# 影片筆記：DeepSeek V4.1 Flash开源了！百万上下文＋视觉理解＋超长输出，新模型亮点与API价格一次看懂


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結

DeepSeek V4.1 Flash 模型正式開源並全量上傳至 Hugging Face，採用 552B 參數的 MOE 架構與獨特的 CDE 結構優化，在多项基準測試中表現優異，官方已將 V4 Pro 路由至該模型；講者同時演示了自研的本地大模型推理框架，成功接入並測試該模型。

## 核心重點

*   **開源與架構**：DeepSeek V4.1 Flash 已全量開源於 Hugging Face，提供 FP8 格式。模型參數規模為 552B，採用 MOE 架構。
*   **技術創新**：
    *   將 Transformer 結構優化為 CDE 架構：由原 40 層轉換器改為 20 層「英國編碼器」+ 20 層解碼器。
    *   加速技術：實現 KV 緩存加速，將 KV 緩存降低至原來的 1%。
    *   使用壓縮的吸收注意力算法及各層級吸收索引器限制索引。
    *   預填充激活參數 8B，解碼速度 16B。
*   **性能表現**：
    *   宣稱為原生多模態大模型，預訓練即使用多模態語料。
    *   在 Terminal Branch Center 測試中獲得 30 分（優於 Kimi 5.3，低於 Opus 5 和 GPT 5.6/6）。
    *   在 Deep SWE v1.1 版本測試中取得最佳成績。
    *   安全測評 88 分，自動化 54 分。
*   **市場定位與路由**：
    *   被定位為國內第三家具備世界前沿級多模態加長上下文態梯堆的大模型（前兩家為 Kimi、千問）。
    *   官方官網已將 DeepSeek V4 Pro 路由至 DeepSeek V4 Flash 4.1。
*   **部署與生態**：
    *   官方未推出 VM 和 SGLAN 部署支援，但預計很快會有支援。
    *   官網版本疑似加入 Dspark 加速，但開源版本文件中未見相關描述。
    *   API 接入時，統一名稱 DeepSeek V4 Flash 或 DeepSeek Flash 均可接入。
*   **自研工具演示**：講者展示了自研的本地大模型推理框架，支援對話、Agent、視頻通話、TTS、生圖、OCR 等功能，並成功接入 DeepSeek V4 Flash 進行測試。

## 詳細大綱

### 1. DeepSeek V4.1 Flash 模型發布與架構
*   **開源狀態**：正式開源，全量上傳 Hugging Face。
*   **格式與規模**：FP8 格式，模型全中 510G，552B 參數。
*   **架構創新細節**：
    *   採用 MOE 架構。
    *   CDE 架構調整：由原 40 層轉換器改為 20 層英國編碼器 + 20 層解碼器。
    *   加速技術：前局 KV 緩存加速、預填充激活參數 8B、解碼速度 16B。
    *   KV 緩存降低至 1%。
    *   壓縮的吸收注意力算法及各層級吸收索引器限制索引。

### 2. 模型能力與評測表現
*   **多模態能力**：原生多模態大模型，預訓練即使用多謀態（多模態）語料。
*   **測試分數**：
    *   Terminal Branch Center：30 分（優於 Kimi 5.3，低於 Opus 5 和 GPT 5.6/6）。
    *   Deep SWE v1.1：最佳成績。
    *   安全測評：88 分。
    *   自動化：54 分。
*   **市場定位**：國內第三家具備世界前沿級多模態加一照上下文態梯堆的大模型（前兩家為 Kimi、千問）。
*   **官方路由**：官網將 DeepSeek V4 Pro 路由至 DeepSeek V4 Flash 4.1。

### 3. 部署與生態
*   **部署情況**：官方未推出 VM 和 SGLAN 部署支援，但預計很快會有支援。
*   **加速技術爭議**：官網版本疑似加入 Dspark 加速，但開源版本文件中未見相關描述，需觀察三方是否接入。
*   **API 接入**：統一名稱 DeepSeek V4 Flash 或 DeepSeek Flash 均可接入。

### 4. 講者自研工具演示
*   **功能介紹**：本地大模型推理框架，支援對話、Agent、視頻通話、本地/雲端模式、TTS（Edge TTS/OpenAI 兼容）、生圖（本地 MRX/雲端）、OCR、翻譯、提示詞倉庫。
*   **技術支援**：支援 Nameter CPP、VRM、SGLAN 本地部署；支援 GGOF 格式模型下載。
*   **模型支援**：內置 DeepSeek、千問、質樸、Kimi、豆包、文心一言、騰訊、Binimax、科大訊飛、借阅等廠商模型。
*   **測試結果**：在講者工具中成功接入並測試 DeepSeek V4 Flash 模型。

