0:00.166–0:02.766
zhDeepseek刚刚做了一件反常的事
0:02.900–0:05.400
zh它发布了新一代V4.1Flash
0:05.566–0:07.600
zh却准备让这款名字里带着
0:07.600–0:10.600
zh轻量的模型接管上一代V4Pro
0:10.966–0:13.366
zh北京时间9月14日中午以后
0:13.500–0:15.866
zh用户即使继续调用Pro接口
0:16.000–0:18.666
zh请求也会被转给V4.1Flash
0:18.800–0:20.733
zh而且只收Flash的价格
0:20.933–0:22.666
zh一款便宜模型为什么能
0:22.666–0:24.766
zh让旗舰型号暂时退场
0:24.900–0:26.466
zh答案藏在这次发布
0:26.466–0:28.133
zh最容易被忽略的地方
0:28.566–0:30.700
zhDeepseek换掉了计算方式
0:30.766–0:32.133
zh也开始重新定义
0:32.133–0:34.100
zh什么叫大模型的性价比
0:34.300–0:38.266
zhV4.1 Flash是Deepseek下一代架构
0:38.266–0:40.533
zh家族公开亮相的第一款产品
0:40.866–0:42.500
zh升级范围远超增加
0:42.500–0:44.566
zh视觉模块和改动版本号
0:44.933–0:46.366
zh官方把它称为这个新
0:46.366–0:48.666
zh家族中尺寸最小的成员
0:48.866–0:51.700
zh可它拥有5,520亿个参数
0:51.966–0:53.900
zh这个小只存在于Deepseek
0:54.066–0:56.200
zh规划中的下一代产品线里
0:56.266–0:58.200
zh放到普通开源模型市场
0:58.266–1:00.500
zh它依然是一台需要数据中心级
1:00.500–1:03.066
zh资源才能完整部署的庞然大物
1:03.166–1:04.966
zh5,520亿之外
1:05.000–1:07.666
zh80亿和160亿更能解释
1:07.666–1:09.466
zh这款模型怎样运行
1:09.733–1:12.966
zhV4.1Flash继续采用混合专家模型
1:13.200–1:14.933
zh但输入与输出阶段
1:14.933–1:16.700
zh使用不同的激活规模
1:16.933–1:20.166
zh模型读取内容时大约激活80亿参数
1:20.466–1:23.600
zh生成答案时大约激活160亿参数
1:23.766–1:25.766
zh总参数负责储存能力
1:26.200–1:27.500
zh参与每一步运算的
1:27.500–1:29.566
zh参数则被压到更小范围
1:29.766–1:31.666
zhDeepseek给这种设计起的
1:31.666–1:34.200
zh名字是causal encoder decoder
1:34.600–1:37.600
zh也就是因果编码器与解码器结构
1:37.800–1:40.400
zh为什么要把输入和输出分开算
1:40.666–1:43.166
zh因为AI的工作形态已经变了
1:43.533–1:44.933
zh聊天机器人时代
1:45.066–1:46.200
zh用户问一句
1:46.200–1:47.400
zh模型答一段
1:47.600–1:50.133
zh输入和输出长度相差不大
1:50.266–1:52.166
zh智能体时代完全不同
1:52.166–1:53.933
zh一个代码代理可能先读
1:53.933–1:55.533
zh几十万个TOKEN的仓库
1:55.800–1:58.400
zh检查报错文档和提交记录
1:58.700–2:00.766
zh最后只修改几百行代码
2:00.766–2:03.800
zh一个研究代理可能翻完上百页资料
2:04.000–2:05.533
zh调用十几次工具
2:05.966–2:07.733
zh最后只交付一份报告
2:07.933–2:10.200
zh大量成本花在看懂现场
2:10.400–2:12.900
zh真正写出来的内容反而很短
2:13.000–2:15.133
zh传统架构如果用同一套高
2:15.133–2:17.200
zh成本路径处理所有TOKEN
2:17.466–2:20.200
zh就会在输入阶段浪费大量算力
2:20.466–2:23.400
zhV4.1Flash把读取和生成
2:23.400–2:24.866
zh做成不对称路径
2:25.300–2:27.000
zh让输入侧更轻
2:27.133–2:29.900
zh输出侧再投入更多专家能力
2:29.933–2:32.166
zh这不保证每个任务都更快
2:32.333–2:34.100
zh却准确集中了智能体
2:34.100–2:35.700
zh最常见的成本结构
2:35.933–2:37.933
zhDeepseek要解决的是代理
2:37.933–2:39.700
zh连续工作几小时以后
2:39.866–2:41.566
zh账单能否保持可控
2:41.900–2:43.466
zh单轮回答的价格已经
2:43.466–2:45.266
zh不足以衡量这类产品
2:45.366–2:47.700
zh这也解释了为什么Deepseek把
2:47.700–2:50.200
zh视觉理解直接放进基础架构
2:50.966–2:52.133
zh旧产品线里
2:52.133–2:56.866
zh文本版V4Flash和V4Flash vision xlarge分开存在
2:57.066–2:58.533
zh新版本发布以后
2:58.566–3:00.533
zh这两个旧模型都被下线
3:00.933–3:03.700
zh接口名称暂时转向V4.1Flash
3:03.933–3:05.700
zh开发者不再需要先判断
3:05.700–3:07.933
zh请求属于文本还是图片
3:08.133–3:09.733
zh再选择不同模型
3:10.000–3:13.566
zh截图图表网页界面和文字
3:13.666–3:15.900
zh可以进入同一套推理流程
3:15.966–3:18.533
zh这项产品整合对智能体很关键
3:19.366–3:20.700
zh现实中的电脑操作
3:20.700–3:22.600
zh同时包含文字和画面
3:22.766–3:24.100
zh按钮位置会改变
3:24.100–3:25.766
zh错误提示藏在截图里
3:25.766–3:28.533
zh图表数据没有完整写进网页代码
3:28.533–3:31.733
zh远程桌面甚至指向模型提供画面
3:31.800–3:34.733
zh一个不能稳定理解视觉环境的代理
3:34.966–3:36.333
zh工具再多也只能在
3:36.333–3:37.900
zh半个互联网里行动
3:38.200–3:41.166
zh原生视觉让V4.1 Flash更
3:41.166–3:43.600
zh接近真正的电脑操作模型
3:44.133–3:46.066
zh能力范围已经超出调用
3:46.066–3:48.100
zh搜索接口的聊天机器人
3:48.366–3:49.466
zh深度求索为这套
3:49.466–3:51.100
zh架构设定了四个目标
3:51.366–3:53.533
zh提高能力上限和推理速度
3:53.600–3:54.566
zh扩大吞吐
3:54.700–3:57.300
zh再把同一设计延伸到更大的模型
3:57.500–3:59.333
zh最后一项尤其值得留意
3:59.700–4:02.333
zhV4.1Flash很可能只是这一代
4:02.333–4:04.700
zh架构的第一场公开压力测试
4:04.866–4:06.166
zh输入激活80亿
4:06.166–4:08.333
zh输出激活160亿的设计
4:08.700–4:11.733
zh如果能在大规模API流量里保持稳定
4:11.966–4:14.966
zh未来V4.1Pro就可以沿着同
4:14.966–4:16.600
zh一条路线扩大容量
4:16.766–4:19.566
zh而不用让成本跟参数量同步膨胀
4:20.000–4:21.066
zh模型架构里还有另
4:21.066–4:22.600
zh一条更实际的变化
4:22.766–4:24.733
zhKV cache被继续压缩
4:25.000–4:26.766
zh长上下文模型会把已经
4:26.766–4:28.933
zh处理过的信息保存成缓存
