9 月 10 日，DeepSeek 正式发布 V4.1 Flash，国家超算互联网同步上线其 API 服务，用户登录即可一键调用。官方把它定位为「新结构系列里最小尺寸的模型」——552B 参数的 MoE 架构，支持原生多模态视觉理解，采用全新的非对称 Encoder-Decoder 结构，输入仅激活 8B、输出 16B。经多方测试，它在性能、费用、速度、总用时等指标上已全面超越 V4 Pro 等旗舰。最小尺寸的模型反过来打旗舰，这个反差本身就说明架构换了代。几个细节值得拆开看。第一是非对称的输入输出激活：输入端只激活 8B，输出端 16B，意味着读长文档时算力开销被压得很低，而生成侧保留足够容量保证质量。第二是原生多模态视觉理解——不是外挂一个视觉模块，而是模型本身就能看图。第三是它对 KVCache 的压缩，官方称大幅降低了 HBM 和 SSD 需求。DeepSeek 说这套新结构的设计初衷是：能力上限更高、推理速度更快、吞吐更大，并且可以扩展到更大参数的模型。换句话说，Flash 只是这代结构的最小验证版。这次发布最有意思的连锁反应发生在资本市场：DeepSeek 新架构把 HBM 需求砍到约四分之一，存储芯片厂商股价应声下挫，SK 海力士当天跌超 3%。逻辑并不复杂——过去两年 AI 硬件的核心叙事是「模型越大、显存越贵」，谁掌握了 HBM 谁就吃到红利；而一旦模型侧通过架构优化把显存需求压下来，最紧缺的环节就不再紧缺了。这也是国产模型少见地反向影响全球硬件链的一刻：优化算法，等于重新定价硬件。官方特别提到，新模型降低的是「Agent 类任务成本」——这类任务的特点是要反复调用工具、来回读写很长的上下文，恰恰是最烧显存和算力的场景。配合此前 V4-Flash 系列的降价（输出价最高降 60%、采用峰谷定价），一条清晰的路线浮出来了：DeepSeek 在用架构效率换单位成本，把「跑得起智能体」变成中小团队也负担得起的事。对普通用户来说，最直接的体感可能不是跑分，而是接下来各种 AI 应用的调用价格会更低、响应会更快、长文档和图片也能直接丢进去了。从 V3、R1 到 V4.1 Flash，国产大模型这一轮的竞争重点已经明显从「堆参数」转向「改结构、降成本、进企业」。Flash 这份答卷交得不错，接下来真正的看点，是这套非对称结构能不能稳定扩展到更大的参数规模——如果那一步成了，故事的体量会完全不同。
