DeepSeek-V4.1-Flash 发布：新架构、原生多模态、KV 缓存压到 890 字节/token

按 2026-09-10 发布当天的状态整理，2026-09-29 回官方页面复核过一遍：V4 Pro 的去留有变化（见下方更新说明），「同期其它发布」里 GPT-6 Astra 和 Gemini 3.8 Flash 的价格补上了官方数字。架构与评测数字来自技术报告，价格与接口来自 DeepSeek 官方 API 文档，社区实测单独标注来源。页末附全部来源。

hihi！洛洛来了！

洛洛是在宿舍熬夜赶稿的时候刷到这条的，群里突然开始刷「V4.1」。第一反应是：哦哦，小版本嘛，就加了个 .1，明天再看。

结果点进去人傻了——它宣布要把上一代旗舰 V4 Pro 下架。版本号只动了小数点后面一位，打算把自家最贵那个模型的请求全转到这个便宜的身上，还按便宜的价钱收。wc。（后来官方又把 V4 Pro 留下了，见上面的更新说明。）

洛洛不懂什么因果编码器，但「小版本把旗舰干掉」这种事，就算零基础也知道值得看一眼。下面的数字全是官方口径，洛洛一个都没敢改，只在旁边写了点自己的读后感。

一句话总结

如果你今天只有三十秒，看完这一段就可以走了。

DeepSeek 在 2026-09-10 正式发布 DeepSeek-V4.1-Flash：全新的「因果编码器-解码器」架构，552B 主干参数的 MoE，处理输入时只激活 8B 参数、生成时激活 16B，支持 100 万 token 上下文，原生看图，权重 MIT 开源。官方称它在性能、费用、速度、总用时上全面超越 V4 Pro，因此宣布 V4 Pro 将下线，请求全部路由到 V4.1 Flash 并按 Flash 价计费；一两天后又改口，9 月 14 日之后继续提供 V4 Pro，计费方式不变。一个版本号只带 .1 的「小更新」，差点把上一代旗舰下架了。

时间线

洛洛习惯先看时间线，因为看日期是最不需要技术背景的环节。这条线从 4 月排到 9 月，密到有点喘不上气：

从内测到正式发布只隔了两天，社区把它叫作「教科书级的中间版本发布」。

关键数字

这张表洛洛只看懂了一行，但那一行就够了：全局 KV 缓存 890 字节/token，约为上一代 V4-Flash 的 1/4、V1 的 1/437。省显存省到这个地步，后面那个低到不像话的价格才说得通。

参数量口径为什么对不上：Hugging Face 页面显示「485B params」，技术报告写 552B 主干加 196B Engram。Hugging Face 是按 safetensors 里的元素数统计的，而专家权重以 FP4 存储、两个值打包进一个 int8，278.6B 个 I8 元素对应约 557B 个 FP4 参数，和报告的 552B 主干基本吻合。这是打包方式造成的计数差异，不是两个不同的模型。另外网上有把「284B / 13B 激活」安在 V4.1 头上的说法，那是 4 月 V4-Flash 的数字，不要混用。

架构：省在哪里

这一节洛洛是真看不懂，不懂但看着牛逼。默子老师说重点就一句话：这一代不是冲着算力去的，是冲着「省缓存」去的。往下是报告原文的拆解，洛洛不敢瞎解释，照搬：

这一代的目标很明确：agent 场景输入远多于输出，瓶颈已经从算力转到 KV 缓存占用的显存、SSD 与带宽。技术报告标题干脆就叫《Pushing the Limits of KV Cache Compression》。V4.1 从架构、缓存精度、部署三层同时下手。

因果编码器-解码器（CED）。40 层被劈成两半。后 20 层（解码器）的全局 KV 不再由各层自己算，而是直接从第 20 层的隐状态投影出来。于是处理输入时只需跑前 20 层，激活 8B；生成时才跑完整 40 层，激活 16B。prefill 计算量接近减半。这条路线的源头是微软 2024 年的 YOCO（You Only Cache Once），DeepSeek 补上了滑动窗口注意力在解码器各层的局部计算。社区有个帖子标题很传神：「encoder-decoder 架构文艺复兴」。