4:29.200–4:32.133
zh避免生成下一个TOKEN时从头计算
4:32.333–4:33.666
zh上下文越长
4:33.700–4:35.100
zh缓存占用越大
4:35.266–4:36.933
zh模型跑100万TOKEN
4:37.266–4:39.133
zh同时服务大量用户时
4:39.300–4:42.266
zh系统瓶颈会同时出现在计算芯片
4:42.566–4:45.866
zh显存容量数据搬运速度与外部存储
4:45.866–4:48.566
zh上Deepseek公布的数据称
4:49.133–4:54.200
zhV4.1Flash对HBM的需求降到上一代的1/4
4:54.300–4:57.000
zh对SSD的需求降到1/8
4:57.000–4:59.533
zh与Deepseek最早一代架构相比
4:59.600–5:02.766
zhKV CACHE累计缩小约437倍
5:03.266–5:05.800
zh这些数字需要等待独立部署测试
5:05.933–5:08.900
zh但它们揭示了产品真正争夺的资源
5:09.100–5:11.700
zh模型公司过去比谁有更多算力
5:11.933–5:13.766
zh现在还要比谁能用更少
5:13.766–5:16.100
zh显存保存更长的工作记忆
5:16.500–5:18.466
zhHBM为什么如此重要
5:18.566–5:21.133
zh因为它是高端AI芯片旁边最
5:21.133–5:23.400
zh昂贵也最紧缺的部件之一
5:23.733–5:26.400
zh模型参数激活值和上下文
5:26.400–5:29.133
zh缓存都在争夺同一块高速空间
5:29.366–5:30.733
zh缓存膨胀以后
5:31.133–5:33.333
zh服务器要么减少并发用户
5:33.400–5:35.300
zh要么增加GPU数量
5:35.400–5:36.900
zh要么把部分数据
5:36.933–5:38.700
zh挪到速度较慢的存储
5:39.100–5:40.900
zh三条路都会增加成本
5:40.966–5:42.500
zh把缓存压下来
5:42.600–5:44.266
zh相当于在不购买同等
5:44.266–5:46.000
zh数量新硬件的情况下
5:46.100–5:48.733
zh为现有服务器腾出更多座位
5:48.966–5:52.200
zhSSD需求下降会减少硬盘投入
5:52.200–5:54.533
zh也会缓解长任务的数据交换
5:54.933–5:56.266
zh为了维持上下文
5:56.266–5:58.366
zh系统可能需要在显存和
5:58.366–6:00.800
zh外部存储之间不断搬运数据
6:01.000–6:02.133
zh交换越频繁
6:02.500–6:03.533
zh延迟越高
6:03.566–6:05.800
zh系统也越难保持稳定吞吐
6:06.066–6:09.166
zhDeepseek把SSD需求压到1/8
6:09.166–6:10.666
zh是在减少智能体
6:10.666–6:12.866
zh长时间运行时的存储交通
6:13.166–6:15.800
zh用户感受到的可能只是回复更快
6:16.000–6:17.933
zh服务商看到的却是每台
6:17.933–6:20.400
zh机器能承载更多并发任务
6:20.500–6:24.100
zhV4.1Flash的第一层意义是重新安排
6:24.100–6:26.900
zh参数显存和存储之间的关系
6:27.166–6:30.100
zh基准题多做对几个只是结果之一
6:30.133–6:32.000
zh大模型的能力竞争
6:32.000–6:33.600
zh进入下一阶段以后
6:34.000–6:36.100
zh真正难的工作是把高水平
6:36.100–6:38.666
zh推理变成可以长期供应的服务
6:38.800–6:41.566
zh模型只在演示中聪明没有用
6:42.066–6:44.666
zh必须让数百万个代理同时工作
6:44.866–6:47.066
zh企业才可能建立稳定收入
6:47.133–6:49.666
zh第二层意义来自它的能力定位
6:49.900–6:54.933
zhDeepseek公布的GPQA Diamond成绩是90.9
6:55.200–7:00.533
zhHLE是36.8 codeforces评分达到3471
7:00.666–7:03.066
zh数学与科学推理依然重要
7:03.700–7:06.400
zh但这次最醒目的提升集中在终端
7:06.600–7:10.266
zh代码仓库自动化和网络安全任务
7:10.500–7:13.133
zhterminal bench 2.1达到90.6
7:13.366–7:16.366
zhdeepsw 1.1达到74.2
7:16.766–7:19.666
zhNL to Repo bench达到65.4
7:19.966–7:22.100
zhcybergem达到88.1
7:22.266–7:24.966
zh这些名字对普通用户不够直观
7:25.933–7:28.766
zhTerminal bench测试模型能不能在真实
7:28.766–7:31.600
zh终端环境里连续执行命令并完成
7:31.600–7:32.400
zh任务
7:32.666–7:36.500
zhDeepseek和NL to repo关注模型是否能
7:36.500–7:39.666
zh理解软件仓库定位问题并修改代码
7:40.000–7:43.333
zhAutomation bench考察跨工具自动化
7:43.566–7:46.500
zhcyberjail与Seckbench则把模型
7:46.500–7:48.333
zh放进网络安全任务中
7:48.666–7:51.466
zh他们共同测试模型能否把事情做完
7:51.500–7:54.333
zh聊天是否流畅只占很小一部分
7:54.466–7:56.200
zh过去一款Flash模型往往
7:56.200–7:58.300
zh意味着速度快价格低
7:58.466–8:00.300
zh复杂任务需要交给Pro
8:00.700–8:03.200
zhV4.1Flash想打破这套分工
8:03.300–8:06.000
zh官方称它在性能价格速度和
8:06.000–8:08.600
zh任务总耗时上都超过V4Pro
8:08.800–8:11.100
zh因此决定有序下线旧Pro
8:11.466–8:13.100
zh最有冲击力的是Deepseek
8:13.366–8:15.900
zh愿意把实际Pro流量交给Flash
8:16.133–8:18.866
zh单个分数领先反倒居于其次
8:18.966–8:21.500
zh如果新模型在生产环境里撑不住
8:21.500–8:24.100
zh这种路由会直接影响付费客户
8:24.133–8:26.266
zh不过厂商敢切换流量不等于
8:26.266–8:28.900
zh所有性能结论已经得到独立证明
8:29.600–8:31.066
zh代码代理基准采用
8:31.066–8:33.300
zhDeepseek Harness的minimal模式
8:33.700–8:35.366
zh并使用最大推理强度
8:35.366–8:37.300
zh和百万TOKEN上下文
8:37.366–8:39.000
zh不同模型如果采用不同
8:39.000–8:41.600
zh工具框架提示方式和预算
8:41.700–8:44.166
zh最终成绩很难完全横向比较
8:44.400–8:46.900
zh基准能证明V4.1Flash有
8:46.900–8:48.266
zh很强的代理能力
8:48.600–8:50.566
zh却不能证明它在任何代码
8:50.566–8:53.066
zh库里都比所有旗舰模型可靠
8:53.300–8:54.900
zh稀疏激活本身也不会
8:54.900–8:56.566
zh自动兑现成低延迟
8:57.166–8:59.166
zh混合专家模型需要先判断
8:59.166–9:01.366
zh每个TOKEN该送给哪些专家
9:01.500–9:03.666
zh再让不同设备交换结果
9:03.866–9:05.466
zh专家分布不均时
9:05.466–9:07.100
zh部分GPU会排队
9:07.200–9:09.133
zh另一些GPU却在等待
9:09.466–9:11.533
zh夸卡通信如果处理不好
9:11.700–9:13.133
zh省下来的乘法运算
9:13.133–9:15.000
