763B参数全新因果编解码架构，巨鲸归来

DeepSeek在过去一年多时间里刻意保持低调，将开源模型的聚光灯让给了GLM和Kimi等竞争对手。然而此次V4.1-Flash的发布，标志着这家以架构创新著称的实验室强势回归。从V2到V3再到V4，DeepSeek每次大版本之间都会发布聚焦单一架构改进的中间论文，命中率接近百分之百，涵盖数学推理、代码生成、强化学习等多个方向。

V4.1-Flash最核心的创新在于预填充与解码阶段的参数分离设计。输入处理阶段激活8B参数，输出生成阶段激活16B参数，总参数量达763B，由此形成了「763B-P8B-D16B」这一新的模型标注方式。这种极低的稀疏激活比例（约1-2%）结合滑动窗口注意力有界重放等新机制，使KV缓存占用降至V4 Flash的八分之一，对长时间运行的智能体任务而言意义重大。

在基准测试表现上，V4.1-Flash在Artificial Analysis智能指数上得分40分，略低于GLM-5.3-Flash但超越最新版V4 Pro，同时在Vals Index上被评为开源模型第一，领先Kimi K3。值得注意的是，该模型每次测试成本仅0.30美元，是开源前十中最便宜的选项。Baseten在发布当天即提供支持，Ollama也随后向多个付费计划用户开放访问。

此次发布另一个值得关注的信号来自DeepSeek在后训练策略上的公开表态。他们明确指出，在当前阶段，提升训练数据质量所带来的收益已远超研发新型后训练算法。这一判断与清华大学唐杰教授等学界人士的观点高度一致，也反映出整个大模型领域在工程实践上的重心正在悄然转移。

从更宏观的视角来看，V4.1-Flash的发布方式本身就是一种信息传递策略。DeepSeek选择用一个低调的版本号包装一次架构级别的彻底革新，既退役了V4 Pro，又引入了原生视觉理解能力，却没有为视觉单独发布一个模型。研究者们普遍认为，当前的公开基准测试尚无法充分衡量DeepSeek真正追求的目标——对上下文最具创造性和效率的利用方式。这场「巨鲸归来」，远比版本号所呈现的更具分量。

要点

• V4.1-Flash采用全新因果编解码器架构，预填充激活8B、解码激活16B参数，KV缓存占用降至前代的八分之一，大幅提升长上下文智能体任务效率
• 尽管版本号仅为0.1升级，该模型实为架构级重构，多位研究者认为其变化幅度足以称为DeepSeek V5
• 模型定价极具竞争力，每百万输入token仅0.30美元，在Vals Index开源排行中位列第一，超越Kimi K3
• DeepSeek公开表态：当前阶段提升数据质量的回报率已远超研发新型后训练算法，标志着研发重心的战略性转移
• 模型原生支持视觉输入、100万token上下文，采用MIT协议开源，发布首日即获Baseten和Ollama等平台支持