DeepSeek 打破大模型“更强、更快、更便宜”的不可能三角

DeepSeek V4.1 Flash 对整体架构进行了大幅重构，试图同时提升模型能力、推理速度并降低使用成本。

更强

模型拥有 5520 亿主干参数，并外挂 1960 亿参数的 Engram 条件记忆。预训练使用了超过 45T 多模态 Token；后训练则大量加入真实 Agent 任务、工具环境和失败案例。

在 DeepSWE v1.1 评测中，模型得分达到 74.2%，超过 Claude Opus 5 和 GPT-5.6 Sol。

更快

新的 CED 架构将 40 层模型拆分为前后两部分。读取 Prompt 时，每个 Token 仅激活 80 亿参数；生成时则激活 160 亿参数。

此外，模型还引入 CSA2 跨层复用和 DSpark 投机解码，将上下文长度从 4K 扩展至 1M，提升 256 倍；在此基础上，单 Token 解码计算量仅增加约四分之一。

更便宜

DeepSeek 进一步压缩 KV Cache：主缓存采用 FP4，并结合跨层复用，使每个 Token 的全局 KV Cache 仅剩 890 字节，约为 V4 Flash 的四分之一；长期存放在 SSD 或内存中的缓存则进一步降至约八分之一。

V4.1 Flash 并没有将“更强”简单等同于“计算更多”。模型规模继续扩大，但每次只激活一小部分参数；上下文长度持续增加，缓存规模却被进一步压缩。在提升能力的同时，模型也尽量控制了速度和成本。