DeepSeek V4.1 Flash 顶掉自家旗舰:API 降价约七成、缓存命中 2 分钱,一份该不该换的账

9 月 10 日,DeepSeek 发布了 V4.1 Flash。没有发布会,也没有预热海报:老模型名直接下线,新模型名统一成 deepseek-flash,价格同步下调,公告里还写了一句让整个国产模型圈侧目的话——8 月 13 日刚刚正式上市的旗舰 V4 Pro,其 API 请求将在 9 月 14 日 12:00 之后全部路由到这个“全新模型结构系列中尺寸最小”的成员上,并按 Flash 的价格计费。

一个 GA 不到一个月的旗舰,被自家最小的型号顶下岗。行业里这种情况通常意味着出事了,但这次不是——官方用的词是“计划有序下线”。

不过,当我们 9 月 17 日去核对 DeepSeek 官方定价页时,那条时间表已经被改写了。定价页现在的脚注写着:“为响应广大用户的需求,我们决定在 2026 年 9 月 14 日之后继续提供 DeepSeek V4 Pro 的 API 调用服务,计费方式保持不变。”也就是说,原定的路由切换没有执行。

这篇文章只算三笔账:价格降了多少、能力接不接得住旗舰的活、以及你要不要现在就把手上的活切过去。

本文由拾光札记编辑部整理,勘误请联系我们。

一、先把事实和口径分清

• 实锤:9 月 10 日发布,网页、App、API 三端同时上线。官方定价页明确的模型名是 deepseek-flash,对应版本 DeepSeek-V4.1-Flash;上下文 100 万 token,最大输出 384K,支持思考与非思考两种模式(默认思考),支持图像理解、Tool Calls、JSON 输出、Responses API 与 Anthropic API 格式。(2026-09-17 核对)。
• 实锤:老模型名已下线但保留兼容。deepseek-v4-flash、deepseek-v4-flash-vision-exp 对应的模型已下线,这两个名字仍然可以调用,请求由 V4.1-Flash 接管,按 Flash 价格计费。旧代码不改也能跑,账单会自己变便宜。
• 实锤:旗舰没有下线,只是“计划”过。deepseek-v4-pro 目前仍指向 DeepSeek-V4-Pro-0813,计费方式不变,并发上限 500;新一代的 deepseek-flash 并发上限 2500。同一条官方脚注证明了这次改口。
• 实锤:权重与技术报告已放出。官方给出了 Hugging Face 仓库链接与 51 页技术报告,报告标题直接点明这一代的工程主题是把 KV Cache 压缩推到极限。
• 厂商自评,要打折:官方称 V4.1 Flash 在“性能、费用、速度、总用时”四个维度全面超越 V4 Pro。这是发布方口径,不是第三方测量结果——国金证券 9 月 16 日的复算口径更细:七项公开基准里代码生成与智能体类的五项超过 V4 Pro,科学知识与推理两项仍低于 Pro。

顺带说一句对照:这轮模型密集发布期里,涨价的是多数。据行业梳理,GPT-6 Astra 每百万 token 输入 10 美元、输出 50 美元,是自己上一代 GPT-5.6 Sol 的 2.5 倍;Claude Opus 5 维持 5 美元 / 25 美元不动;Gemini 3.8 Flash 价格保到 2026 年 12 月 31 日,2027 年 1 月 1 日起翻倍。GPT-6 Astra 的定价我们在 9 月 5 日那篇上手评测里核过一次,数字对得上。

二、价格:三条曲线同时下移

下面这张表的数字来自 DeepSeek 官方定价页,2026 年 9 月 17 日核对。人民币为单位,百万 token 计价。

数据。作为参照,站点 8 月 31 日那篇中端模型价格横评(原文已过保下线)里记录的 V4-Pro-0813 高峰输出价是 ¥27/百万 token——和上表一致,说明这一代 V4 Pro 的价签确实没动。

三个数字值得单独拎出来看:

• 对 Pro 的降价幅度在三成到八成之间,按不同档位不等。国金证券的复算口径是:缓存命中、输入、输出三项价格较 V4 Pro 分别下降约 86.4%、77.3% 和 69.7%。换句话说,便宜得最狠的是长上下文场景里最吃量的一项——缓存读取。
• 缓存命中价 ¥0.02/百万 token,是未命中价的 1/50。这个数字对写 Agent 的人比“输出降了多少”重要得多:多轮对话、反复读取同一个仓库前缀的负载,绝大部分输入成本会落进这一档。
• 高峰时段缩到工作日 7 小时。8 月那一轮峰谷定价里,高峰是北京时区 9:00 到晚间的整段工作时间;现在只有工作日 9:00–12:00 和 14:00–18:00 算高峰,午休、晚上、夜间和整个周末全部是半价。把批量任务往后排的收益比过去大得多。

有一处要提醒:Artificial Analysis 的独立评测在肯定它速度的同时指出,这款模型的回答偏长,评测中输出 token 量明显高于同类模型。单价便宜会降低人对消耗的敏感度,而账单是按 token 计费的——先用一周盯总消耗,再谈“比原来便宜了多少”。

三、为什么能这么便宜:非对称结构与 KV Cache

• 输入输出不对称,是这代最核心的设计。总参数 552B 的 MoE 模型,输入阶段每 token 只激活 8B 参数,输出阶段激活 16B。对比上一代,V4-Flash 总参数 284B,V4-Pro 总参数 1.6T。官方的解释是:Agent 类负载的 token 结构极度倾斜——几万 token 的上下文和工具返回,换几百 token 的输出,读和写本来就该配不同的预算。
• 40 层被拆成两半。名为 Causal Encoder-Decoder(CED)的架构把 40 层分成 20 层因果编码器 + 20 层解码器:前 20 层把全部上下文读一遍、压成一个浓缩的隐状态“摘要”,后 20 层直接从摘要里投影出需要的全局 KV 缓存,不再从头读第二遍,官方口径是预填充计算量接近减半。
• 真正省钱的是 KV Cache。全局 KV Cache 压到每 token 约 890 字节,对 HBM 的需求降为上一代的 1/4,对 SSD 的需求降为 1/8;相对初代 DeepSeek 模型累计压缩了 437 倍。技术上还叠了第二代压缩稀疏注意力(CSA2)与 FP4 精度的缓存。
• 对普通人的含义。长上下文最贵的从来不是“模型有多聪明”,而是那份越滚越大的记忆。把记忆从显存搬到硬盘、并且压小四倍,才敢在百万上下文上开这个价。

但便宜是有代价的,而且代价正好落在“想自己跑”的人身上:权重体积约 510GB,本地部署门槛从两张卡升到一个 8 卡节点,自部署的总拥有成本反而上升(国金证券口径)。API 用户拿到的是降价,自托管用户拿到的是更重的机器。这一点后面还会展开说。

四、能力:五项超旗舰,两项还差得远

把公开基准摊开看,比“全面超越”四个字诚实得多:

表中数字来自官方发布材料与第三方评测(Artificial Analysis)的公开读数,其中 GPQA Diamond 与 DeepSWE v1.1 的数字与国金证券研报复算一致。不同基准版本不可直接横比——官方同时公布了 Terminal-Bench 2.1 的高分成绩,但 3.0 版本上的读数才是这一轮最有参考价值的短板项,表里只保留 3.0。

• 提升高度集中。进步几乎全在代码生成和智能体任务上:DeepSWE 从 54.4 跳到 74.2,Terminal-Bench 3.0 从 7.6 到 30.0。这类任务的评测量的是“能不能把一个任务跑到可验证的结果”,不是“能不能答对一道难题”。
• 通用推理没有同步追上。GPQA Diamond 90.9 分仍然输给 V4 Pro 的 92.4。要把“比旗舰强”读成“在代码和 Agent 场景比旗舰强”,不能读成全科第一。
• 第三方给了更冷静的一票。Artificial Analysis 给的综合智能指数是 40 分,高于多数同档开源权重模型的中位数,但仍低于头部前沿模型;它同时给出了“速度显著较快”的评价。同一个机构也提醒,近期它收紧了评分体系,不少模型分数被下调,跨期比较要小心。
• 别被倍数话术带走。“成本降低数百倍”“算力减半”这类表述来自发布方自述与媒体推演,不是可复现的独立测量。能核实的是官方价签、缓存压缩比例和第三方基准读数这三样。

