DeepSeek V4.1 Flash发布：提供商别名路由与890B缓存的代价

9 月 10 日，DeepSeek 发布 V4.1 Flash：一款 552B 参数的 MoE 模型，基于全新的 Causal-Encoder-Decoder（CED）架构，支持原生多模态视觉、100 万 token 上下文窗口，权重在 Hugging Face 上以 MIT 协议开源。对大多数开发者而言，这次发布不过是又一条新闻。真正值得停下来看看的是公告中被埋没的低调退役通知：从 9 月 14 日北京时间 12:00 起，在 V4.1 Pro 上线之前，所有发往 deepseek-v4-pro 的请求都将被路由到 V4.1 Flash，并按 V4.1 Flash 的价格计费。注意这里实际发生了什么：你的代码没有任何改动——model: "deepseek-v4-pro" 这个字符串还在、端点还在、SDK 还在——但背后的模型被换掉了，账单也被换掉了。只不过这一次对你是利好。旧名称 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 也将在临时期间被路由到新模型。该提供商正在用自身的 API 作为别名路由层，把一个高价档位合并进了低价档位。这与我们上周报道的第三方价格变动不同：这一次模型本身在路由层被替换了，而大多数客户端应用根本无法察觉。

2. CED 架构：为何这个模型在结构上就是便宜的

V4.1 Flash 的成本优势并非补贴。它来自三个架构决策。首先，非对称的编码器-解码器分离。40 层分为 20 层因果编码器和 20 层解码器。长输入由编码器一次性汇总；解码器的全局 KV 状态直接从编码器最后一层的隐藏状态投影而来，将预填充复杂度从大约 O(NL) 降低到对于远长于窗口的序列约 O(NL/2)。这就解释了一个看似奇怪的配置：每个输入 token 仅激活约 8B 参数，而解码时激活约 16B。其前身 V4 Flash 是一个 284B 模型，每个 token 激活约 13B。模型体积翻倍了，但输入阶段的计算却用了更少的激活参数。其次，缓存压缩。KV-cache 的 HBM 需求降至上一代的四分之一，SSD 需求降至八分之一，相较于 DeepSeek 第一代模型，缓存缩小了 437 倍——每个 token 约 890 字节。对于 Agent 工作负载，这才是决定性数字：长对话历史能否常驻缓存并被反复复用，决定了整个成本曲线的形态。第三，将缓存差距定价进费率表。闲时价格：命中缓存每百万 token 0.02 元，未命中 1.0 元，输出 4.0 元；高峰时段三项价格翻倍。命中与未命中之间的差距是 50 倍——缓存命中率不再仅仅是性能指标，而是定价函数的一等输入。关于能力，DeepSeek 自己报告的数字：DeepSWE v1.1 上 74.2 分（对比 Claude Opus 5.0 的 74.0），Terminal-Bench 2.1 上 90.6 分（对比 89.1）。但要看脚注：同一模型在八个不同测试框架下，DeepSWE 得分从 65.6 到 74.2 不等，差距近 9 分；在更难的 Terminal-Bench 4.0 上仅得 31.2，而 Opus 5.0 是 51.8。把它定位为一款出色的低价档位 Agent 工作主力，而非免费的 frontier 模型，这个定位是准确的。

3. 路由层的三招

提供商端别名路由已经在发生；客户端路由层应该迎头赶上：

验证响应中的 model 字段。别名路由意味着请求的名称与实际服务的模型可能不同；日志、监控和成本归属应该以响应中的实际模型为准。

把缓存命中率放入成本仪表盘。命中与未命中之间有 50 倍的差距，将 Agent 工作流的命中率从 40% 提高到 80%，几乎能将输入成本减半。

为强制的提供商端迁移做好准备。9 月 14 日之后，deepseek-v4-pro 背后的计费档位会发生变化。你的路由层应该在价格快照发生漂移时告警，而不是在月末账单上才发现。

4. 付诸实践：在统一接口背后收获架构红利

V4.1 Flash 已以模型名 deepseek-flash 在 DeepSeek API 上线，权重也已开源。如果你的应用已经架设在多个模型之上，采用它无需修改任何业务代码——只需把 base_url 指向一个统一网关：

from openai import OpenAI

client = OpenAI(
    api_key="your-accels-key",
    base_url="https://router.accels.tech",  # single entry point; upstream alias routing is handled for you
)

resp = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{"role": "user", "content": "Summarize this 1M-token repo changelog and flag three high-risk commits"}],
)
print(resp.model, resp.usage)

统一网关的价值恰恰在这样的时刻显现——当提供商重新调整其档位时：稳定性——上游别名路由和模型退役由网关吸收，因此你的调用不会在 API 迁移时断裂；完整的模型覆盖——新旧名称如 deepseek-flash 和 deepseek-v4-pro 共存于一个目录，切换只需改一个字符串；统一账单——命中、未命中、高峰与闲时调度被折叠成一张一致的账单面，因此跨模型比价不再需要手工核对费率表。用同一个 Agent 工作负载在 deepseek-flash 和 glm-5.3 之间做 A/B 测试，只需改一个字段，其余管道原样复用。

V4.1 Flash 把"便宜"从运维问题变成了架构问题：每个 token 890 字节的缓存、非对称激活、50 倍的缓存价格差距，都指向同一个教训——Agent 时代的成本杠杆在缓存和路由层，而不是买一个更贵的模型。而提供商自己在运行别名路由这一事实提醒我们：API 中的模型名称正从一个合约退化成一个建议。你的路由层准备好了吗？

DeepSeek 官方公告：DeepSeek V4.1 Flash

腾讯新闻 / 文心一言：DeepSeek-V4.1-Flash 分析（缓存缩小 437 倍，V4 Pro 退役）

DataNorth AI：DeepSeek 发布 DeepSeek-V4.1-Flash

百度百科：DeepSeek V4.1 Flash（高峰/闲时定价）