## 工具 / 模型 / 名詞整理

*   **模型名稱**：
    *   Deepseek V4.1 Flash
    *   Deepseek V4 Flash
    *   Deepseek V4 Pro
    *   Flash Vision XP
    *   Kimi 5.3
    *   Opus 5
    *   GPT 5.6 / GPT 6
    *   千問 38
    *   DeepSick V4 Pro
*   **技術架構/術語**：
    *   MOE 架構
    *   CDE 架構
    *   英國編碼器
    *   解碼器
    *   KV 緩存
    *   預填充
    *   吸收注意力算法
    *   吸收索引器
    *   MHC
    *   enggram 的存儲器
    *   多謀態（多模態）
    *   預訓練
    *   Dspark / despark
    *   VM
    *   SGLAN
    *   GGOF 格式
    *   OpenAPI 協議
    *   VModel
    *   Chatter
    *   Response
    *   VMessage
    *   Speech
    *   py agent
*   **平台/網站**：
    *   Hugging Face
    *   Deepseek 官網
    *   Terminal Branch Center
    *   Deep SWE
    *   Codex
    *   Codex Computer Use
    *   GitHub
    *   7166
*   **其他工具/技術**：
    *   Edge TTS
    *   OpenAI 兼容協議
    *   MRX 生圖
    *   OCR
    *   Nameter CPP

## 操作流程整理

1.  **獲取模型**：前往 Hugging Face 下載 DeepSeek V4.1 Flash 的 FP8 格式全量模型。
2.  **配置環境**：使用講者自研的本地大模型推理框架，或支援 GGOF 格式及 Nameter CPP、VRM、SGLAN 本地部署的環境。
3.  **接入模型**：
    *   在工具中選擇或輸入模型名稱，可使用「DeepSeek V4 Flash」或「DeepSeek Flash」作為統一名稱進行 API 接入。
    *   若使用官方路由，DeepSeek V4 Pro 已自動路由至 DeepSeek V4 Flash 4.1。
4.  **功能測試**：
    *   在自研框架中進行對話、Agent 任務、視頻通話、TTS、生圖、OCR 等測試。
    *   驗證模型在 Terminal Branch Center 及 Deep SWE v1.1 等基準下的表現。

## 值得注意的限制或風險

*   **部署支援延遲**：官方目前未推出 VM 和 SGLAN 部署支援，需等待後續支援。
*   **加速技術不一致**：官網版本疑似加入 Dspark 加速，但開源版本文件中未見相關描述，三方接入效果需觀察。
*   **術語辨識風險**：筆記中記錄的許多技術術語（如「英國編碼器」、「多謀態」、「7166」等）存在高辨識錯誤風險，實際應用時需查證原始資料。

## 逐字稿辨識疑點

*   **「模型全中的 510 個 G」**：語意不通，疑為「模型全量」或「模型大小」之聽寫錯誤。
*   **「CDE 的架構」**：需查證是否為特定架構縮寫，或為口誤。
*   **「英國編碼器」**：在深度學習架構中極少見此名稱，疑為「編碼器」或特定技術名稱之聽寫錯誤。
*   **「前局的 KV 緩存」**：疑為「前向」或「預填充階段」之聽寫錯誤。
*   **「多謀態」**：應為「多模態」之聽寫錯誤，但依規則保留原樣並標註疑點。
*   **「Terminal Branch Center」**：需查證此測試基準之正確名稱。
*   **「Deep SWE」**：需查證此測試基準之正確名稱。
*   **「一照上下文態」**：語意不明，疑為「長上下文」或類似概念之聽寫錯誤。
*   **「梯堆」**：語意不明，疑為「梯隊」之聽寫錯誤。
*   **「Deepstick」**：應為「DeepSeek」之聽寫錯誤。
*   **「VM 和 SGLAN」**：需查證 VM 是否指代特定部署框架（如 vLLM？），SGLAN 需查證是否為 SGLang。
*   **「Dspark / despark」**：需查證此加速技術之正確名稱。
*   **「7166」**：講者提及「來到我們的 7166 裡面」，疑為某個內部工具、版本號或平台名稱之聽寫錯誤。
*   **「Nameter CPP」**：需查證此技術名稱是否正確。
*   **「Binimax」**：需查證是否為「MiniMax」之聽寫錯誤。
*   **「借阅」**：需查證是否為某一大模型廠商名稱（如「月之暗面」Moonshot AI？或其他）之聽寫錯誤。
*   **「千問 38」**：需查證是否為「千問」特定版本或型號之聽寫錯誤。
*   **「質樸」**：需查證是否為某一大模型廠商名稱之聽寫錯誤。
*   **「engram 的存儲器」**：需查證此術語是否正確。
*   **「MHC」**：需查證此縮寫在此語境下的含義。
*   **「VModel / Chatter / Response / VMessage / Speech / py agent」**：需查證這些是否為該自研框架中的特定模組或 API 名稱。

## 可延伸追問

*   DeepSeek V4.1 Flash 的 CDE 架構具體如何運作？「英國編碼器」是否為特定技術術語的誤聽？
*   官方官網路由至 V4.1 Flash 後，API 價格與性能是否有具體變化？
*   自研框架中提到的「7166」具體是指什麼工具或平台？
*   Dspark 加速技術在開源版本中未提及，是否會影響實際部署性能？
*   Terminal Branch Center 和 Deep SWE 的具體評分標準為何？