zh可能被数据搬运吃掉
9:15.333–9:18.266
zhV4.1 Flash能否跑得快
9:18.500–9:21.566
zh取决于路由算法并行策略和
9:21.566–9:24.066
zh推理框架能不能共同配合
9:24.333–9:26.100
zh架构给出了效率空间
9:26.500–9:28.700
zh工程系统负责把空间变成
9:28.700–9:30.900
zh用户真正感受到的速度
9:30.966–9:32.733
zh这也让官方速度与
9:32.733–9:34.900
zh本地速度成为两个问题
9:35.166–9:37.500
zhDeepseek自己的API可以围绕
9:37.500–9:39.466
zh固定硬件做高度优化
9:39.933–9:42.666
zh社区部署却要面对不同GPU
9:42.666–9:45.133
zh不同带宽和不同量化方式
9:45.266–9:46.900
zh一套在大型集群上
9:46.900–9:48.600
zh表现优秀的专家路由
9:48.866–9:51.100
zh移到规模较小的服务器后
9:51.133–9:52.900
zh未必保持同样吞吐
9:53.300–9:55.500
zh开放权重让外界有机会验证
9:55.600–9:58.100
zh却不会让官方服务的成本优势
9:58.200–10:00.533
zh自动复制到每一家企业机房
10:00.600–10:02.000
zh还有一个常见误区
10:02.333–10:03.700
zh任务分数提高
10:03.700–10:06.500
zh不代表模型的每一步操作都更可信
10:06.733–10:08.366
zh智能体需要连续执行
10:08.366–10:10.300
zh几十甚至上百个动作
10:10.466–10:12.700
zh每一步只有很小的错误概率
10:13.366–10:16.266
zh累积到长链任务里也会明显放大
10:16.400–10:18.333
zh终端基准做到90分
10:18.400–10:20.133
zh进入企业生产环境以后
10:20.133–10:22.166
zh仍要面对权限管理依赖
10:22.166–10:24.566
zh冲突过时文档和不可逆操作
10:24.666–10:25.900
zh模型越能行动
10:25.900–10:29.066
zh安全边界就越重要V4.1Flash
10:29.400–10:31.866
zh在cyberjams上得到88.1
10:31.866–10:33.533
zh也会带来双重影响
10:33.866–10:35.533
zh防守团队可以用它审计
10:35.533–10:38.000
zh代码复现漏洞和处理告警
10:38.400–10:39.733
zh供给者同样可以让
10:39.733–10:41.366
zh模型自动寻找入口
10:41.466–10:44.166
zh开源权重和廉价API降低了
10:44.166–10:45.800
zh先进能力的使用门槛
10:45.933–10:47.733
zh也会降低滥用门槛
10:47.966–10:49.766
zh评价这款模型需要同时
10:49.766–10:51.966
zh检查任务能力与部署治理
10:52.166–10:54.666
zh后者包括限制权限记录
10:54.666–10:57.000
zh操作并阻止高风险行为
10:57.366–10:58.900
zh第三层意义是价格
10:59.166–11:01.533
zhV4.1Flash上线后
11:01.600–11:04.200
zhDeepseek继续采用峰谷计费
11:04.500–11:06.300
zh闲时每百万TOKEN的缓存
11:06.300–11:08.700
zh命中输入只收0.02元
11:09.266–11:10.666
zh未命中输入1元
11:10.800–11:11.866
zh输出4元
11:12.266–11:16.566
zh高峰时段分别是0.04元2元和8元
11:16.700–11:18.900
zh缓存命中价格低到几乎是在
11:18.900–11:21.966
zh鼓励开发者重复携带长上下文
11:22.400–11:24.866
zh这套定价为智能体量身定做
11:24.866–11:27.733
zh一个代理每天处理同一套公司规则
11:27.900–11:31.000
zh同一个代码仓库和同一批长期记忆
11:31.566–11:33.700
zh大部分输入会反复出现
11:33.966–11:35.266
zh缓存命中以后
11:35.366–11:38.066
zh服务商不需要重新完成全部计算
11:38.200–11:40.000
zh客户也获得更低价格
11:40.666–11:43.133
zh只有新问题新网页和新任务
11:43.133–11:45.533
zh产生的内容按未命中计费
11:45.866–11:47.300
zh上下文越稳定
11:47.366–11:48.933
zh成本优势越明显
11:49.100–11:51.666
zh便宜的缓存还会改变产品设计
11:52.200–11:54.000
zh过去开发者为了省钱
11:54.000–11:55.766
zh会主动删掉历史记录
11:55.766–11:57.900
zh把复杂任务切成短对话
11:58.500–12:00.000
zh这样虽然减少TOKEN
12:00.000–12:03.200
zh却容易丢失目标约束和中间结果
12:03.466–12:04.733
zh缓存价格降到每
12:04.733–12:06.666
zh百万TOKEN几分钱以后
12:06.700–12:09.066
zh保留长期记忆变得更可行
12:09.666–12:12.133
zh产品可以让代理记住项目状态
12:12.200–12:15.000
zh而不用每次启动都重新解释背景
12:15.200–12:18.566
zh输出价格依然远高于缓存命中输入
12:18.733–12:20.300
zh这也在引导开发者
12:20.300–12:21.933
zh减少无意义长回答
12:22.466–12:25.333
zh代理最理想的工作方式是大量读取
12:25.333–12:26.333
zh少量决策
12:26.366–12:27.400
zh精确行动
12:27.533–12:31.366
zhV4.1 Flash的非对称激活和API
12:31.366–12:32.966
zh价格指向同一个方向
12:33.400–12:34.600
zh输入可以很长
12:34.600–12:36.333
zh输出应该服务于任务
12:36.366–12:37.966
zh那些依靠生成大段
12:37.966–12:40.066
zh文本制造工作量的产品
12:40.266–12:42.933
zh反而无法充分利用这套成本结构
12:43.100–12:44.800
zh峰谷计费则暴露出
12:44.800–12:47.133
zhDeepseek的另一项现实约束
12:47.766–12:50.066
zh闲时价格只有高峰的一半
12:50.133–12:51.766
zh说明算力需求仍然
12:51.766–12:53.500
zh会在特定时间集中
12:53.900–12:56.366
zhDeepseek用价格把非紧急
12:56.366–12:58.266
zh任务推向空闲时段
12:58.400–13:01.366
zh让数据中心保持更稳定的利用率
13:01.500–13:03.766
zh批量代码检查离线研究和
13:03.766–13:06.166
zh夜间数据处理可以延后执行
13:06.566–13:08.533
zh即时客服与在线编程
13:08.533–13:10.500
zh则继续支付高峰成本
13:10.733–13:13.566
zh这套价格承担着算力调度功能
13:13.866–13:16.766
zh传统云服务按机器使用时间收费
13:17.000–13:19.733
zhDeepseek把电力服务器利用率和
13:19.733–13:22.300
zh请求时段直接写进TOKEN价格
13:22.566–13:24.700
zh用户看到的是一张价格表
13:25.133–13:26.733
zhDeepseek考虑的是怎样
13:26.733–13:28.966
zh减少昂贵GPU的空转
13:29.133–13:31.700
zh模型架构压低单次推理成本
13:31.933–13:34.100
zh峰谷价格在平衡总流量
13:34.200–13:37.066
zh两者组合起来才形成真正的低价
13:37.200–13:40.766
