DeepSeek 正式發布 DeepSeek-V4.1-Flash 模型，該模型採用因果編碼器-解碼器（CED）架構。在參數配置上，輸入端僅激活 8B 參數，輸出端則使用 16B 參數，整體規模達 552B 參數，由 40 層 Transformer 組成，其基礎架構原生支援圖像處理。

此次發布引入了極具競爭力的定價策略，其中快取命中（Cache Hit）成本低至每百萬個 token 0.003 美元。透過新的預訓練與強化學習後訓練方法，該模型在基準測試中表現優異，超越了 DeepSeek-V4-Pro 等旗艦模型，同時保持了接近前沿規模的訓練效率。

事件背景

KV 快取（Key-Value cache）是大語言模型中用於儲存先前計算出的注意力狀態的記憶體優化技術，可加速序列 token 生成的推論過程。「快取命中」是指新輸入與之前的上下文匹配，使模型能重複使用儲存的資料而非重新計算，從而顯著降低延遲和運算成本。

社群觀察

社群成員讚賞 DeepSeek 詳細技術報告的深度，認為其優於競爭對手側重安全性的文件。大家對低廉的快取命中定價感到興奮，有人猜測這可能使上下文傳輸成本成為主要考量，但也有其他人指出，儘管名為「Flash」，該模型龐大的參數量（552B）使其不太適合本地部署。