在 Hugging Face 上以 MIT 协议开源，并提供技术报告与推理指南。552B 主干模型需要多节点集群部署；绝大多数开发者将直接使用 API，并把开源权重作为兜底对冲。
为什么需要关注 KV 缓存压缩？
通过 FP4 KV + CSA2 + CED 架构，全局 KV 压缩至 ~890 字节/token（约为 V4-Flash 的 1/4）——长上下文、输入密集型的 Agent 工作负载变得更便宜、更快速，同时具备高达 2,500 次请求的并发上限。