zh腾讯的work Buddy code Buddy和open code
13:41.100–13:43.400
zh已经成为首批官方合作伙伴
13:43.500–13:47.200
zh这组名单也说明V4.1Flash瞄准的市场
13:47.466–13:49.300
zh办公代理和代码工具
13:49.333–13:51.133
zh成为首批展示场景
13:51.500–13:54.500
zh娱乐聊天与图片问答被放到后面
13:54.566–13:55.733
zh开发者会在这些
13:55.733–13:57.500
zh产品里连续调用模型
13:57.733–13:58.800
zh使用量大
13:58.800–14:01.200
zh对延迟和成本极其敏感
14:01.333–14:03.666
zh也最容易验证Flash能否
14:03.666–14:05.700
zh承担原本属于Pro的任务
14:05.933–14:09.000
zhDeepseek为什么愿意让Pro请求转到Flash
14:09.200–14:11.333
zh一方面新架构可能确实把
14:11.333–14:13.100
zh相近能力做得更便宜
14:13.566–14:14.366
zh另一方面
14:14.533–14:15.933
zh统一流量也能减少
14:15.933–14:17.866
zh维护多款旧模型的成本
14:17.933–14:20.100
zh每多保留一个生产模型
14:20.466–14:23.466
zh服务商都要准备独立容量监控
14:23.466–14:26.900
zh质量修补安全问题并处理接口兼容
14:27.066–14:28.366
zh把旧Flash
14:28.933–14:32.533
zh视觉实验版和Pro流量集中到V4.1Flash
14:32.733–14:34.466
zh可以提高集群利用率
14:34.500–14:36.066
zh这种统一也有风险
14:36.533–14:38.000
zh部分客户选择Pro
14:38.266–14:40.733
zh可能依赖它在特殊姿势长
14:40.733–14:43.066
zh推理或固定输出风格上的表现
14:43.200–14:44.466
zh接口名称不变
14:44.700–14:46.166
zh底层模型却换了
14:46.200–14:47.666
zh自动化流程就可能
14:47.666–14:49.533
zh出现难以发现的漂移
14:49.766–14:53.266
zhDeepseek需要让API返回明确版本信息
14:53.266–14:55.566
zh并给企业足够的迁移窗口
14:55.733–14:57.400
zh一次回答贵几分钱
14:57.400–14:58.966
zh通常可以计算生产
14:59.366–15:01.066
zh结果突然改变才是企业
15:01.066–15:02.766
zh客户最难控制的成本
15:02.933–15:06.100
zh模型权重仓库同步出现在hugging face
15:06.533–15:08.333
zh意味着社区能够继续
15:08.333–15:11.466
zh进行量化适配和私有部署
15:11.900–15:13.266
zh开放权重会让更多
15:13.266–15:14.933
zh团队检查模型行为
15:15.000–15:18.300
zh也能推动SG Lang VLLM等推理
15:18.300–15:20.300
zh框架快速支持新架构
15:20.366–15:23.766
zh但5,520亿总参数提醒了一个现实
15:24.600–15:26.066
zh普通游戏电脑无法
15:26.066–15:27.800
zh顺畅运行完整模型
15:28.300–15:31.533
zh部署仍需要大规模GPU和存储集群
15:31.600–15:33.000
zh所以Flash这个名字
15:33.000–15:34.700
zh不能被误读为消费级
15:35.166–15:38.400
zh他描述Deepseek产品线中的计算效率
15:38.600–15:40.700
zh绝对硬件门槛依然很高
15:40.800–15:42.733
zh输入激活只有80亿
15:42.866–15:45.366
zh总权重仍有5,520亿
15:45.733–15:47.933
zh激活参数决定单步计算量
15:48.100–15:50.700
zh总参数则决定权重存储规模
15:50.866–15:53.333
zh很多宣传会把两者混在一起
15:53.333–15:56.533
zh制造80亿参数达到旗舰水平的错觉
15:56.566–15:57.766
zh这并不准确
15:57.800–15:59.133
zh对企业来说
15:59.400–16:02.066
zhAPI可能比自建集群更现实
16:02.500–16:04.800
zh私有部署能够控制数据和成本
16:04.866–16:07.166
zh但需要承担模型切分推理
16:07.166–16:09.666
zh优化故障恢复与硬件采购
16:09.866–16:11.500
zh只有调用量足够大
16:11.500–16:12.766
zh数据足够敏感
16:12.900–16:14.666
zh完整部署才可能划算
16:14.900–16:17.966
zhDeepseek留下大规模部署合作入口
16:18.066–16:20.066
zh说明它也知道开放权重不
16:20.066–16:22.300
zh等于普通客户能够独立跑起来
16:22.533–16:25.000
zh企业还要计算一笔常被忽略的账
16:25.400–16:27.133
zh模型权重免费并不
16:27.133–16:28.933
zh代表每次调用免费
16:29.266–16:32.100
zh自建集群需要为峰值流量预留硬件
16:32.100–16:34.100
zh低谷时机器又可能闲置
16:34.300–16:35.700
zh官方API可以把不同
16:35.700–16:37.500
zh客户的波峰摊在一起
16:37.866–16:39.966
zh若企业每天调用量不稳定
16:40.066–16:43.133
zh购买GPU通常比按TOKEN付费更贵
16:43.200–16:45.266
zh只有数据不能离开内网
16:45.500–16:46.966
zh延迟要求极高
16:47.066–16:49.666
zh或者调用规模长期稳定时
16:49.800–16:51.933
zh自建部署的控制权才
16:51.933–16:53.600
zh可能抵消运维成本
16:53.800–16:55.700
zh私有部署仍有独特价值
16:56.400–16:57.800
zh团队可以固定版本
16:57.800–16:59.466
zh避免接口悄悄换模
16:59.666–17:01.133
zh也能针对自己的文档
17:01.133–17:02.966
zh和代码建立专用缓存
17:03.200–17:05.800
zh高度监管行业还可以把日志权限
17:05.800–17:08.766
zh和数据保留策略掌握在自己手里
17:08.933–17:10.100
enV4.1Flash
17:10.500–17:12.533
zh真正扩大的是选择空间
17:12.733–17:15.600
zh企业可以先用低价API验证任务
17:15.733–17:19.133
zh再决定哪些高频流程值得搬回本地
17:19.300–17:22.166
zh而不用一开始就为整套集群下注
17:22.466–17:25.933
zhV4.1Flash给闭源模型带来的最大压力
17:26.266–17:28.000
zh也许来自价格参照
17:28.166–17:30.300
zh绝对能力只是其中一部分
17:30.566–17:32.533
zh只要他能用较低成本完成
17:32.533–17:35.066
zh大部分代码代理和自动化任务
17:35.266–17:36.900
zh客户就会开始追问
17:37.200–17:38.566
zh更昂贵的旗舰模型
17:38.566–17:40.400
zh到底多解决了哪些问题
17:40.500–17:43.466
zh如果差距只存在于少数极难任务
17:43.733–17:46.166
zh企业会把日常工作交给Flash
17:46.366–17:49.000
zh只在失败时升级到高价模型
17:49.133–17:50.933
zh这种分层路由可能成为
17:50.933–17:52.700
zh下一阶段的标准架构
17:53.400–17:56.066