压缩稀疏注意力 2（CSA2）。V4 的 CSA + HCA 混合方案被换成纯 CSA2，去掉了重叠压缩和绝对位置编码。每层静态指定为三种模式之一：

• Full：自己算主 KV、索引器 K，自己选 Top-512
• Reindex：复用上一个 Full 层的 KV，只重新打分选自己的 Top-512
• Reuse：KV 和 Top-K 索引全部复用，直接做注意力

编码器 18 个 CSA2 层每 6 层一组，只有组首是 Full；解码器 20 层每 4 层一组，只有第一组组首是 Full，其余组首是 Reindex。对应到 config.json，全模型只有第 2、8、14、20 层真正产生全局 KV。解码器里还加了「层级稀疏索引器」：第一个 Full 层先选出至多 2048 个块、16384 个候选位置，后面的 Reindex 层只在候选池内打分，索引开销不再随上下文长度增长。

这条线上的前置工作：MIT 的 Cross-Layer Attention（2024）解决「层间别重复存」，IndexCache 与 YOIO（2026）解决「层间别重复选」，HySparse（2026）两者都做。CSA2 的特点是把 KV 共享和索引复用解耦成三种模式，同时覆盖条目大小、序列、层三个压缩维度。

FP4 主 KV 缓存。主 KV 用 E2M1 格式，每 16 通道一个 E4M3 缩放因子，省掉 NVFP4 的全局缩放；后训练阶段做量化感知训练。相比 V4 的 FP8，主 KV 存储再减半。滑动窗口注意力的 KV 对量化敏感，仍留 FP8。

SWA 有界回放。V4 部署时持久化缓存里近一半是滑动窗口 KV，但这部分只在会话内分钟级复用，存到 SSD 很浪费。V4.1 干脆不持久化它，改放在每台机器 10% 主机内存组成的分布式池里，TTL 只有几分钟；缓存命中但缺 SWA 状态时只回放最近 128 个 token 近似重建。报告称质量损失可忽略，持久化缓存因此再减半。全局 KV 仍保证至少 72 小时可命中。

其它升级：

• Single-Pass mHC：多残差流的输入混合系数错后一层，配合 Mega-mHC 融合内核，激活访存减半
• Engram：196B 条件记忆参数放在第 1 和第 14 层，压缩词表 99092、最长 4-gram，FP8 存储，推理时从主机内存通过 RDMA 预取
• DSpark：内置的投机解码模块（不是单独的草稿模型仓库），3 层 drafter 一次并行出 5 个草稿位置，按置信度动态决定验证长度
• 优化器：Query / Key 权重用按头拆分的 Muon；Engram 表、词嵌入、输出头改用「动量 + Sinkhorn 平衡」更新，只需一个动量缓冲，效果好于 Adam

综合效果：上下文从 4K 拉到 1M（256 倍），单 token 解码 FLOPs 只增加约 1/4；绝大多数层在 prefill 只需 15 个内核、decode 只需 11 个。部署上采用编码、prefill、decode 三段分离（EPD），视觉编码可以独立扩缩。

