DeepSeek V4.1 Flash 開源：552B 參數每次只動 8B，對話記憶只佔上一代的 1/4

一句話看懂：DeepSeek 開源 V4.1 Flash，總參數 552B 但每次只動用一小部分，對話記憶縮到上一代的 1/4，官方說它已經比自家旗艦 V4 Pro 更強。

先用白話講：「552B 參數只動 8B」是什麼意思？

想像一間有好幾百位專家的大型顧問公司。每來一個問題，櫃台只會叫最相關的幾位出來回答，其他人繼續休息。公司的「總人數」很多，所以懂得廣；但每次真正上工的人很少，所以付的鐘點費不高。

這就是 MoE（混合專家） 模型的做法。DeepSeek V4.1 Flash 的總參數是 552B（5520 億），但讀你的輸入時只動用 8B，寫回答時動用 16B。

另一個重點是 KV 快取：模型讀過的內容要先記在一份「筆記」裡，後面才能接著回答。AI 代理動不動就讀進整個專案的程式碼，這份筆記越大，佔的 GPU 記憶體越多、成本越高。V4.1 Flash 把這份筆記大幅縮小了。

發生什麼事

DeepSeek 在 2026 年 9 月 10 日發布並開源 V4.1 Flash：

• 授權：模型權重與程式碼採 MIT 授權
• 架構：新的「因果編碼器－解碼器」設計，讀輸入只動 8B 參數、產生輸出動 16B
• 記憶更省：跟上一代相比，KV 快取在 GPU 記憶體（HBM）上只要 1/4、存到 SSD 的部分只要 1/8；模型卡寫明每個 token 約 890 bytes
• 能力：原生支援圖片輸入，上下文最長 100 萬 token，預訓練資料 45T token
• API：同日上線，模型名稱設 deepseek-flash；新價格自 9 月 10 日 UTC 04:00 生效，離峰時段價格是尖峰的 50%

為什麼說它「超車自家旗艦」？

官方公告說，多方測試都顯示 V4.1 Flash 在效能、成本、速度上贏過 V4 Pro，因此要讓 V4 Pro 退場：

分數取自官方模型卡，為 DeepSeek 自家測試、最高推理強度的結果。

在模型卡的同一張表裡，比較難的 Terminal-Bench 3.0、4.0，V4.1 Flash 仍明顯落後表中的 Opus 5.0 與 GPT-5.6 Sol，不是全面領先。

給開發者的技術細節

• 舊模型名稱：deepseek-v4-flash 與 deepseek-v4-flash-vision-exp 暫時會導向 V4.1 Flash
• V4 Pro 自動切換：2026-09-14 UTC 04:00 起，deepseek-v4-pro 的請求改由 V4.1 Flash 處理、以 Flash 價格計費，直到 V4.1 Pro 推出
• 推理強度可調：支援 1～100 的連續推理強度設定，用成本換準確度
• 沒有附 Jinja 對話範本：官方改提供 Python 參考實作與 Rust 工具庫 deepseek-recipe 來組提示格式，自己架推論服務的人要留意

我的看法

對用 API 的小團隊來說，這是很直接的好消息：同樣的錢能做更多事，原本用 V4 Pro 的人甚至不用改程式就會被換到更便宜的模型。不過「自動換模型」也代表回答風格可能改變，有在用它跑正式流程的，最好先拿自己的測試案例跑一輪再放心。

至於自架派，552B 的規模還是資料中心等級，家用 NAS 或一張顯示卡沒有機會。但 KV 快取縮小這類技術，通常會慢慢影響之後的小模型設計，值得持續關注。

名詞小辭典

• MoE（混合專家）：模型裡有很多組「專家」，每次只叫出最相關的幾組來運算，省下大量計算。
• KV 快取：模型記住前面讀過內容的暫存資料，內容越長佔用越多記憶體。
• 上下文（Context）：模型一次能讀進並記住的內容長度，以 token 計算。
• MIT 授權：很寬鬆的開源授權，可以商用、修改，保留授權聲明即可。

資料來源

• DeepSeek API News：DeepSeek-V4.1-Flash 發布（2026-09-10）
• Hugging Face：deepseek-ai/DeepSeek-V4.1-Flash 模型卡