Baseten 将 DeepSeek-V4.1-Flash 添加到模型 API，支持 1M 令牌上下文

DeepSeek-V4.1-Flash 现已在 Baseten Model APIs 上可用，Baseten 宣布于 2026 年 9 月 11 日，将 552B 参数的多模态混合专家（MoE）模型引入该推理平台，该模型在 1M 令牌上下文窗口中，预填阶段使用 8B 活跃参数，解码阶段使用 16B。

DeepSeek 在 Hugging Face 上发布了模型的开放权重，DeepSeek 的官方公告日期为 2026 年 9 月 9 日。该模型接受文本和图像输入并生成文本输出，模型卡片指出仓库和权重采用 MIT 许可证。Baseten 将 V4.1-Flash 描述为 DeepSeek 2026 年的第三次开放权重 flash 发布，并且是唯一在其规模上使用 DeepSeek 所称的因果编码器-解码器架构的模型。公司表示，Baseten 的 Loops 训练产品支持即将推出。

报告的基准测试结果

模型卡片报告了在最大推理努力设置 100 下的指令模型结果：V4.1-Flash 在 Terminal-Bench 2.1 上得分 90.6，V4-Flash 为 82.7，V4-Pro 为 87.9；在 DeepSWE v1.1 上得分 74.2，分别为 54.4 和 62.7；在 AutomationBench 上得分 54.8，分别为 37.7 和 43.2。Baseten 强调了相同的编码和代理指标，称 V4.1-Flash 在参数总量约为三分之一的情况下胜过 V4-Pro，同时警示 AutomationBench 上的 54.8 表明模型在约一半的复杂工作流中失败，并建议团队在代理流水线中保持人工参与。

在卡片对比前沿模型的最大努力下，V4.1-Flash 在 GPQA Diamond 上得分 90.9，Codeforces 评级为 3471，并在带工具的 HLE 上得分 63.9。Baseten 表示，V4.1-Flash 是 DeepSeek 首个具备原生图像输入的非实验模型，此功能此前仅限于实验性的 V4-Flash-Vision-Exp；其表格显示新模型在 Chartography 上得分 78.9，ZeroBench 上得分 49，而实验模型分别为 64.3 和 35。

因果编码器-解码器架构

根据模型卡片，V4.1-Flash 将 40 层 Transformer 组织为 20 层因果编码器后接 20 层解码器，解码器的全局键值（KV）缓存从最终编码器隐藏状态投射，而非来源于每层解码器自身的隐藏状态。该设计在预填阶段每个令牌激活 8B 参数，在解码阶段激活 16B 参数；Baseten 将其与 V4-Flash 进行对比，后者在两阶段均激活 13B 参数，称此变化是用更轻的预填换取更重的解码，Baseten 表示此配置提升了编码代理的成本效率，因为其代理循环产生的预填令牌远多于解码令牌。

卡片报告称，模型的压缩稀疏注意力 2 为每个注意力层分配三种静态模式之一（Full、Reindex 或 Reuse），解码器中的层次稀疏索引器使更深层的索引成本与上下文长度无关。结合 FP4 主 KV 缓存，这些设计将全局 KV 缓存降低至每个令牌 890 字节，约为 V4-Flash 的四分之一，卡片指出。另一机制 SWA Bounded Replay 通过仅回放最近的令牌来重建缺失的滑动窗口注意力 KV 状态，将持久 KV 占用降低至约 V4-Flash 的八分之一。DeepSeek 的公告称，这相当于前一代 HBM 的四分之一、SSD 存储的八分之一。

根据卡片，每个 MoE 层使用一个共享专家和 384 个路由专家，每个令牌激活六个路由专家，模型还加入了 196B 参数的 Engram 条件记忆以及 DSpark 推测解码。DeepSeek 从头在 45T 令牌的多模态语料上训练模型，稀疏注意力在 64K 序列长度下训练，并将上下文扩展至 1M 令牌（共 34T 令牌）。后训练阶段采用标准的监督微调、强化学习以及策略内蒸馏序列，实质性改动集中在大规模自动合成代理任务和环境上，模型提供了从 1 到 100 的可持续可控推理努力设置。

DeepSeek API 迁移与 Baseten 服务

DeepSeek 表示，V4-Flash 和 V4-Flash-Vision-Exp 已在其平台上退役，旧 API 模型名称暂时路由至 V4.1-Flash 以保持兼容性。新 API 定价于 2026 年 9 月 10 日 04:00 UTC 生效，非高峰费率为高峰费率的 50%，且 DeepSeek 将官方合作伙伴 WorkBuddy（包括 CodeBuddy）和 OpenCode 列为全面支持 V4.1-Flash 的合作伙伴。

Baseten 表示，其 推理 堆栈使用 NVIDIA Dynamo 并具备 KV 缓存感知路由来提供模型服务，将每个请求引导至已持有其前缀的副本，而非任意空闲副本。该模型通过 Baseten 的模型库提供，针对需要预留容量的团队提供专用部署。

自 2026 年 9 月 14 日 04:00 UTC 起，所有 deepseek-v4-pro 请求将以 V4.1-Flash 的费率路由至 V4.1-Flash，DeepSeek 表示此安排将持续至 V4.1-Pro 推出；实验室称，多方测试显示 V4.1-Flash 在性能、成本、速度和总体运行时间上均优于 V4-Pro。