如果把大模型比作一支专家团队，日常问答不必每次都让所有人同时上场。DeepSeek于9月10日发布V4.1 Flash，瞄准的正是这类高频任务：用更少计算换取更快响应和更低调用成本。所谓Flash模型，就是为低延迟、高吞吐和低成本优化的版本。
据DeepSeek披露，V4.1 Flash是一款552B参数的MoE模型。MoE即“专家混合”，处理每次输入时只调用部分专家网络，而非启动全部参数；该模型输入阶段激活8B参数，输出阶段激活16B参数，并原生支持视觉理解。公司还称，与上一代相比，新模型的硬件内存需求降至四分之一，存储需求降至八分之一，但这些效果数据均来自公司自述。
V4.1 Flash现已接入DeepSeek API，调用名为deepseek-flash，旧Flash名称会暂时转向新版本。它值得关注，不只因为又多了一个模型，更因为竞争正在从“谁的能力上限更高”，转向“谁能把较强能力做得更快、更便宜”。