zh简单任务先由低成本模型处理
17:56.200–17:58.466
zh复杂任务再转给更强模型
17:58.666–18:01.300
zhV4.1 Flash现在更进一步
18:01.366–18:03.266
zh它试图把原本属于高价
18:03.266–18:05.066
zh层的大部分工作吞掉
18:05.266–18:06.666
zh旗舰模型不会消失
18:06.666–18:08.533
zh但调用频率可能下降
18:08.566–18:11.266
zh角色从默认入口变成异常处理器
18:11.533–18:13.866
zh这会迫使其他厂商重新定价
18:14.000–18:15.600
zh模型公司过去用更大
18:15.600–18:18.533
zh上下文更高基准分数吸引客户
18:18.666–18:20.000
zh接下来必须证明每
18:20.000–18:22.300
zh一美元能完成多少有效任务
18:22.500–18:24.533
zh只公布输入单价不够
18:24.866–18:26.333
zh还要计算完成一次
18:26.333–18:28.700
zh代码修改需要几轮对话
18:28.866–18:31.400
zh多少工具调用和多长时间
18:31.933–18:34.400
zh便宜但反复返工的模型并不便宜
18:34.600–18:36.300
zh单价较高却一次做对
18:36.300–18:37.900
zh的模型也未必昂贵
18:38.133–18:41.366
zhDeepseek强调总用时超过V4Pro
18:41.366–18:43.333
zh就是在争夺这项新指标
18:43.500–18:45.566
zh智能体成本由TOKEN价格
18:45.600–18:48.333
zh生成长度执行轮数失败
18:48.333–18:50.666
zh重试和等待时间共同组成
18:50.900–18:53.366
zh一款模型每百万TOKEN便宜一半
18:53.700–18:55.366
zh如果需要多跑三轮
18:55.400–18:57.466
zh最终账单仍可能更高
18:57.600–19:00.266
zhV4.1Flash若能同时减少
19:00.266–19:02.133
zh生成量和任务轮数
19:02.766–19:05.466
zh价格优势才会真正落到客户手里
19:05.533–19:07.866
zh新架构的输入输出不对称
19:08.133–19:10.100
zh也可能影响模型行为
19:10.266–19:12.333
zh输出阶段激活更多参数
19:12.566–19:14.333
zh理论上可以在生成决策
19:14.333–19:16.466
zh时调动更丰富的专家
19:16.866–19:18.333
zh输入阶段更精简
19:18.533–19:20.066
zh则要确保压缩以后
19:20.066–19:21.666
zh不会漏掉关键细节
19:21.900–19:24.300
zh代码库里一个不起眼的配置文件
19:24.400–19:26.766
zh可能决定整个任务是否成功
19:27.466–19:29.000
zh如何在降低输入成本
19:29.000–19:31.100
zh的同时保留关键信息
19:31.366–19:34.100
zh是独立测试最需要关注的问题
19:34.300–19:36.933
zh百万TOKEN上下文需要同时
19:36.933–19:39.066
zh检查容量和信息利用率
19:39.733–19:41.800
zh模型能够装下100万TOKEN
19:42.100–19:45.000
zh不等于能稳定使用其中每一处信息
19:45.366–19:47.866
zh长上下文常见问题包括中间
19:47.866–19:50.566
zh信息被忽视跨文件关系判断
19:50.566–19:53.900
zh错误以及旧指令与新指令发生冲突
19:54.166–19:56.166
zhkv CACHE减少了保存成本
19:56.166–19:59.066
zh却没有自动解决检索与注意力质量
19:59.100–20:01.566
zh真正的测试应该观察模型在超长
20:01.566–20:04.766
zh任务末尾还能否准确引用早期约束
20:05.100–20:07.700
zh视觉能力也需要经过相同审查
20:08.366–20:11.400
zh原生多模态说明模型可以处理图片
20:11.400–20:13.200
zh不代表它已经适合无人
20:13.200–20:15.133
zh监督地操作所有界面
20:15.333–20:17.166
zh网页按钮可能被遮挡
20:17.600–20:19.200
zh确认框会改变状态
20:19.500–20:21.533
zh恶意页面还能把提示注入
20:21.533–20:22.700
zh藏在图片中
20:22.866–20:24.466
zh视觉代理如果同时拥有
20:24.466–20:27.066
zh终端浏览器和支付权限
20:27.300–20:30.200
zh错误的代价远高于识别错一张照片
20:30.300–20:33.566
zh这也是V4.1Flash最值得讨论的矛盾
20:34.466–20:37.600
zhDeepseek正在把能力速度和价格
20:37.600–20:40.066
zh同时推向智能体大规模应用
20:40.166–20:41.400
zh可智能体的治理
20:41.400–20:43.133
zh能力并没有自动跟上
20:43.300–20:44.466
zh模型越便宜
20:44.800–20:46.300
zh部署数量越大
20:46.600–20:47.900
zh部署数量越大
20:48.066–20:50.933
zh偶发错误就越容易变成系统性事故
20:51.100–20:53.166
zh行业需要降低推理成本
20:53.200–20:56.000
zh也要同步建立权限隔离日志
20:56.000–20:58.800
zh审计人工批准和事故响应
20:58.966–21:00.466
zh从竞争角度看
21:00.533–21:03.366
zh这款模型也透露出Deepseek的节奏
21:03.900–21:05.466
zhV4在4月亮相
21:05.666–21:07.266
zh7月底更新Flash
21:07.466–21:09.800
zh9月又推出V4.1Flash
21:10.266–21:11.966
zh更新速度越来越快
21:12.166–21:14.500
zh旧模型生命周期越来越短
21:14.800–21:16.666
zh开发者获得了更强能力
21:16.866–21:18.866
zh也承担更频繁的迁移
21:19.066–21:20.866
zh模型厂商如果每隔几周
21:20.866–21:22.566
zh改变接口背后的行为
21:22.900–21:24.333
zh软件工程中的稳定
21:24.333–21:26.166
zh版本观念就会受到挑战
21:26.600–21:28.533
zhDeepseek用兼容路由
21:28.766–21:30.666
zh减少了接口迁移成本
21:30.800–21:32.400
zh旧名称仍能调用
21:32.500–21:34.066
zh程序不会立即报错
21:34.333–21:36.966
zh但行为兼容比接口兼容更难
21:37.066–21:38.966
zh相同提示在新模型上
21:38.966–21:40.600
zh可能生成不同长度
21:40.733–21:41.933
zh调用不同工具
21:41.933–21:43.766
zh或采用不同决策顺序
21:44.066–21:45.300
zh企业需要保存
21:45.300–21:46.266
zh回归测试
21:46.400–21:48.566
zh用自己的任务验证升级
21:48.800–21:51.333
zh官方总榜只能充当初步参考
21:51.700–21:54.066
zhV4.1Flash的发布也说明
21:54.333–21:56.500
zh开源与闭源竞争正在从
21:56.500–21:58.933
zh模型权重扩展到服务体系
21:59.266–22:00.366
zh权重可以下载
22:00.766–22:01.766
zh真正好用
22:01.866–22:04.600
zh还需要推理框架缓存系统
22:04.700–22:08.200
zh工具协议监控平台和稳定API
22:08.400–22:10.600
zhDeepseek一边开放仓库
22:10.666–22:13.800
