DeepSeek V4.1缓存暴降437倍：890字节KV缓存反超Opus 5！
内容提要
DeepSeek发布V4.1-Flash，采用FP4精度、CSA2层间缓存复用和CED编解码架构，将每token全局KV缓存压缩至890字节，较初代缩小437倍，百万token会话显存从300GB降至1GB以下。模型总参数552B，Prefill仅激活8B。Agent基准超越Opus 5，但纯推理较弱，且V4 Pro突然下线引发开发者不满。
延伸解读
缓存压缩的代价：能力画像偏移
V4.1-Flash通过FP4精度、CSA2层间复用和CED架构将KV缓存压至890字节，但代价是能力画像的偏移。Agent基准超越Opus 5，纯推理却落后，说明“读多写少”设计更适合工具调用场景，而非深度思考任务。开发者需根据实际负载选择模型，而非盲目追求缓存压缩。
V4 Pro下线：基础设施切换的阵痛
DeepSeek突然宣布V4 Pro下线，仅给四天迁移期，引发开发者不满。模型是生产环境的基础设施，Prompt调试、输出格式、工具调用逻辑都依赖特定模型行为。切换后即使平均能力更强，也可能因指令理解差异导致系统报错。缺乏并行迁移期和回退能力，对已上线系统和科研复现都是风险。
压缩的边界：未解决的近似误差
论文承认SWA Bounded Replay的状态重建是近似的，CSA2的跨层索引复用可能遗漏候选池外的关键信息。这些近似在边界场景下可能导致能力退化，但缺乏系统性测试数据。890字节的缓存虽降低部署门槛，却增加了模型行为的不确定性，开发者需关注长上下文和复杂检索任务中的稳定性。
成本优势与场景匹配
V4.1-Flash缓存命中价格降至每百万token 0.003美元，并发限制从500提升至2500，单卡即可支撑百万token会话。对高频Agent用户，账单变化比基准分数更实际。但科学密集型Agent任务仍落后于Opus 5，选择时需权衡成本与任务类型，避免因缓存压缩牺牲关键场景的可靠性。
Q&A
DeepSeek V4.1-Flash的KV缓存压缩到了多少？相比初代缩小了多少倍？
每token全局KV缓存占用仅890字节，比初代DeepSeek-V1缩小了437倍。
DeepSeek V4.1-Flash是如何实现KV缓存大幅压缩的？
通过三条路线合力：FP4精度从训练阶段直接压到4比特、CSA2让层间共享缓存和索引、SWA Bounded Replay让持久化缓存不再存储滑窗状态。
DeepSeek V4.1-Flash的CED架构有什么特别之处？
CED架构将40层劈成两半：前20层为因果编码器，后20层为解码器。解码器层的全局KV缓存直接从第20层编码器的输出投影出来，Prefill阶段FLOPs接近砍半。
DeepSeek V4.1-Flash在Agent任务和纯推理任务上的表现如何？
Agent基准测试超越Claude Opus 5：Terminal-Bench 2.1拿到90.6%，DeepSWE v1.1拿到74.2%。但纯推理较弱：GPQA Diamond只拿到90.9%，落后于Opus 5的93.4%和GPT-5.6 Sol的94.1%。
DeepSeek V4 Pro下线引发了什么争议？
DeepSeek宣布V4 Pro有序下线，所有请求自动路由到V4.1-Flash，且没有给新旧模型并行迁移期，距离切换不到四天。开发者社区不满，因为生产环境Prompt需重新调试，科研团队实验无法复现。
DeepSeek V4.1-Flash的缓存压缩存在哪些潜在问题？
论文承认两个遗留问题：SWA Bounded Replay的近似性可能在某些边界条件下导致退化；CSA2的索引选择误差，候选池限制为16384个位置，关键信息可能不在池中。
