DeepSeek V4.1-Flash 发布：参数几乎翻倍，长上下文推理反而更省

DeepSeek 又出新模型了。据 InfoQ 报道，DeepSeek 近日发布 DeepSeek-V4.1-Flash，一款原生多模态的 MoE（混合专家）模型，最高支持 100 万 Token 的超长上下文——相当于能一口气读完一部长篇小说。

参数翻倍，干活反而更省

这次有点反常识：新模型主干参数 552B（上一代 V4-Flash 是 284B），规模几乎翻倍；但它在"读题"（Prefill）阶段每个 Token 只激活 8B 参数，答话（Decode）阶段激活 16B——比上一代还少。据官方技术报告，参数变大一倍，跑起来却更省。

为什么揪着 KV Cache 不放？

现在 AI 智能体（Agent）干活，往往是"读得多、写得少"：不停读代码、网页、文档和工具返回结果，上下文越堆越长。这带来一个比参数更烧钱的问题——长上下文占的显存（KV Cache）、硬盘和搬运成本。

DeepSeek 的办法是把模型的"记忆"压缩共享：层与层之间共享 KV 缓存，只精算真正重要的位置，不再每次重扫全部历史。结果是上下文从 4K 拉到 100 万 Token（涨 256 倍），单个 Token 的算力开销只多约 25%；关键缓存被压到约 890 字节/Token，只有上一代的四分之一。此外，不常用的缓存从硬盘挪到内存暂存，整体持久缓存降到上一代约八分之一。

对我们意味着什么

一句话：以后让 AI 处理超长文档、当长跑 Agent，成本有望明显下降。据了解，模型还首次把多模态放进预训练，能看图（支持约 1344×1344 输入）。目前 DeepSeek 已放出技术报告，具体上线与价格以官方为准。

来源：InfoQ《参数几乎翻倍，推理反而更省：DeepSeek V4.1-Flash 重构 KV Cache》

https://www.infoq.cn/article/sbaJrAa8VTIRKIPCpKlo