zh一边通过极低API价格吸引流量
22:13.800–22:15.200
zh形成双重策略
22:15.733–22:17.700
zh社区帮助它适配硬件
22:17.733–22:19.166
zh官方服务则把最怕
22:19.166–22:21.166
zh麻烦的客户留在平台上
22:21.266–22:23.300
zh价格低到一定程度以后
22:23.500–22:25.966
zh模型本身可能变成入口
22:26.366–22:29.333
zh作为利润中心的重要性会下降
22:29.533–22:31.566
zh开发者围绕Deepseek建立
22:31.566–22:33.966
zh代理插件和工作流
22:34.066–22:35.533
zh平台就能积累真实
22:35.533–22:37.666
zh任务数据与生态影响力
22:37.866–22:40.866
zh腾讯和open code把V4.1Flash放进
22:40.866–22:43.000
zh开发者每天使用的工具里
22:43.366–22:44.733
zh这层入口价值已经
22:44.733–22:46.466
zh超过普通渠道合作
22:46.700–22:48.300
zh谁掌握默认模型
22:48.466–22:49.700
zh谁就更容易影响
22:49.700–22:51.666
zh下一代软件的技术选择
22:51.766–22:53.133
zh可是低价也会给
22:53.133–22:54.900
zhDeepseek自己施加压力
22:55.400–23:00.066
zhAPI收入必须覆盖GPU折旧电力带宽
23:00.066–23:03.366
zh运维和研发缓存压缩与稀疏激活
23:03.366–23:06.066
zh可以降低成本价格战却可能把
23:06.066–23:08.533
zh节省下来的空间迅速让给客户
23:08.866–23:11.066
zh只要竞争对手继续跟价
23:11.300–23:12.766
zh模型服务就会越来越
23:12.766–23:14.800
zh像云计算基础设施
23:15.166–23:17.600
zh规模和利用率将决定利润
23:18.200–23:20.733
zh发布当天的热度很快就会消退
23:21.000–23:23.766
zh缓存命中价尤其容易制造误解
23:24.000–23:25.966
zh每百万TOKEN2分钱只
23:25.966–23:27.766
zh适用于系统已经保存
23:27.800–23:29.333
zh再次复用的内容
23:29.900–23:31.700
zh首次送入的新资料仍
23:31.700–23:33.533
zh按未命中价格计算
23:34.200–23:36.733
zh模型输出也按更高价格收费
23:36.800–23:39.000
zh代理如果每轮都改写提示
23:39.300–23:40.666
zh重新排序文档
23:40.966–23:42.866
zh哪怕信息大致相同
23:42.966–23:44.966
zh也未必形成稳定缓存
23:45.366–23:47.100
zh真正省钱的产品需要把
23:47.100–23:49.566
zh系统规则知识库片段和
23:49.566–23:52.266
zh项目上下文设计成可重复前缀
23:52.566–23:54.466
zh价格优势最终会奖励
23:54.466–23:56.066
zh良好的上下文工程
23:56.166–23:58.533
zh这会催生一种新的产品分工
23:58.933–24:00.300
zh模型厂商负责把
24:00.300–24:02.366
zh缓存做得更密更便宜
24:02.733–24:04.166
zh应用开发者负责让
24:04.166–24:06.200
zh任务产生可复用内容
24:06.766–24:08.300
zh企业则要判断哪些
24:08.300–24:10.066
zh信息适合长期保存
24:10.333–24:11.733
zh缓存保留越多
24:12.200–24:15.100
zh隐私和数据生命周期问题也越突出
24:15.266–24:18.166
zh低价上下文不能无限保存客户秘密
24:18.733–24:19.966
zh服务商必须说明
24:19.966–24:22.100
zh缓存是否跨请求复用
24:22.100–24:23.166
zh保存多久
24:23.266–24:25.366
zh以及用户能否要求删除
24:25.400–24:27.700
zh这正是V4.1Flash比一张
24:27.700–24:29.600
zh跑分表更重要的原因
24:29.733–24:31.133
zh它把模型竞争里的
24:31.133–24:33.100
zh三条路线压到了一起
24:33.300–24:35.666
zh用非对称架构减少计算
24:35.866–24:38.066
zh用缓存压缩释放硬件
24:38.600–24:41.500
zh再用价格和接口迁移扩大调用量
24:41.566–24:43.500
zh任何一条单独成立都不够
24:43.600–24:45.066
zh三条同时成立
24:45.300–24:48.666
zhDeepseek才有机会让Flash真正替代Pro
24:48.733–24:50.733
zh接下来需要观察四件事
24:50.900–24:53.300
zh第一独立评测能否复现
24:53.300–24:54.900
zh代码和智能体成绩
24:55.466–24:57.766
zh第二百万上下文中的信息
24:57.766–24:59.533
zh保持能力是否稳定
24:59.700–25:02.366
zh第三视觉工具调用在真实
25:02.366–25:04.166
zh网页里能否控制错误
25:04.400–25:06.400
zh第四Pro流量切换以后
25:06.533–25:08.933
zh企业客户是否出现质量回退
25:09.100–25:11.166
zh这些结果比发布会上的领先
25:11.166–25:14.366
zh百分比更能决定V4.1Flash的位置
25:14.466–25:15.866
zh对普通用户而言
25:15.866–25:18.666
zh最直接的变化可能没有那么戏剧化
25:19.100–25:20.566
zh应用响应会更快
25:20.666–25:22.900
zh更多产品会加入图片理解
25:23.166–25:25.566
zh长任务不再轻易因为费用中断
25:25.866–25:27.533
zh用户甚至未必知道
25:27.533–25:29.300
zh底层模型已经更换
25:29.400–25:32.366
zh真正剧烈的变化发生在开发者后台
25:32.666–25:35.000
zh同样预算能够运行更多代理
25:35.366–25:37.066
zh过去不值得自动化的小
25:37.066–25:39.400
zh任务开始变得有经济意义
25:39.533–25:40.733
zh一家公司每天有
25:40.733–25:42.533
zh10万份文档需要分类
25:42.733–25:44.300
zh模型价格下降一点
25:44.600–25:46.866
zh全年成本就会出现巨大差异
25:47.000–25:48.566
zh一个代码平台每天
25:48.566–25:51.000
zh处理数百万次仓库查询
25:51.366–25:53.566
zh缓存需求减少3/4
25:53.700–25:55.333
zh硬件规划也会改变
25:55.500–25:59.533
zhV4.1Flash争夺的就是这些看起来无聊
25:59.766–26:01.600
zh调用量却极大的任务
26:01.966–26:03.933
zh消费级聊天带来知名度
26:04.166–26:05.400
zh重复发生的企业
26:05.400–26:07.400
zh流程才带来持续流量
26:07.466–26:09.333
zh对国内模型行业来说
26:09.533–26:12.500
zhDeepseek还在提高低价旗舰的门槛
26:12.933–26:14.533
zh其他厂商无法只拿
26:14.533–26:16.466
zh一个更小模型参加竞争
26:16.800–26:19.100
zh还得同时支持长上下文
26:19.266–26:21.966
zh视觉工具调用和代码代理
26:22.166–26:23.600
zh能力追平以后
26:23.766–26:25.600
zh价格又必须足够低
26:25.866–26:28.166
zh这样的竞争会加速行业整合