训练

• 预训练 45T tokens，批大小固定 100.6M tokens，学习率 2.6e-4 到 28T 后余弦衰减至 2.6e-5；从零就用 64K 序列的稀疏注意力训练，没有稠密注意力预热，34T 时扩到 1M，全程无不稳定
• Base 模型对比：知识、推理、代码整体与 V4-Pro-Base 相当，总参数只有它的 1/3、激活 1/4。MMLU-Pro 74.1 对 73.5，HumanEval 79.4 对 76.8；但事实性知识仍有差距，SimpleQA-Verified 42.3 对 55.2
• 数据管线专门过滤了「信息增益低的模型生成内容」，包括弱模型输出和低质机翻，视作隐式重复；代码语料加入了更多新开源仓库与 commit
• 后训练明确写了「没有算法创新」：SFT、RL、在线策略蒸馏（40 多个教师模型）都是标准做法，全部投入在数据与环境管线上：自动合成「问题 + 环境 + 验证器」三元组、从真实工作流复刻 mock 工具、多 agent 协作从 GitHub 仓库自动造编码任务
• 自建沙箱平台 DSec 支撑百万级并发容器，单机 2500 个以上。RL 过程中 agent 会利用 XFS、AppArmor 的已披露漏洞、从镜像服务泄露答案、甚至删掉文件系统，全靠 AppArmor 与 eBPF 网络策略兜底
• RL 跨多种脚手架联合训练：Claude Code 多个版本、OpenCode、Pi、DeepSeek Harness，性能随累计 RL 步数持续上涨；多个 RL 运行的检查点做模型合并后再起下一轮

评测（Max 推理强度）

洛洛看榜单的方式很朴素：先找加粗的格子。加粗的位置挺集中，基本都在「agent 干活」那一类基准上。

以下摘自技术报告 Table 3，均为 DeepSeek 自测，对比模型按报告原名。截至发布当天，Artificial Analysis、LMArena、SWE-bench、Terminal-Bench 官方榜都还没有 V4.1 Flash 的独立分数。

怎么读这张表：

• 日常编码与办公类 agent 任务（Terminal-Bench 2.1、DeepSWE、AutomationBench、Agents' Last Exam）已经追平甚至超过闭源旗舰
• 需要专家领域知识的科学类 agent 任务（Terminal-Bench 3.0 / 4.0）与 Opus-5 仍有明显差距，报告自己也承认
• 多模态超过开源对手 Kimi-K3，但整体不如闭源顶级模型
• HLE 这类纯知识题是它的短板，与 Base 模型 SimpleQA 的差距一致
• 网络安全类基准（CyberGym、SEC-Bench Pro）是开源模型里的新高，报告顺带提醒这是双刃剑，呼吁用于防御研究

对比对象的背景：Claude Opus 5 是 2026-07-24 发布的闭源模型；GPT-5.6 Sol 2026-07-09 全面可用；Kimi-K3 2026-07-16 发布，2.8T 总参 / 104B 激活，权重 07-27 开放；GLM-5.3 2026-08-14 发布，743B 总参，08-25 开源。V4.1 Flash 的总参数只有 Kimi-K3 的 1/5，激活参数不到它的 1/6。

换脚手架不掉太多（Table 4，DeepSWE v1.1 / Terminal-Bench 2.1）：

Claude Code 四个版本（v2.1.105 到 v2.1.259）的平均是 DeepSWE 68.9、Terminal-Bench 2.1 87.8，版本间波动不到 2 分。报告还观察到：同一个模型在不同脚手架下对推理强度的响应曲线不一样，Claude Code 最平、多花 token 最少，DeepSeek Harness 起点最低但涨幅最大。任务接近饱和时，选脚手架和选强度档一样重要。

推理强度可调

训练时在 system prompt 前加一行 Reasoning Effort: {1-100}，RL 奖励里按强度指数衰减地惩罚 token 数。公开 API 三档对应 low = 50、high = 75、max = 100。

报告给的曲线：强度从 25 调到 100，8 个推理基准平均从 67.1 涨到 76.3，DeepSWE 从 66.0 到 74.2，Terminal-Bench 2.1 从 82.4 到 90.6，代价是输出 token 约 2.5 倍（AIME 2026 从 4.6k 到 11.4k，MathArena Apex 从 29.1k 到 86.1k）。60 到 80 区间已拿到大部分收益，最后一档只换来边际提升却把 agent 轨迹拉长 1.6 到 1.8 倍。官方建议日常 agent 工作用中等强度，最难的任务再开 max。

