DeepSeek V4.1 Flash：552B 只是骨架，真的超越 Pro 嗎？（2026）

2026 年 9 月 10 日，DeepSeek 在官網發布〈Introducing DeepSeek‑V4.1‑Flash: smarter, faster, more efficient.〉，把 DeepSeek V4.1 Flash 定位為新架構家族中最小的原生多模態模型。更值得注意的是，DeepSeek 預告自 9 月 14 日 04:00 UTC 起、在 V4.1 Pro 上線前，會把 deepseek-v4-pro 請求導向這個 Flash 型號並按 Flash 價格計費；這是尚未發生的排程，不是已完成的替換。

這篇文章先忠實還原 DeepSeek 的三個主張，再用模型權重、技術報告與公開評測逐項對帳，最後回答一個實際問題：這次發布究竟改變了模型能力，還是更大幅改變了推論成本與產品分層？

供應商之外，Vercel 在 9 月 9 日的官方 AI Gateway 變更紀錄也列出可呼叫的 deepseek/deepseek-v4.1-flash 與原生圖片輸入。這能交叉確認模型已有另一條公開存取路徑，但不能替 DeepSeek 的速度或能力比較背書。

DeepSeek V4.1 Flash 發布的真正訊號：Flash 要接手 Pro 流量

官方公告把亮點濃縮成「更強、更快、更普惠」，背後其實有三層不同命題：

• 架構命題：新的 Causal Encoder–Decoder 讓輸入與輸出的啟用計算不對稱，prefill 約啟用 8B 參數、decoding 約啟用 16B。
• 系統命題：更稀疏的注意力、低精度 KV cache 與受限重播，讓長上下文服務所需的快取明顯縮小。
• 產品命題：DeepSeek 認為 Flash 已足以承接目前的 Pro API 流量，因此排定 9 月 14 日切換；這是對成本與服務容量的押注，也是最容易被後續使用者結果驗證的承諾。

第三層比單一 benchmark 名次更有商業意義。模型公司可以挑選最漂亮的測項，但若真的把較貴的 Pro 流量導向較便宜的 Flash，之後的成功率、延遲與客訴都會在真實工作負載中留下痕跡。不過在切換時間到來之前，最準確的描述仍是「DeepSeek 計畫讓 Flash 接手 Pro」，不能先寫成 Pro 已被取代。

552B 只是骨架：8B／16B 也不是模型下載大小

發布頁稱它是 552B MoE 模型，這個數字沒有錯，卻只描述 backbone。DeepSeek 隨模型一併公開的技術報告另外列出 196B 的 Engram 參數；只把這兩個明確標示的部分相加就是 748B。報告還分別描述 vision encoder 與 DSpark 預測層，因此不宜把 748B 再說成整個發行包唯一、完整的總參數口徑。

New Causal Encoder–Decoder architecture: just 8B active parameters for input, 16B for output.

中文：「新的因果編碼器—解碼器架構：輸入只啟用 8B 參數，輸出啟用 16B。」

DeepSeek，2026 年 9 月 10 日

這段話描述的是每個階段參與計算的參數量，不是磁碟上的權重大小，也不是部署時只需容納 8B 或 16B。官方 Hugging Face 倉庫的 model.safetensors.index.json 記錄，混合精度權重檔的張量資料約為 510.3 GB；實際執行還要計入框架、快取、通訊與中間張量。MoE 省的是每個 token 動用多少計算，不會讓未啟用的專家從儲存系統消失。

因此，「552B backbone」「至少 748B 的 backbone＋Engram」「8B／16B active」「約 510.3 GB 的發布權重」是四種不同量尺。把它們混成一個數字，就會同時誤判運算量、儲存量與本地部署門檻。

KV cache 縮到多少？HBM 的四分之一，持久層約八分之一

官方技術報告把 V4.1 Flash 的全域 KV cache 列為每 token 890 bytes，前代 V4 Flash 是 3,514 bytes，比例約 25.3%，所以「約四分之一」成立。公告另稱 SSD／host memory 上的持久 KV cache 約為前代八分之一；這是另一個儲存層次，不能把「HBM 四分之一」與「SSD 八分之一」寫成同一項節省。

為什麼這件事重要？長 context 服務的成本不只來自模型權重，還來自每位使用者、每個 token 累積的 KV cache。當 agent 反覆讀大型 repository、工具紀錄與圖片時，cache 可能比單次輸出更接近容量瓶頸。把每 token 的快取壓低，理論上能在相同硬體上容納更多並行 session，這比單純把 token 單價下調更接近可持續的成本改善。

代價也不能省略。報告承認，CSA2 的 token selection 可能選錯，近似的 sliding-window replay 也可能在尚未測到的邊界案例中退化。換句話說，890 bytes 是可核對的設計結果；它是否在每種超長任務都不傷品質，仍是必須由真實 trace 與失敗案例回答的問題。

「超越 V4 Pro」是官方總結，不代表每一列都贏

DeepSeek 在發布文中說 benchmark 結果超越 V4 Pro，但官方模型卡本身就提醒我們不要把這句話解讀成「每個測項都勝出」。例如 GPQA Diamond 是 V4.1 Flash 的 90.9 對 V4 Pro 的 92.4，HLE 是 36.8 對 42.7；另一方面，DeepSWE v1.1、CyberGym 與 AutomationBench 等 agent 任務則由 V4.1 Flash 領先。

