DeepSeek V4.1-Flash：新 CED/CSA2 架构、1M 上下文、开放权重

DeepSeek 发布 V4.1-Flash——新架构家族中最小的模型，原生多模态视觉：552B backbone（safetensors 总参数 763B，含 196B 的 Engram 条件记忆模块），每 token 激活 prefill 8B、decode 16B，1 共享 + 384 路由专家、激活 6 个。CED 设计把 40 层组织为 20 层因果 encoder + 20 层 decoder，decoder 的 KV cache 由 encoder 最终隐状态投影而来；CSA2 提供三种静态注意力模式（Full/Reindex/Reuse）与层级稀疏索引器，主 KV 采用 FP4（E2M1）缓存、每 token 890 字节（约为 V4-Flash 的 1/4；SWA bounded replay 把常驻 KV 再压到约 1/8），另有 Single-Pass mHC kernel 与 DSpark 推测解码。预训练 45T 多模态 token；上下文扩展至 1M。基准（reasoning_effort=100）：Terminal-Bench 2.1 90.6、TB 3.0 30.0、TB 4.0 31.2、DeepSWE v1.1 74.2（V4-Flash 为 54.4）、GPQA Diamond 90.9、Codeforces 3471、HLE-with-tools 63.9、CyberGym 88.1、ExploitGym 15.3。MIT 许可、无门禁，day-0 支持 vLLM/SGLang/Docker Model Runner/Transformers（deepseek-recipe 库；无 Jinja chat template）。API：模型名改为 deepseek-flash（输入 $0.30 高峰 / $0.15 非高峰、输出 $1.20/$0.60 每百万 token；缓存命中 $0.006 高峰）；V4-Flash 与 V4-Flash-Vision-Exp 从 API 退役，旧名暂路由至 V4.1-Flash；V4 Pro 在 2026-09-14 之后继续服务、计费不变；reasoning effort 为 1-100 的整数可控。约 1 天 75,774 下载 + 1,741 likes；采样时居 HF trending 第 1。

这是 DeepSeek 对 GLM-5.3-Flash 一代的同档回应，且以 Terminal-Bench 2.1（90.6 vs GLM-5.3 的 88.2）拿下开源权重 agentic coding 的最高分。架构与分数同样重要：encoder-decoder KV 投影 + FP4 KV + 条件记忆，从 serving 成本侧切入（混合线性注意力从另一侧切入），$0.30/$1.20 的 API 价格重画了廉价档。要盯 serving 摩擦：deepseek-recipe 运行时依赖对现有技术栈是新增的集成成本。