9月10日，DeepSeek发布了V4.1 Flash。有点反常识的是：这是它新架构系列里尺寸最小的一款，官方却说在基准测试里超过了包括V4 Pro在内的旗舰模型。据报道，9月11日腾讯旗下WorkBuddy、CodeBuddy已全量接入，OpenCode同步接入。对普通开发者来说，最实际的是三件事：模型名怎么换、价格怎么算、老模型什么时候下线。
这次到底变了什么
架构上，V4.1 Flash是552B参数的MoE（混合专家）模型，但用了一套新的Causal-Encoder-Decoder结构，特点是输入和输出不对称——输入只激活8B参数，输出激活16B。翻成大白话：读进去的部分便宜，写出来的部分才贵，而模型总盘子还是很大。这和过去"参数越大越强、成本越高"的线性印象不太一样。
成本上最狠的是缓存。官方称新一代把KV Cache压得很小，对HBM（高带宽显存）的需求降到上一代的1/4，对SSD的需求降到1/8；相比初代模型，KV Cache一共缩小了437倍。这个数字对做Agent、做长上下文应用的人最有意义，因为这类场景里缓存命中的费用往往占大头。
还有个信号：Flash这次是"反超"Pro的。官方已明确将有序下线V4 Pro。过去Flash一直是廉价快速版，如今轻量型号开始接替旗舰，这在国产大模型里并不常见。
对开发者意味着什么
没变的是：OpenAI兼容的调用方式没变，base_url没变，多模态还是"输入图片、输出文字"这个路子。变的是模型名和计费。
模型名方面，新版调用名改为deepseek-flash。旧的deepseek-v4-flash、deepseek-v4-flash-vision-exp已经下线，出于兼容会被临时路由到V4.1 Flash。据官方说明，北京时间9月14日12:00之后，deepseek-v4-pro的请求也会全部路由到V4.1 Flash，并按V4.1 Flash单价计费。也就是说，代码里写死了老模型名，短期不会报错，但效果和价格在悄悄变。
计费是峰值、闲时两档。闲时缓存命中输入0.02元/百万token，缓存未命中输入1元/百万token，输出4元/百万token；高峰时段（工作日9:00–12:00、14:00–18:00）按2倍计。据报道，缓存命中价相比上一代下降约六成。
代码最简单，基本就是改一个字符串：
fromopenaiimportOpenAI client=OpenAI(api_key="sk-你的key",# 在 platform.deepseek.com 申请base_url="https://api.deepseek.com",)resp=client.chat.completions.create(model="deepseek-flash",# V4.1 Flash 的新模型名messages=[{"role":"user","content":"用 Python 写一个快速排序，带注释"}],)print(resp.choices[0].message.content)``` 标准openai库即可，不用换SDK。## 怎么选、怎么省、有哪些坑1.**批量任务挪到闲时。**输出单价闲时是高峰的一半，数据清洗、离线摘要、批量代码生成这种不急的活丢到晚上跑，账单能省一半；在线客服、实时补全这类场景就别为了省钱去等。2.**固定前缀，让缓存命中。**命中0.02元 vs 未命中1元，差50倍。做法是把系统提示、固定的知识片段放在消息最前面，且不随轮次改，后面再拼用户输入。前缀一变，缓存就废了。3.**别迷信"反超旗舰"的宣传口径。**官方基准和你的业务常有差距。上生产前用真实样本跑一遍，重点看格式遵循率、长上下文里指令有没有丢、以及你这类图片上的理解准确率。有测评称速度有数倍提升，但那些数字来自内测第三方，正式版要自己测。4.**留个回滚开关。**模型名、价格、能力这一周内都调整过，把模型名做成配置项，出问题能一键切回，别硬编码。 想自己部署的话，模型已在Hugging Face开源；官方称大规模部署需要2k卡GPU和存储集群，这门槛一般团队够不上，走API更现实。 这一代的关键词，其实是"便宜"和"够快"一起到位，而不是单纯堆参数。你最近有没有把线上模型换掉？换来换去省下的钱，够不够覆盖重调一遍prompt的时间，评论区聊聊。
