deepseek-v4.1-flash

DeepSeek-V4.1-Flash 是DeepSeek 全新一代面向高并发、复杂长程智能体与工程级代码交付打造的“越级智商 + 极速高吞吐”开源大模型。模型采用 552B 骨干 MoE 架构并融合了 196B Engram 模块（Prefill 仅激活 8B，Decode 激活 16B），实现了推理吞吐量（最高达 400+ TPS）与首字延迟的跨越式跃升。在多项严苛的真实场景测试中，V4.1-Flash 的综合推理质量与复杂工作流完成速度已全面超越上一代模型 V4 Pro，是企业规模化跑 AI 代码助手、智能体集群与高密工作流的绝对性价比杀手。

───────────────────────────────────────────────────────────────────

核心能力

智力越级与全量路由替代： 在内部与外部测试中，V4.1-Flash 的综合性能、生成速度与任务完成度全面超越上代旗舰 V4 Pro。

Engram 架构与极致 KV Cache 压缩： 结合 196B Engram 嵌入模块与全新 QAT 压缩算法，将 1M 超长上下文的 KV Cache 显存占用大幅压缩至 ~900MB，长文本Prefill 与连续追问体验极佳。

极致的高吞吐速度（高达 400+ TPS）： 端到端推理速度大幅提升，首字响应极快，非常适合高并发 API 接入与实时交互系统。

1M 超长上下文与自动无感缓存： 原生支持 1,000,000 (1M) Tokens 窗口与最高 384K Tokens 导出，无需手动配置，原生支持磁盘级 Context Caching 自动命中。