五、怎么用起来:四条路径,从最省事到最省钱

路径一:网页和 App,零成本。 官方网页端与 App 已经全量切到 V4.1 Flash,日常对话不需要付费,思考模式可按需开。只想试试它到底什么水平的人,从这里开始。

路径二:换成 API,改动只有一行。 模型名从旧名字改成 deepseek-flash 即可,并保持 OpenAI 或 Anthropic 两种格式任选:

1
2
3
4

from openai import OpenAI
client = OpenAI(api_key="你的 KEY", base_url="https://api.deepseek.com")
resp = client.chat.completions.create(model="deepseek-flash",
    messages=[{"role": "user", "content": "把这段日志里的错误按严重程度归类"}])

Anthropic 格式的地址是 https://api.deepseek.com/anthropic——这一条对 Claude Code、OpenCode 这类工具的存量配置很关键:换后端不用改代码,改环境变量就行。

路径三:Agent 工具直接选它做后端。 官方给了两种接入方式——工具侧(claude Code、GitHub Copilot、OpenCode 这类现成 Agent 直接选 DeepSeek 作为后端模型),以及运行时侧:面向 Agent Harness 开发者的 DeepSeek Harness 开发者预览版。官方合作伙伴名单里,腾讯 WorkBuddy、CodeBuddy、OpenCode 已全量接入。推理力度分 low / high / max 三档,官方建议 High 作日常 Agent 工作流默认档,架构设计与难复现的故障排查再开 Max,简单改动切 Low 省思考 token。

路径四:三个省钱动作,比换模型更立竿见影。 一是把批量任务排到空闲时段,单价直接减半;二是保持提示前缀稳定,让重复的上下文落进 ¥0.02 那一档缓存;三是控制输出长度,尤其是发现它答得比同类长的时候——省钱的模型配上啰嗦的回答,账单未必如你所愿。

六、我的判断:谁该换,谁再等,谁别碰

• 该换的人:个人开发者、做副业小工具的人、把 Claude Code 或类似 Agent 当主力干活的人。价格差了一个数量级,而在代码生成与 Agent 任务这两类最常用的场景上,它已经超过上一代旗舰;官方定价页还顺手把它们家旧模型名做成兼容路由,迁移成本接近于零。
• 再等等的人:把“终端里长时间自主作业”当核心指标的团队。Terminal-Bench 3.0 上 30.0 对 Opus 5 的 43.3,差距不是小数点;需要模型在陌生环境里连续自我纠错的场景,现在还不是它最稳的地方。同样,通用推理要求高(科学推理、复杂长链问答)的用户,它比 V4 Pro 还差一点。
• 别碰的人:想在自家机器上部署的。约 510GB 权重、8 卡节点起步,自部署总成本比上一代更高。对你来说正确的选择是用 API,而不是攒机器。
• 一个值得等的理由:官方口径里留着“直到 V4.1 Pro 发布”这句话。如果你的活以通用推理为主、代码为辅,那新一代旗舰才是你的目标机型,现在换过去反而绕了一圈。

价格、基准、价签都是 2026 年 9 月 17 日的快照,这类数字两周就可能再变一次,下单前请以官方定价页为准。相关阅读:8 月 31 日的中端模型价格横评(原文已过保下线)、GPT-6 Astra 上手判断、中国开源基座给普通人意味着什么、缓存读取降价这条路怎么算账。

顺带一提:API 省下来的钱,花在称手的装备上更实在——机械键盘怎么选按人群和实价锁款,写代码的手感值得这一百多块。

本文由拾光札记编辑部整理,勘误请联系我们。