DeepSeek AI 近日推出新一代多模态 MoE 模型 DeepSeek-V4.1-Flash，在架构层面引入多项针对长上下文与推理效率的优化。该模型延续 MoE 路线，并首次在命名中明确 Flash 定位，面向高吞吐、低延迟场景。

参数配置上，DeepSeek-V4.1-Flash 采用 552B 主干参数与 196B Engram 参数的组合，上下文窗口扩展至 1M token。激活策略区分 prefill 与 decode 两个阶段：prefill 阶段激活 8B 参数，decode 阶段激活 16B 参数，以在计算开销与生成质量之间取得平衡。

KV 缓存是本次更新的关键指标。官方数据显示，DeepSeek-V4.1-Flash 的全局 KV 缓存降至每 token 890 字节，约为 DeepSeek-V4-Flash 的四分之一，并仅为 DeepSeek-V1 的 1/437。该优化依托 FP4 KV 缓存与跨层注意力复用两项技术实现。

对 AI 行业而言，1M 上下文叠加更低的 KV 缓存占用，意味着长文档、多轮对话与代码库级任务在部署成本上更具可行性。DeepSeek 此次将 FP4 精度引入 KV 缓存，也为长上下文模型的显存与带宽瓶颈提供了新的工程思路。