我用DeepSeek API跑了一个月Agent 今天Flash一升级 账单直接砍了三分之一

昨天中午12点，DeepSeek悄悄把API价格表换了。

我正好在改一个Agent工作流的提示词，顺手看了一眼后台账单。

新Flash模型缓存命中输入0.02元/百万Token，缓存未命中1元，输出4元。闲时和峰时两档，峰时翻倍。

我拿自己跑了一个月的调用量算了一笔账：同样的工作流，换成V4.1 Flash之后，日常开销大概降了三分之一。

关键是——模型还变强了。

这次V4.1 Flash的架构挺有意思。

552B参数的MoE模型，用了一套全新的Causal-Encoder-Decoder结构。输入激活8B，输出激活16B。读和写用的计算量不一样。

为什么这么设计？

跑过Agent的人都知道，我们一次调用扔进去的输入可能有几万甚至几十万Token——代码仓库、工具返回、多轮对话历史。但模型吐出来的往往就几十到几百个Token，一个工具调用或者一段代码diff。

输入输出比可能到100:1甚至1000:1。

既然绝大部分计算都在"读"，那把读的部分压到8B，直接砍掉大半推理成本。这个思路很实际。

更狠的是KV Cache压缩。

官方数据：V4.1 Flash对HBM的需求降到上一代的四分之一，对SSD的需求降到八分之一。

做过长上下文Agent的都懂，KV Cache才是账单里的大头。系统提示词、RAG召回的文档、工具说明——这些前缀每次请求都在重复发送，缓存命中费用占比极高。

闲时缓存命中价格从老Flash的0.05元降到0.02元，降了60%。

同样的Agent跑一天，光缓存这一项就能省不少。

还有一个让我意外的安排。

DeepSeek同时宣布：9月14日下线V4 Pro。所有deepseek-v4-pro的请求自动路由到V4.1 Flash，按Flash价格收费。

Flash全面超越Pro，然后把Pro踢下线，老用户自动切到新模型、自动降价。

不用改一行代码，不用跑回归测试。请求照发，后端自动切换，月底账单自己会说话。

说实话这个操作挺少见的。一般厂商升级模型都是让你手动换版本，出了问题自己兜。DeepSeek这波属于"我替你做决定，但确实帮你省钱"。

性能方面我核对了官方公布的基准数据。

GPQA Diamond（科学问答）90.9分，Codeforces编程评级3471，Terminal-Bench 2.1（终端任务执行）90.6，CyberGym（网络安全）88.1。对比V4 Pro此前公布的成绩——Terminal-Bench 2.1是87.9，CyberGym是83.3——确实是全面提升。

还有一个实际体感：V4.1 Flash现在原生支持视觉理解。以前视觉能力只在V4 Flash Vision Exp那个实验模型上有，现在读代码、写代码、看截图、修bug全在一条执行链上完成，不用做上下文交接。

我拿官方给的测算口径套了自己的用量：一次典型Agent任务，100万缓存命中输入Token、10万未命中输入、1万输出，闲时费用从0.245元降到0.16元——降了约35%。

技术报告也同步开源了，权重放在Hugging Face上。

副标题很直接："Pushing the Limits of KV Cache Compression"——把KV Cache压缩推到极限。

技术报告里有两个细节值得说：稀疏注意力是从零开始训练的，视觉模块也是从零训起，不再走以前Flash Vision-Exp的外挂路线。

这套架构的野心不在Flash本身。552B只是新结构家族里最小的一员，后面还有更大参数规模的型号要出。

对于每天靠API干活的人来说，这个信号很清楚：

Flash级别的能力已经能吃掉上一代Pro的活，价格还在往下走。大模型厂商抢市场份额的阶段，价格战只会更猛。

我现在比较好奇的是：等V4.1 Pro出来，又能把性价比推到什么位置。

一个Flash就把Pro干掉了。下一个被Flash干掉的，会是谁家的Pro？