AI热点｜DeepSeek V4.1-Flash 深夜上线：5520亿参数、百万上下文，国产开源大模型再次贴脸GPT-5.6

新闻源：综合HeadsUpAI、AI Startup Edge、东方财富网等公开报道

导语

9月中旬，DeepSeek 正式发布新一代多模态旗舰模型 DeepSeek-V4.1-Flash，并宣布全面迁移 V4-Pro 用户。这款 5520 亿参数的混合专家（MoE）模型，以"效率优先"的设计思路，把百万级上下文、原生视觉理解与极低的推理成本打包在一起，被业内视为中国开源大模型对全球前沿闭源模型的又一次正面逼近。

一、这次到底升级了什么

DeepSeek-V4.1-Flash 采用 Causal Encoder-Decoder（因果编码器—解码器）架构，总参数量达 5520 亿，但每个 token 仅激活约 80 亿参数用于输入、160 亿参数用于输出，实测算力开销远低于同级别稠密模型。

核心升级点有三：

1. 百万级上下文：支持 1,000,000 token 的超长上下文窗口，可一次性吞吐整本书或大型代码仓库；
2. KV 缓存占用降低约 75%：显著压缩长文本推理的显存压力，让长上下文从"能跑"变成"跑得起"；
3. 原生多模态：模型内置视觉理解能力，图文混合任务不必再依赖外挂视觉模块。

按照官方与第三方测试信息，DeepSeek 将逐步下线 V4-Flash 各变体，并从 9 月 14 日起把全部 V4-Pro API 请求路由到 V4.1-Flash，迁移对开发者基本透明。

二、性能与成本：开源模型又一次"贴脸"

在 Terminal-Bench 2.1 等公开测试中，V4.1-Flash 在代码与网络安全类任务上的表现超过 OpenAI GPT-5.6 Sol 与月之暗面 Kimi K3。更值得关注的是成本曲线——DeepSeek 一贯的定价策略，使同等级任务的调用成本仅为头部闭源模型的很小一部分。

这背后是一条清晰的行业趋势：竞争焦点正在从"谁的模型更强"转向"谁能让智能体持续、廉价地跑下去"。当智能要被嵌入一笔 10 美元的交易、一次客服会话、一条自动化流水线时，单位成本比榜单分数更能决定落地速度。

三、同一时间，国产大模型集体加速

DeepSeek 不是孤例。本月国内厂商密集出招：

开源权重阵营的集体提速，正在把"闭源前沿模型"与"开源可用模型"之间的性能差距压缩到越来越小的区间，而价格竞争才刚开始。

四、对企业和开发者意味着什么

1. 选型逻辑变了：过去"只买最强"的思路，正在被"按任务路由、按性价比切换"取代。有企业公开表示，通过在多模型之间做路由，AI 支出下降了约 40%。
2. 长上下文真正可用：百万 token 加上 KV 缓存优化，让合同审阅、代码库理解、长周期智能体等场景的工程可行性大幅提升。
3. 多模态门槛下降：原生视觉能力让图文混合应用不必再拼装多个模型，开发链路更短。
4. 智能体经济性成立：低成本高频调用，是智能体从演示走向生产的前提。

结语

DeepSeek V4.1-Flash 的意义，不在于又一次刷新榜单，而在于把"前沿能力 + 极低成本"同时交付出去。当模型变得足够便宜，AI 的竞争就会从实验室转向场景——谁先把智能体嵌进真实业务流程，谁就更可能拿到下一轮增长。