在 API 里怎么传（OpenAI 兼容格式）：

{
  "model": "deepseek-flash",
  "thinking": { "type": "enabled" },
  "reasoning_effort": "high",
  "messages": [...]
}

思考模式默认开启，默认强度 high。Anthropic 兼容格式用 reasoning.effort，取值 none / low / high / max；Responses API 用 output_config.effort。思考模式下 temperature、presence_penalty、frequency_penalty 会被忽略，top_p 最低 0.95。带 tools 的多轮对话要把历史 reasoning_content 原样传回。

多模态怎么用

• 模型名就是 deepseek-flash，支持 JPEG / PNG / GIF / WebP
• 三种传法：base64 内联、公网 URL、Files API 上传后用 file_id 复用
• 自动等比缩放，大图约缩到 1300×1300，每张图最多 1024 token（上一代 Vision-Exp 是 384）
• 单请求最多 600 张图；图片只能放在 user 消息里
• 有 detail 参数：low / high / original / auto
• App 端把「快速 / 专家 / 识图」三个模式合并为一个入口，日常对话、看图、复杂问题一个模型全接

多 agent 初探

用 DeepSeek Harness 的 Agent Team 模式（主 agent 可 spawn 队友、共享任务板与邮箱），在 ProgramBench 上给 8 小时时限，多 agent Almost@1 达 30.04%，单 agent 20.39%；FrontierSWE v2 给 20 小时，多 agent 32.90% 对单 agent 28.20%。RL 奖励里加了协作奖励和「派生延迟」惩罚（按依赖图的关键路径算），鼓励真并行、惩罚无意义串行。报告标注为初步结果。DeepSeek Harness 本身处于开发者预览阶段。

API 与价格

终于到了洛洛这种零基础选手能百分之百看懂的部分——多少钱。

官方价格表（人民币 / 百万 tokens，峰谷定价，闲时为高峰的一半，2026-09-10 12:00 生效）：

高峰时段为工作日北京时间 9:00 到 12:00、14:00 到 18:00（对应 UTC 01:00 到 04:00、06:00 到 10:00）。美元价高峰为 0.006 / 0.3 / 1.2，闲时减半。相比旧 V4 Flash 三档全降：缓存命中降 60%，未命中降 33%，输出降 11%。原本调 V4 Pro 的请求，换成 deepseek-flash 后费用大约是原来的 1/3 到 1/4；发布时官方说 9 月 14 日后会自动按 Flash 价收，后来撤回了，截至 2026-09-29 想省这笔钱得自己改模型名。价格随时可能调整，以官方价格页为准。

放到同期市场里看（美元 / 百万 tokens，输入 / 输出，各家官方定价页，2026-09 现价）：

闲时价比 Kimi-K3 便宜 20 倍，比 GPT-5.6 Sol 便宜 25 倍以上；国内只有 GLM-5.3 勉强在同一量级。

在 Claude Code 里用

DeepSeek 官方提供 Anthropic 兼容接口，并给了 Claude Code 的接入配置。[1m] 后缀表示启用 1M 上下文：

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=<你的 DeepSeek API Key>
export ANTHROPIC_MODEL=deepseek-flash[1m]
export ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-flash[1m]
export ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-flash[1m]
export ANTHROPIC_DEFAULT_HAIKU_MODEL=deepseek-flash
export CLAUDE_CODE_SUBAGENT_MODEL=deepseek-flash
export CLAUDE_CODE_EFFORT_LEVEL=max
export CLAUDE_CODE_AUTO_COMPACT_WINDOW=786432

兼容接口会把 claude-opus 开头的模型名映射到 deepseek-v4-pro（截至 2026-09-29 仍是 V4 Pro、按 V4 Pro 价计费），claude-sonnet / claude-haiku 映射到 deepseek-flash。支持 tool calls、图片输入、thinking、流式；不支持 documents、MCP connector、code execution 这些 Anthropic 特有能力。Claude Code 本身的用法见 Claude Code 教程。

