deepseek-flash
一句话
四家里速度第二快（208.9 tok/s）、缓存最便宜（折扣 98%）、总 token 消耗最省；短板是高难推理（HLE 36.8）和长程任务稳定性，以及 552B 参数带来的自部署高门槛。
定位
DeepSeek 全新模型结构系列中最小尺寸的模型，原生多模态视觉理解。官方称在性能、费用、速度、总用时上全面超越 V4 Pro，因此 V4 Pro 已被有序下线——访问 deepseek-v4-pro 会路由到 V4.1 Flash 并按 Flash 单价计费。
规格
| 项目 | 值 |
|---|---|
| 发布时间 | 2026-09-10 |
| 开放权重 | 是（MIT），HuggingFace deepseek-ai/DeepSeek-V4.1-Flash |
| 总参数 | 552B MoE |
| 激活参数 | 输入 8B / 输出 16B（非对称） |
| 架构 | Causal-Encoder-Decoder（输入输出不对称）+ CSA2 + Engram |
| 上下文 | 1M |
| 最大输出 | 384K |
| 输入模态 | 文本、图像 |
| 思考控制 | 非思考 / 思考（默认），支持 FIM 仅非思考模式 |
| KV Cache | 约 890 字节/token，相比初代缩小 437 倍；HBM 需求降至 1/4、SSD 需求降至 1/8 |
| 并发限制 | 2500 |
模型名兼容
请使用
deepseek-flash。旧名deepseek-v4-flash、deepseek-v4-flash-vision-exp仍可调用，但对应模型已下线，请求由 V4.1 Flash 提供服务并按 Flash 价计费。
价格（元/百万 tokens）
| 项目 | 空闲时段 | 高峰时段 |
|---|---|---|
| 输入（缓存命中） | 0.02 | 0.04 |
| 输入（缓存未命中） | 1 | 2 |
| 输出 | 4 | 8 |
- 空闲价为高峰价的一半。 高峰时段 = 北京时间周一至周五 9:00–12:00、14:00–18:00（不含中国法定节假日）；其余时间含周末与法定节假日全天均为空闲价。
- 缓存命中价低到 0.02 元，配合 KV Cache 压缩，长会话 Agent 场景的缓存命中费用占比显著下降。
独立评测（Artificial Analysis，max 档）
| 指标 | 值 |
|---|---|
| 智能指数 | 39（开源权重模型第 7/117） |
| 输出速度 | 208.9 tok/s（同类中位数 69） |
| 混合价 | 1.20 |
| 每任务成本 | $0.27 |
| 缓存折扣 | 98%（四家最高） |
| 输出啰嗦度 | 250M tokens（同类中位数 140M，非常啰嗦） |
厂商自报跑分
| 基准 | 分数 | 参照 |
|---|---|---|
| DeepSWE | 74.2 | Claude Opus 5 为 74.0、GPT-5.6 Sol 为 73.0 |
| Terminal-Bench 2.1 | 90.6 | — |
| Terminal-Bench 3.0 | 30 | 同一模型换测试版本后大幅回落 |
| HLE | 36.8 | 落后 Claude Opus 5 约 20 分 |
优缺点
优势
- 速度 208.9 tok/s，且缓存折扣 98%，长会话成本优势明显。
- 网易智能三题实测（3D 停车游戏 / 电商下单 / 预约系统）全部通过，V4 Flash 有两题分别出现 3D 场景倒置、重启后订单读不到的问题。
- 生成耗时约为 V4 Flash 的三到四成，输出 token 少 14.4%、总 token 少 44.7%。
- 腾讯 WorkBuddy / CodeBuddy 与 OpenCode 已全量接入；MIT 许可。
风险
- HLE 36.8：高难学术推理是明确弱项。
- 长程任务稳定性存疑：Terminal-Bench 从 2.1 的 90.6 掉到 3.0 的 30，同一模型换测试版本后崩落。
- 自部署门槛极高：552B、约 480GiB 权重，社区反馈量化后仍可能慢到 1 tok/s 级，一句话要等 74 秒。
- 输出啰嗦（250M tokens），刊例价虽低但实际用量偏大。
适用场景
- ✅ 长会话 Agent、缓存命中为主的场景（成本最优）
- ✅ 对生成速度敏感的交互式编码与工具调用
- ✅ 廉价批量生成
- ⚠️ 不适合高难推理任务；不适合本地自部署