26:28.400–26:30.600
zh拥有算力工程和分发
26:30.600–26:32.700
zh能力的平台更容易留下
26:32.733–26:34.333
zh单纯依靠模型演示
26:34.333–26:36.066
zh的公司会越来越难
26:36.133–26:37.700
zh对海外厂商而言
26:37.800–26:39.566
zh压力来自另一种方向
26:39.966–26:41.566
zh闭源模型仍可能在
26:41.566–26:43.466
zh最高难度任务上领先
26:43.566–26:46.566
zh也拥有成熟企业合规与服务支持
26:47.100–26:50.766
zh但V4.1Flash会迫使客户进行任务拆分
26:50.866–26:53.766
zh大量日常调用如果能转向便宜模型
26:53.800–26:55.333
zh高价厂商只能从最
26:55.333–26:57.300
zh复杂的少数请求中赚钱
26:57.666–27:00.333
zh他们需要证明的不再是模型最好
27:00.366–27:02.966
zh而是领先部分足以抵消价格差
27:03.266–27:05.366
zhDeepseek这次没有发布一款
27:05.366–27:07.200
zh真正意义上的小模型
27:07.533–27:10.333
zh他发布的是一台把庞大参数藏
27:10.333–27:13.000
zh在稀疏计算后面的工业机器
27:13.100–27:15.800
zh5,520亿参数提供容量
27:15.900–27:19.333
zh80亿和160亿激活规模控制成本
27:19.533–27:22.166
zh压缩缓存负责承载长期任务
27:22.333–27:25.333
zh原生视觉负责进入真实电脑环境
27:25.733–27:27.666
zh最后再用API低价把这些
27:27.666–27:29.533
zh能力送进开发者工具
27:29.700–27:31.866
zh开头那个问题现在有了答案
27:32.133–27:35.500
zhV4.1Flash能够暂时接管Pro
27:35.566–27:37.566
zh靠的是把旗舰能力装进
27:37.566–27:39.466
zh更低成本的运行结构
27:39.933–27:42.300
zhFlash这个名称并没有失去意义
27:42.533–27:45.200
zhDeepseek想淘汰一款旧模型
27:45.333–27:47.566
zh也在挑战能力越强就
27:47.566–27:49.400
zh一定越贵的行业惯性
27:49.500–27:51.133
zh这场测试才刚开始
27:51.400–27:53.500
zh官方基准可以证明方向
27:53.566–27:55.666
zh生产流量才能证明结果
27:55.933–27:58.700
zh如果9月14日以后的Pro请求真的在
27:58.700–28:01.766
zh用户无感的情况下由Flash完成
28:02.100–28:05.300
zhV4.1就会成为一次重要的架构转折
28:05.466–28:06.800
zh如果质量回退
28:07.000–28:09.933
zh长任务失控或视觉代理频繁犯错
28:09.966–28:11.566
zh这次激进迁移也会
28:11.566–28:13.000
zh暴露新架构的边界
28:13.400–28:15.133
zhDeepseek把最强的承诺
28:15.133–28:16.600
zh写进了路由系统
28:16.933–28:19.733
zh宣传页面上的文字反倒居于其次
28:20.166–28:22.700
zh便宜模型要接管昂贵模型的工作
28:22.866–28:24.800
zh最终裁判不会是排行榜
28:25.133–28:27.000
zh裁判是每一次完成的任务
28:27.066–28:28.600
zh每一笔实际账单
28:28.666–28:31.566
zh以及企业敢不敢把关键流程交给他
0:00.166–0:02.766
Deepseek刚刚做了一件反常的事
0:02.900–0:05.400
它发布了新一代V4.1Flash
0:05.566–0:07.600
却准备让这款名字里带着
0:07.600–0:10.600
轻量的模型接管上一代V4Pro
0:10.966–0:13.366
北京时间9月14日中午以后
0:13.500–0:15.866
用户即使继续调用Pro接口
0:16.000–0:18.666
请求也会被转给V4.1Flash
0:18.800–0:20.733
而且只收Flash的价格
0:20.933–0:22.666
一款便宜模型为什么能
0:22.666–0:24.766
让旗舰型号暂时退场
0:24.900–0:26.466
答案藏在这次发布
0:26.466–0:28.133
最容易被忽略的地方
0:28.566–0:30.700
Deepseek换掉了计算方式
0:30.766–0:32.133
也开始重新定义
0:32.133–0:34.100
什么叫大模型的性价比
0:34.300–0:38.266
V4.1 Flash是Deepseek下一代架构
0:38.266–0:40.533
家族公开亮相的第一款产品
0:40.866–0:42.500
升级范围远超增加
0:42.500–0:44.566
视觉模块和改动版本号
0:44.933–0:46.366
官方把它称为这个新
0:46.366–0:48.666
家族中尺寸最小的成员
0:48.866–0:51.700
可它拥有5,520亿个参数
0:51.966–0:53.900
这个小只存在于Deepseek
0:54.066–0:56.200
规划中的下一代产品线里
0:56.266–0:58.200
放到普通开源模型市场
0:58.266–1:00.500
它依然是一台需要数据中心级
1:00.500–1:03.066
资源才能完整部署的庞然大物
1:03.166–1:04.966
5,520亿之外
1:05.000–1:07.666
80亿和160亿更能解释
1:07.666–1:09.466
这款模型怎样运行
1:09.733–1:12.966
V4.1Flash继续采用混合专家模型
1:13.200–1:14.933
但输入与输出阶段
1:14.933–1:16.700
使用不同的激活规模
1:16.933–1:20.166
模型读取内容时大约激活80亿参数
1:20.466–1:23.600
生成答案时大约激活160亿参数
1:23.766–1:25.766
总参数负责储存能力
1:26.200–1:27.500
参与每一步运算的
1:27.500–1:29.566
参数则被压到更小范围
1:29.766–1:31.666
Deepseek给这种设计起的
1:31.666–1:34.200
名字是causal encoder decoder
1:34.600–1:37.600
也就是因果编码器与解码器结构
1:37.800–1:40.400
为什么要把输入和输出分开算
1:40.666–1:43.166
因为AI的工作形态已经变了
1:43.533–1:44.933
聊天机器人时代
1:45.066–1:46.200
用户问一句
1:46.200–1:47.400
模型答一段
1:47.600–1:50.133
输入和输出长度相差不大
1:50.266–1:52.166
智能体时代完全不同
1:52.166–1:53.933
一个代码代理可能先读
1:53.933–1:55.533
几十万个TOKEN的仓库
1:55.800–1:58.400
检查报错文档和提交记录
1:58.700–2:00.766
最后只修改几百行代码
2:00.766–2:03.800
一个研究代理可能翻完上百页资料
2:04.000–2:05.533
调用十几次工具
2:05.966–2:07.733
最后只交付一份报告
2:07.933–2:10.200
大量成本花在看懂现场
2:10.400–2:12.900
真正写出来的内容反而很短
2:13.000–2:15.133
传统架构如果用同一套高
2:15.133–2:17.200
成本路径处理所有TOKEN
2:17.466–2:20.200
就会在输入阶段浪费大量算力
2:20.466–2:23.400
V4.1Flash把读取和生成
2:23.400–2:24.866
做成不对称路径
2:25.300–2:27.000
让输入侧更轻
2:27.133–2:29.900
输出侧再投入更多专家能力
2:29.933–2:32.166
这不保证每个任务都更快
2:32.333–2:34.100
却准确集中了智能体
2:34.100–2:35.700