社区实测怎么说

以下是内测两天内的第三方观察，样本小、时间短，当参考不当结论。

• 速度：官方从未给过具体 tokens/s，只给了相对 Vision-Exp 的分场景倍数（SVG 生成 6.0 倍、49K 长上下文检索 5.2 倍、SQL 5.0 倍、算法题 4.6 倍）。「500 tokens/s」是社区汇总：知乎实测最高 507、多人平均 300 以上，LINUX DO 普遍报 400 上下，英文站给 427。首字延迟没有人给出数字
• 更快不等于更省：虎嗅做了 14 组任务、消耗约 3 亿 token 的实测。视觉任务从几百秒降到十几秒，不再需要外挂 OCR；但同计费口径下总花费比上一代高 36%，因为模型更爱开子 agent，一次游戏开发加小说写作累计开了 37 个子 agent。token 生成快 3 倍，端到端完成时间却没有改善，时间都花在反复调工具验证上
• 长文一致性：同一实测发现小说里章节前后的数字自相矛盾、生成报告时关键指标前后不统一
• Hacker News（399 分、209 条评论）的讨论集中在三点：把 Pro 请求路由到 Flash 还按 Flash 计价是「OpenAI / Google / Anthropic 都不会干的事」；生产环境中途换模型会让基于 system prompt 的行为校准全部失效，需要像 Claude / OpenAI 那样的模型退役 SLA；有人已经用自制 IQ3_XXS 量化（约 3.2 bit）在 Mac Studio 上跑起来，256K 上下文占 117GB
• 一个横评：有人用 Gemini 3.8 Flash、V4.1 Flash、GLM-5.3 Flash 跑 agent 任务、让 Fable 5.1 当裁判，V4.1 Flash 完成率 80% 到 90%，价格是 Gemini 的三分之一

发布当天的生态

• Hugging Face 仓库只带最小 PyTorch 推理实现和 prompt 编码参考，没有 vLLM / SGLang 版本要求或显存说明；页面上的部署按钮是 Hugging Face 通用控件，不是官方推荐
• vLLM、SGLang、llama.cpp、Ollama、LM Studio 都还没有针对 V4.1 的官方支持声明；没有 unsloth / bartowski 这类常见来源的量化版本
• OpenRouter 模型列表里查不到任何 deepseek-v4.1 条目；Vercel AI Gateway 的 beta 页面已随内测下线而 404；硅基流动、火山引擎、阿里云百炼、Fireworks 等仍挂 V4-Flash-0731
• GitHub 上没有单独的 DeepSeek-V4.1-Flash 仓库；同期有更新的是 DeepGEMM、FlashMLA、deepseek-harness，以及 09-08 新建的内核 JIT 编译库 DeepJIT
• 独立评测机构一个分都还没出

开放权重的好处已经体现出来：官方生态还没铺开，个人玩家几小时内就自己量化跑起来了。

对你意味着什么

洛洛按人群分了一下，你对着自己那条看就行。

• 调 API 的：模型名改成 deepseek-flash 就能用上，价格还降了。要是你还写着 deepseek-v4-pro，截至 2026-09-29 它仍是 V4 Pro、按 V4 Pro 价收（官方原定 9 月 14 日中午转给 V4.1 Flash，后来撤回了），想换得自己改模型名。换之前留个心：它的知识面（SimpleQA、HLE）不如 Pro，依赖模型「记得多」的场景一定要自己回归一遍。默认思考强度是 high，心疼成本就显式传 low
• 在 Claude Code / Codex 里接第三方模型的：报告专门拿 Claude Code v2.1.x 脚手架测过，DeepSWE 69.8、Terminal-Bench 2.1 88.0，比它自家 harness 低一点，但可用，官方还给了现成的环境变量配置（见上文）。洛洛只提醒一句：社区实测里它更爱开子 agent，跑长任务前先把预算设好。其它工具的对比见 三大 AI 编程工具对比
• 想自己部署的：权重是 MIT，听着很美好，但 552B 主干加 196B Engram、FP4 / FP8 混合精度，需要 vLLM / SGLang 专门适配，发布当天还没有。社区那个 3 bit 量化在 256K 上下文下要 117GB 内存，洛洛的笔记本听完就装死了
• 有看图需求的：这是 DeepSeek 第一个从预训练开始就原生多模态的正式模型，每张图的 token 上限从 384 提到 1024。前端开发、办公自动化这类需要截图自检的 agent 流程可以直接用，洛洛做设计的活儿刚好吃这个

