DeepSeek 近日推出新一代模型 V4.1-Flash，在架构层面引入 Causal Encoder-Decoder 设计，并首次实现原生视觉理解能力。这一发布标志着该公司在多模态方向上的重要进展。

据官方信息，V4.1-Flash 采用 552B 参数的混合专家（MoE）架构。在推理过程中，输入处理阶段激活 8B 参数，输出生成阶段激活 16B 参数，兼顾了处理效率与生成质量。

除架构与能力升级外，DeepSeek 同步对 V4.1-Flash 的定价进行了大幅下调。对于依赖 API 调用的开发者和企业用户而言，这一调整有望降低多模态应用的部署成本。

原生视觉理解的加入，意味着模型可直接处理图像输入，无需依赖外部视觉编码模块。结合新架构与降价策略，V4.1-Flash 或将在多模态推理市场引发新一轮竞争。