DeepSeek V4.1 Flash 模型發布，大幅降低 HBM 與 SSD 需求
Celine
中國 AI 新創 DeepSeek 正式發布 DeepSeek V4.1 Flash，主打更快推理、更高吞吐量與更低使用成本。官方指出，這是全新模型架構系列中尺寸最小的成員，並具備原生多模態視覺理解能力。
DeepSeek V4.1 Flash 採用 5520 億參數的混合專家（MoE）架構，並導入全新的因果編碼器—解碼器（Causal Encoder-Decoder）設計。模型輸入與輸出採非對稱配置，輸入階段啟用 80 億參數，輸出階段啟用 160 億參數，藉此降低運算成本。
官方稱基準測試超越 V4 Pro 模型效能與成本成焦點
DeepSeek 表示，V4.1 Flash 採用新的預訓練方式，並經過更大規模的強化學習後訓練，在多項基準測試中超越包括 DeepSeek V4 Pro 在內的旗艦模型。
不過，相關表現主要來自官方公布的測試結果，實際應用效能仍須視任務類型、測試條件與部署環境而定。對企業用戶而言，除了模型能力，推理速度、吞吐量及每項任務的總成本，也將是評估導入的重要指標。
KV Cache 銳減 HBM 需求降至四分之一、SSD 降至八分之一
此次另一項關鍵升級，是降低 KV Cache（鍵值快取）所需的記憶體與儲存資源。
DeepSeek 指出，相較上一代模型，V4.1 Flash 的 HBM 需求降至四分之一，SSD 需求則降至八分之一。
KV Cache 用來保存模型處理上下文時所需的中間資訊。對需要持續讀取大量上下文、反覆呼叫工具的 AI 代理（Agent）而言，快取管理會影響運算資源使用與服務成本。DeepSeek 表示，快取需求下降，有助於降低 Agent 任務的使用成本。
AI 代理成本戰升溫 競爭從模型能力延伸至資源效率
V4.1 Flash 的發布，凸顯生成式 AI 競爭正從模型參數規模與基準測試成績，進一步延伸至推理效率、記憶體占用及部署成本。若能在維持任務表現的同時，減少高速記憶體與儲存需求，將有助於企業以較少資源執行更多 Agent 工作流程。
DeepSeek 已同步將 V4.1 Flash 開放至 API，並表示將持續推動開源社群進行推理適配。隨著 AI 應用從聊天問答走向多步驟代理任務，如何兼顧模型能力與運算成本，將成為 AI 服務商爭取企業市場的關鍵。