报告自述的局限

这一节是报告自己写的，洛洛觉得挺难得——愿意把短板列出来的技术报告不多。

• 省缓存那两招本质上都是「近似」：CSA2 的稀疏选择可能出错，SWA 有界回放是靠最近 128 个 token 重建的，极端输入与缓存恢复边界还没充分验证
• 榜单上贴着 Fable-5、GPT-6 Astra 这类顶级模型，报告自己说这不代表最难的推理与边缘任务真的持平
• 评测时它会想办法钻评测环境的空子，比如去反编译 Ubuntu 包找漏洞。报告顺带呼吁新基准优先防作弊——模型学会应试了，这事听着有点可怕之

定位与风险

• DeepSeek 发布时打算放弃双档产品线，赌一个 Flash 能吃下 Pro 的活；一两天后「为响应广大用户的需求」又把 V4 Pro 留了下来。需要 Pro 级知识面的用户暂时还能用 V4 Pro，但新一代的 V4.1 Pro 和 V5 截至 2026-09-29 都只是传闻
• 它的差异化不在分数而在成本结构：从 V4 把 1M 上下文的 KV 缓存压到 V3.2 的 10%，到 V4.1 再压 4 倍，「百万上下文按 Flash 价卖」从 PPT 变成了账单
• 时间点也不偶然：GPT-6 Astra（09-03）、Claude Fable 5.1（09-01）、Gemini 3.8 Flash（09-02）刚扎堆落地，DeepSeek 没有正面拼前沿分数，而是卡在「够用、开源、极低价」这个闭源厂商降不下来的位置

同期其它发布

• 2026-09-03 / 04：OpenAI GPT-6 Astra，因网络安全能力先向受信任的组织开放，09-04 全面可用；API 定价输入 $10、输出 $50 每百万 token，详见本站速览
• 2026-09-01：Anthropic Claude Fable 5.1 / Mythos 5.1，价格不变，Fable 缓存读取降 75%
• 2026-09-02：Google Gemini 3.8 Flash 全面可用，首发价输入 $0.75、输出 $3.75 每百万 token，截止 2026-12-31；2027-01-01 起为 $1.50 / $7.50
• 2026-08-14：智谱 GLM-5.3，743B MoE，08-25 开源
• 2026-08-03：阿里 Qwen3.8-Max，2.4T MoE、1M 上下文、原生视觉理解

洛洛写完这篇最大的感受是：这次真正的新闻不在分数榜上，而在那张价目表和「V4 Pro 的请求 9 月 14 日起全部转过来」这句话里，虽然这句话一两天后就被官方收回了。一个只加了 .1 的版本号差点把上一代旗舰下架，还顺手把价钱又砍一遍，这种事洛洛之前真没见过。

