DeepSeek-V4.1-Flash上线千问平台，552B模型性能超越Pro
9月14日，阿里云宣布DeepSeek-V4.1-Flash正式上线千问AI平台，相关API服务与Token Plan同步开放。该模型凭借552B参数规模，在多项测试中表现优异，甚至超过参数量大得多的...
近日，阿里云宣布DeepSeek-V4.1-Flash正式上线千问AI平台，标志着这一备受瞩目的AI模型进入商业化应用阶段。作为DeepSeek系列的最新力作，V4.1-Flash以552B参数规模在多个核心指标上展现出显著优势，尤其是在长上下文处理和智能体能力方面，其表现甚至超越了参数量高达1.6T的V4 Pro版本。
根据著名测试机构Artificial Analysis的评估，DeepSeek-V4.1-Flash在Intelligence Index上获得40分，不仅超过了DeepSeek自家的V4 Pro，还在多个基准测试中名列前茅。例如在AutomationBench-AA测试中，V4.1-Flash以69%的得分与GPT-6 Astra并列第一，略高于Grok 4.6的67%。此外，V4.1-Flash在CyberGym测试中更是取得了88.1%的高分，远超其他主流模型。
值得注意的是，尽管V4.1-Flash支持长达100万token的上下文处理，其每token的成本却仅为0.27美元，这主要得益于DeepSeek团队在KV缓存压缩技术上的突破性进展。报告显示，V4.1-Flash的全局KV缓存被压缩至每token仅890字节，相较于前代产品降低了约75%，持久化KV缓存也实现了约87.5%的压缩率。这种极致的缓存优化不仅提升了模型的运行效率，也为大规模部署提供了可能。
DeepSeek团队在公告中表示，虽然最初计划下线V4 Pro并将所有请求路由到V4.1-Flash，但考虑到用户需求，决定继续提供V4 Pro的API调用服务，计费方式保持不变。这一调整反映了DeepSeek对市场反馈的重视，同时也为用户提供了更灵活的选择。
从技术架构来看，DeepSeek-V4.1-Flash采用了多模态MoE（混合专家）架构，主干参数552B外加196B Engram参数，使其在处理复杂任务时表现出色。同时，模型在prefill阶段每token仅激活8B参数，decode阶段激活16B，这种动态参数激活机制进一步优化了资源利用效率。
业界普遍认为，DeepSeek-V4.1-Flash的成功不仅在于其强大的性能，更在于其创新的技术实现路径。正如斯坦福大学教授Sebastian Raschka所言，这款模型的创新程度足以将其视为DeepSeek V5版本。随着V4.1-Flash的上线，DeepSeek有望在激烈的AI模型竞争中占据更有利的位置。