更大的限制是證據來源。截至 2026 年 9 月 11 日，V4.1 Flash 的完整發布測項與對照表仍由 DeepSeek 提供；這些數字能證明「DeepSeek 報告了什麼」，不能單獨證明另一團隊已用相同 checkpoint、reasoning effort、harness 與題庫重跑出同樣結果。公開的 DeepSWE 排行頁當時顯示的更新日期是 9 月 3 日，早於正式發布，不能拿較早的 V4 Pro／V4 Flash 成績替 V4.1 背書。

所以合理結論不是「官方 benchmark 都不可信」，而是把可驗證範圍畫清楚：模型與權重確實存在，表格中的設定和結果可追溯到 DeepSeek；但「整體智能全面超越 Pro」目前仍是供應商依自家評測所做的總結。真正的外部確認，需要同版模型、相同工具環境與可檢查的執行紀錄。

1M context 是介面上限，不等於一百萬 token 都記得一樣好

官方 config把 max_position_embeddings 設為 1,048,576，足以確認模型介面宣告支援約一百萬 token。這仍不能推出它在 context 尾端能穩定找回每一項細節，更不能把 context window 當成永久記憶。

長度上限回答的是「可以送入多少」，有效上下文要回答的是「送入之後還能不能準確引用、推理與執行」。CSA2 又主動縮小參與注意力的 token 集合，因此最值得第三方驗證的不是單一 needle-in-a-haystack 命中率，而是多檔案修改、跨工具長流程、早期約束保留與錯誤恢復。

MIT 開放權重是真的，但不是一鍵本地部署

DeepSeek 的官方 Hugging Face 倉庫目前公開、非 gated，包含 48 個權重分片、config、tokenizer、推論與評估程式、技術報告；倉庫內的授權檔是 MIT License。稱它為「MIT 開放權重」有直接證據。

但「權重可下載」不等於任何個人電腦都能順暢跑完整模型。官方公告針對大規模部署徵求具備約 2,000 張 GPU 與儲存叢集的合作方，這不是所有推論方式的最低規格，卻清楚顯示官方優先處理的是資料中心級服務。對本地玩家而言，後續量化、分層載入、跨機互連與推論引擎支援，才會決定可用門檻。

同樣地，open weights 與完整可重現訓練並不相同。Open Source Initiative 的 Open Source AI Definition 1.0還要求足以理解與修改系統的資料資訊與程式碼。這次發行很有價值，但更精確的用語是「開放權重」，不必把它擴張成所有訓練材料都已完整公開。

AlphaLab 的判讀：最重要的突破可能不是榜單第一

判讀一：非對稱計算把「讀很多、寫較少」當成產品基本型

許多 agent 工作負載都極不對稱：先讀大量程式碼、歷史訊息與工具回傳，最後只產出少量 patch 或決策。prefill 只啟用 8B、decoding 啟用 16B，搭配更小 KV cache，正面對準這種輸入遠大於輸出的經濟結構。即使獨立 benchmark 最後沒有證明它在所有能力上勝過 Pro，這個服務成本方向仍然成立。

判讀二：讓 Flash 接手 Pro，是供應商用真實流量替架構投票

若 9 月 14 日的路由按計畫啟用，使用者不必主動換 model ID，就會把原本期待的 Pro 品質交給 Flash。這會迅速暴露官方評測沒覆蓋的退化，也能讓 DeepSeek 把較低成本變成實際吞吐。這個決策比一張靜態排行榜更值得追蹤，但要等切換後的版本紀錄、錯誤率與任務完成率才能判斷成敗。

判讀三：參數口徑將成為大型 MoE 發布的資訊素養測驗

552B 可以是真實的 backbone 規模，748B 也可以是真實的 backbone＋Engram 加總，8B／16B 更可以是真實的 active compute。問題不在誰抓到「正確數字」，而在每個數字回答哪個問題。今後看到巨大 MoE，至少要分開問：總共要存多少、單 token 啟用多少、prefill 與 decode 是否不同、額外模組是否另計。

我同意什麼，又存疑什麼？

我同意：DeepSeek V4.1 Flash 的權重與技術材料已公開，8B／16B 非對稱啟用、890 bytes/token 全域 KV cache，以及預定承接 Pro 流量，合在一起構成一個實質的推論效率進展。它不是只有降價海報。

我存疑：官方目前沒有證明「每一項能力都超越 Pro」，1M context 也尚不能等同一百萬 token 的可靠有效記憶。DeepSeek 自己列出的 selection error 與近似 replay 邊界，更提醒我們：越激進的快取壓縮，越應用長流程失敗案例來驗證，而不是只看平均分數。

三種讀者，現在應該怎麼做？

1. API 使用者：在 9 月 14 日前固定一組自己的真實任務，保存 model ID、時間、成功條件、總 token、首 token 延遲與總成本；路由切換後用同一 harness 再跑一次。
2. 本地部署者：先以約 510.3 GB 的官方混合精度權重工件估算儲存與下載，再分別評估量化、記憶體、KV cache 與互連；不要拿 8B／16B active 當硬體容量。
3. 模型評測者：把官方表格當待重現假說，固定 checkpoint、reasoning effort、prompt、工具權限與評分器。若只改了其中一項，就不能把差距全部歸因於模型。