数字都会过期，你看到这篇的时候记得回官方价格页对一眼。更多新模型速览在模型时讯，洛洛继续盯着，先去睡了。

参考来源

官方：

• 技术报告《DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression》：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf（2026-09-10）
• Hugging Face 模型页与 config.json：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash（2026-09-10）
• DeepSeek API 更新日志：https://api-docs.deepseek.com/zh-cn/updates/（2026-09-10 条目；「9 月 14 日之后继续提供 V4 Pro」的改口查看于 2026-09-29）
• DeepSeek 新闻《DeepSeek V4.1 Flash：更强、更快、更普惠》（09-14 起路由 V4 Pro 的原计划，截至 2026-09-29 这页没跟着改）：https://api-docs.deepseek.com/zh-cn/news/news260910（2026-09-10）
• 更新日志网页存档，改口前后对照：https://web.archive.org/web/20260910181636/https://api-docs.deepseek.com/zh-cn/updates/ 与 https://web.archive.org/web/20260912032003/https://api-docs.deepseek.com/zh-cn/updates/（存档于 2026-09-10、09-12）
• DeepSeek API 价格页：https://api-docs.deepseek.com/zh-cn/quick_start/pricing（查看于 2026-09-10，2026-09-29 复核）
• 思考模式与推理强度：https://api-docs.deepseek.com/guides/thinking_mode（查看于 2026-09-10）
• 视觉接口：https://api-docs.deepseek.com/guides/vision/（查看于 2026-09-10）
• Anthropic 兼容接口：https://api-docs.deepseek.com/guides/anthropic_api（查看于 2026-09-10，2026-09-29 复核）
• Claude Code 接入：https://api-docs.deepseek.com/quick_start/agent_integrations/claude_code（查看于 2026-09-10）
• V4-Flash-Vision-Exp 发布说明：https://api-docs.deepseek.com/news/news260821/（2026-08-21）
• DeepSeek-V4 技术报告：https://arxiv.org/abs/2606.19348（2026-06）

同期其它发布（2026-09-29 补充）：

• OpenAI 模型页 GPT-6 Astra（$10 / $50 定价）：https://developers.openai.com/api/docs/models/gpt-6-astra（查阅于 2026-09-29）
• Google 博客《Introducing Gemini 3.8 Flash and 3.8 Flash Cyber》（首发价与截止日期）：https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/（2026-09-02）
• Gemini API 更新日志（09-02 全面可用）：https://ai.google.dev/gemini-api/docs/changelog（查阅于 2026-09-29）
• Gemini API 定价页（首发价与 2027-01-01 起的价格）：https://ai.google.dev/gemini-api/docs/pricing（查阅于 2026-09-29）
• 阿里云百炼「模型上下架与更新」（Qwen3.8-Max 2.4T MoE、视觉理解，0902 快照「延续 100 万上下文」）：https://help.aliyun.com/zh/model-studio/newly-released-models（查阅于 2026-09-29）

媒体与社区：

• IT之家《DeepSeek V4.1 Flash 模型正式发布》：https://www.ithome.com/1/000/719.htm（2026-09-10）
• 腾讯新闻《DeepSeek V4.1 Flash，先给市场 48 小时》：https://news.qq.com/rain/a/20260909A0B58Y00（2026-09-09）
• 网易科技降价报道：https://www.163.com/tech/article/L6CBBJSO00097U7T.html（2026-09-09）
• 虎嗅实测《多模态视觉理解进步明显，复杂任务 Token 消耗增加》：https://www.huxiu.com/article/4889683.html（2026-09-09）
• TechNode 内测报道：https://technode.com/2026/09/09/deepseek-v4-1-flash-multimodal-limited-beta/（2026-09-09）
• Hacker News 讨论：https://news.ycombinator.com/item?id=49624603（2026-09-09）
• BlockBeats《V4.1 Flash 上线 App》：https://www.theblockbeats.info/flash/366294（2026-09-10）

技术脉络：

• YOCO：https://arxiv.org/abs/2405.05254（2024-05）
• Cross-Layer Attention：https://arxiv.org/abs/2405.12981（2024-05）
• IndexCache：https://arxiv.org/abs/2603.12201（2026-03）
• HySparse：https://arxiv.org/abs/2602.03560（2026-02）
• Engram：https://arxiv.org/abs/2601.07372（2026-01）