DeepSeek 发 V4.1-Flash:KV cache 砍到四分之一

DeepSeek 发布 V4.1-Flash,一个面向 AI agent 的多模态模型。语言主干 552B 参数、支持 100 万 token 上下文，但每个 token 只激活 16B 参数（读入输入时 8B）,模型文档以 MIT 许可放上 Hugging Face,API 定价与 V4-Flash 持平。

这次的重点不是跑分而是内存。据技术报告，快速 GPU 内存里的 KV cache 只需前代 V4-Flash 约四分之一空间，常驻 SSD / 主机内存的那部分降到约八分之一；相比 V1,单位 token 的全局 KV cache 缩小了 437 倍。做法包括把语言主干拆成 encoder / decoder 两半、KV cache 从 FP8 改存 FP4。

💡 为什么值得看552B 参数、单 token 只激活 16B,MIT 许可、API 与 V4-Flash 同价 —— 直接压低长上下文 agent 的部署成本。