DeepSeek V4.1 Flash：半万亿 MoE 把推理成本压到两分钱

DeepSeek 在 9 月 10 日放出 V4.1 Flash，一个 552B 参数的多模态 MoE，但每次推理只激活 8B（prefill）/16B（decode）参数，上下文窗口 1M token，MIT 协议开源。它在工程上最值得一人公司盯的不是「多大」，而是「多便宜」。

几个关键数字（来自 DeepSeek 自己的评测）：

• KV cache 890 字节/token，而初代 DeepSeek 是 389,000 字节——小了 400 倍以上。这就是为什么它能把长上下文的服务成本压到很低。
• 在 45 万亿多模态 token 上从零训练；DeepSeek 自测 Terminal-Bench 2.1 得 90.6、DeepSWE 1.1 得 74.2，高于 Opus 5 和 GPT-5.6 Sol。
• 按 DeepSeek 口径，单任务成本大约 2 分钱。

对一个人公司真正有用的点：

• 本地/小卡也能扛长上下文。 KV cache 暴降意味着同样显存能塞下更长对话和历史，做长文档分析、长代码库问答时，硬件门槛低了一大截。
• MIT + 开放权重 = 能自己部署。 不想把客户数据送出去的，可以挂到自己机器上，上下文一句不出本地。
• 2 分钱/任务的量级，让「给每个客户跑一遍分析」「批量处理一堆文档」这种之前嫌贵的动作，可以放心自动化了。

几个要泼的冷水：

• 数字来自 DeepSeek 自家评测，独立复测还没跟上，先当「上限」看，别当「保底」。
• 552B 总参数再怎么省激活，跑起来也远不是消费级显卡能轻松扛的；真要自托管得算清显存账。
• 半年内模型迭代极快，别为了追这个版本专门重构你的推理栈。

我的建议：把它当成「长上下文 + 低成本」的备选底座，用 API 或 OpenRouter 先跑通你的场景再决定是否自托管。重点看 KV cache 优势在你的长文本任务上到底能省多少，而不是盯着 552B 这个总参数。

• 发布与权重索引：ThursdAI · Open Source Releases（含 V4.1 Flash 条目）
• 权重与 tech report：Hugging Face · deepseek-ai/DeepSeek-V4.1-Flash