选型对比11 分钟阅读发布于：2026-09-13更新于：2026-09-13

DeepSeek V4.1 Flash 发布：API 价格、跑分与迁移指南

DeepSeek V4.1 Flash 带来原生视觉、100 万 token 上下文、更低 API 价格和更省缓存的新架构。本文说明 V4 Flash 与 V4 Pro 用户在 9 月 14 日路由切换前需要处理什么。

作者 Heizi· 创始人 & 编辑· 发布于: 2026-09-13已核验官方资料 · 2026-09-13

核验说明: 发布日期、模型 ID、架构、价格、迁移时间和评测设置均已对照 DeepSeek 官方公告、API 文档、技术报告与模型卡核验。文中跑分来自厂商测试，Get Model Key 尚未独立复测。

新接入建议使用官方模型 ID deepseek-flash；迁移生产流量前请再次核对实时价格。

9 月 10 日发布了什么

DeepSeek 于 2026 年 9 月 10 日发布 V4.1 Flash。它不是给 V4 Flash 再做一次后训练，而是一款采用新架构的多模态混合专家模型。模型可接收文本和图片，支持最长 100 万 token 上下文，官方 API 模型 ID 为 deepseek-flash。

这次发布也会改变旧接口的实际返回模型。已经退役的 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 暂时都会路由到 V4.1 Flash。2026 年 9 月 14 日 04:00 UTC（北京时间 12:00）起，deepseek-v4-pro 也会切到 V4.1 Flash，并按 Flash 价格计费，直到 V4.1 Pro 上线。DeepSeek 尚未公布 V4.1 Pro 的发布日期。

发布日期：2026 年 9 月 10 日
官方 API 模型 ID：deepseek-flash
输入：文本与图片；输出：文本
上下文最长 100 万 token；最大输出 38.4 万 token
开放权重：Hugging Face 提供，MIT 许可证

新架构解决的不是参数数量，而是缓存账单

V4.1 Flash 的骨干参数为 552B，但新的 Causal Encoder-Decoder 架构在输入预填充时每个 token 只激活 8B 参数，生成阶段激活 16B。它的目标很直接：长上下文 Agent 吃进去的内容很多，先把输入侧的计算和显存压力压下来。

更值得看的是 KV Cache：每个 token 约 890 字节，只有 V4 Flash 的四分之一。模型还会通过 bounded replay 重建部分滑动窗口状态，减少持久化存储。缓存更小不等于答案一定更好，但对代码仓库会话、连续工具调用和大文档任务，部署成本会更容易控制。

DeepSeek 公布的架构数据
规格	DeepSeek V4.1 Flash
骨干参数	552B MoE
激活参数	输入预填充 8B / 生成 16B
全局 KV Cache	890 字节 / token
训练	45T 多模态 token；上下文扩展至 1M
推理强度	1–100 连续可调

跑分很强，但不是全面领先

DeepSeek 公布的成绩包括 DeepSWE v1.1 74.2、Terminal-Bench 2.1 90.6、AutomationBench 54.8，以及 Agent's Last Exam 31.8。在同一份厂商测试表中，这几项都高于 V4 Pro，足以让它进入代码 Agent 和长链路工具任务的候选名单。

但这不是一张全胜成绩单。V4 Pro 在 GPQA Diamond 和可比的 HLE 纯文本子集上仍然更高；到了更难的终端、安全与编程测试，Opus 5 和 GPT-5.6 Sol 也有多项领先。代码任务还使用了不同的 Agent 框架，并把推理强度开到最高。比较时应把这些成绩当作筛选线索，而不是生产结论。

最大推理强度下的部分厂商自测结果
评测	V4.1 Flash	V4 Pro	V4 Flash
DeepSWE v1.1	74.2	62.7	54.4
Terminal-Bench 2.1	90.6	87.9	82.7
AutomationBench	54.8	43.2	37.7
Agent's Last Exam	31.8	25.7	25.2
GPQA Diamond	90.9	92.4	89.9

DeepSeek V4.1 Flash API 价格

DeepSeek 分别计算缓存命中输入、缓存未命中输入和输出费用。工作日高峰价是空闲价的两倍。下表为官方直连 API 价格，自 2026 年 9 月 10 日 12:00（北京时间）起生效。

高峰时段为周一至周五的北京时间 09:00–12:00、14:00–18:00，其余时间按空闲价计费。第三方网关或云平台可能采用不同单价，不能直接套用这张表。

官方直连 API 每百万 token 单价
计费项	空闲时段	高峰时段
缓存命中输入	¥0.02	¥0.04
缓存未命中输入	¥1	¥2
输出	¥4	¥8

V4 Pro 切换前要做的事

如果应用已经使用 deepseek-v4-flash，它很可能已通过兼容路由调用 V4.1 Flash。新配置建议改成 deepseek-flash，让模型选择保持明确。官方没有公布旧名称的停止时间，不能把临时兼容当成长期保证。

V4 Pro 用户更需要回归测试：9 月 14 日以后，deepseek-v4-pro 这个字符串不变，背后的模型却会改变。现在保存一组已经验收的 Pro 输出，再用 deepseek-flash 重放真实提示词。重点比较任务成功率、工具参数、延迟、总输出 token 和图片处理，不要只看一次回答的文风。

新部署使用 deepseek-flash
在 9 月 14 日 04:00 UTC 前保存 V4 Pro 基线
用真实提示词测试推理强度与输出长度
重新验证工具 Schema 和结构化输出
按新缓存、未缓存和输出单价更新成本告警
切换当天再次检查实际 API 返回和官方文档

用 OpenAI Python SDK 调用 V4.1 Flash

DeepSeek 继续提供 OpenAI 兼容接口。把 base URL 指向 DeepSeek，使用 DeepSeek 平台密钥，并将模型设为 deepseek-flash。密钥应放在环境变量中，不要写进源码。

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",
)

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[
        {"role": "user", "content": "Review this API migration plan and list the two highest risks."}
    ],
)

print(response.choices[0].message.content)

使用 V4.1 Flash 官方模型 ID 的最小文本请求。