最常见的成本结构
2:35.933–2:37.933
Deepseek要解决的是代理
2:37.933–2:39.700
连续工作几小时以后
2:39.866–2:41.566
账单能否保持可控
2:41.900–2:43.466
单轮回答的价格已经
2:43.466–2:45.266
不足以衡量这类产品
2:45.366–2:47.700
这也解释了为什么Deepseek把
2:47.700–2:50.200
视觉理解直接放进基础架构
2:50.966–2:52.133
旧产品线里
2:52.133–2:56.866
文本版V4Flash和V4Flash vision xlarge分开存在
2:57.066–2:58.533
新版本发布以后
2:58.566–3:00.533
这两个旧模型都被下线
3:00.933–3:03.700
接口名称暂时转向V4.1Flash
3:03.933–3:05.700
开发者不再需要先判断
3:05.700–3:07.933
请求属于文本还是图片
3:08.133–3:09.733
再选择不同模型
3:10.000–3:13.566
截图图表网页界面和文字
3:13.666–3:15.900
可以进入同一套推理流程
3:15.966–3:18.533
这项产品整合对智能体很关键
3:19.366–3:20.700
现实中的电脑操作
3:20.700–3:22.600
同时包含文字和画面
3:22.766–3:24.100
按钮位置会改变
3:24.100–3:25.766
错误提示藏在截图里
3:25.766–3:28.533
图表数据没有完整写进网页代码
3:28.533–3:31.733
远程桌面甚至指向模型提供画面
3:31.800–3:34.733
一个不能稳定理解视觉环境的代理
3:34.966–3:36.333
工具再多也只能在
3:36.333–3:37.900
半个互联网里行动
3:38.200–3:41.166
原生视觉让V4.1 Flash更
3:41.166–3:43.600
接近真正的电脑操作模型
3:44.133–3:46.066
能力范围已经超出调用
3:46.066–3:48.100
搜索接口的聊天机器人
3:48.366–3:49.466
深度求索为这套
3:49.466–3:51.100
架构设定了四个目标
3:51.366–3:53.533
提高能力上限和推理速度
3:53.600–3:54.566
扩大吞吐
3:54.700–3:57.300
再把同一设计延伸到更大的模型
3:57.500–3:59.333
最后一项尤其值得留意
3:59.700–4:02.333
V4.1Flash很可能只是这一代
4:02.333–4:04.700
架构的第一场公开压力测试
4:04.866–4:06.166
输入激活80亿
4:06.166–4:08.333
输出激活160亿的设计
4:08.700–4:11.733
如果能在大规模API流量里保持稳定
4:11.966–4:14.966
未来V4.1Pro就可以沿着同
4:14.966–4:16.600
一条路线扩大容量
4:16.766–4:19.566
而不用让成本跟参数量同步膨胀
4:20.000–4:21.066
模型架构里还有另
4:21.066–4:22.600
一条更实际的变化
4:22.766–4:24.733
KV cache被继续压缩
4:25.000–4:26.766
长上下文模型会把已经
4:26.766–4:28.933
处理过的信息保存成缓存
4:29.200–4:32.133
避免生成下一个TOKEN时从头计算
4:32.333–4:33.666
上下文越长
4:33.700–4:35.100
缓存占用越大
4:35.266–4:36.933
模型跑100万TOKEN
4:37.266–4:39.133
同时服务大量用户时
4:39.300–4:42.266
系统瓶颈会同时出现在计算芯片
4:42.566–4:45.866
显存容量数据搬运速度与外部存储
4:45.866–4:48.566
上Deepseek公布的数据称
4:49.133–4:54.200
V4.1Flash对HBM的需求降到上一代的1/4
4:54.300–4:57.000
对SSD的需求降到1/8
4:57.000–4:59.533
与Deepseek最早一代架构相比
4:59.600–5:02.766
KV CACHE累计缩小约437倍
5:03.266–5:05.800
这些数字需要等待独立部署测试
5:05.933–5:08.900
但它们揭示了产品真正争夺的资源
5:09.100–5:11.700
模型公司过去比谁有更多算力
5:11.933–5:13.766
现在还要比谁能用更少
5:13.766–5:16.100
显存保存更长的工作记忆
5:16.500–5:18.466
HBM为什么如此重要
5:18.566–5:21.133
因为它是高端AI芯片旁边最
5:21.133–5:23.400
昂贵也最紧缺的部件之一
5:23.733–5:26.400
模型参数激活值和上下文
5:26.400–5:29.133
缓存都在争夺同一块高速空间
5:29.366–5:30.733
缓存膨胀以后
5:31.133–5:33.333
服务器要么减少并发用户
5:33.400–5:35.300
要么增加GPU数量
5:35.400–5:36.900
要么把部分数据
5:36.933–5:38.700
挪到速度较慢的存储
5:39.100–5:40.900
三条路都会增加成本
5:40.966–5:42.500
把缓存压下来
5:42.600–5:44.266
相当于在不购买同等
5:44.266–5:46.000
数量新硬件的情况下
5:46.100–5:48.733
为现有服务器腾出更多座位
5:48.966–5:52.200
SSD需求下降会减少硬盘投入
5:52.200–5:54.533
也会缓解长任务的数据交换
5:54.933–5:56.266
为了维持上下文
5:56.266–5:58.366
系统可能需要在显存和
5:58.366–6:00.800
外部存储之间不断搬运数据
6:01.000–6:02.133
交换越频繁
6:02.500–6:03.533
延迟越高
6:03.566–6:05.800
系统也越难保持稳定吞吐
6:06.066–6:09.166
Deepseek把SSD需求压到1/8
6:09.166–6:10.666
是在减少智能体
6:10.666–6:12.866
长时间运行时的存储交通
6:13.166–6:15.800
用户感受到的可能只是回复更快
6:16.000–6:17.933
服务商看到的却是每台
6:17.933–6:20.400
机器能承载更多并发任务
6:20.500–6:24.100
V4.1Flash的第一层意义是重新安排
6:24.100–6:26.900
参数显存和存储之间的关系
6:27.166–6:30.100
基准题多做对几个只是结果之一
6:30.133–6:32.000
大模型的能力竞争
6:32.000–6:33.600
进入下一阶段以后
6:34.000–6:36.100
真正难的工作是把高水平
6:36.100–6:38.666
推理变成可以长期供应的服务
6:38.800–6:41.566
模型只在演示中聪明没有用
6:42.066–6:44.666
必须让数百万个代理同时工作
6:44.866–6:47.066
企业才可能建立稳定收入
6:47.133–6:49.666
第二层意义来自它的能力定位
6:49.900–6:54.933
Deepseek公布的GPQA Diamond成绩是90.9
6:55.200–7:00.533
HLE是36.8 codeforces评分达到3471
7:00.666–7:03.066
数学与科学推理依然重要
7:03.700–7:06.400
但这次最醒目的提升集中在终端
7:06.600–7:10.266
代码仓库自动化和网络安全任务
7:10.500–7:13.133
terminal bench 2.1达到90.6
7:13.366–7:16.366
deepsw 1.1达到74.2
7:16.766–7:19.666
NL to Repo bench达到65.4
7:19.966–7:22.100
cybergem达到88.1
7:22.266–7:24.966
这些名字对普通用户不够直观
7:25.933–7:28.766
Terminal bench测试模型能不能在真实
7:28.766–7:31.600
终端环境里连续执行命令并完成
7:31.600–7:32.400
任务
7:32.666–7:36.500
Deepseek和NL to repo关注模型是否能
7:36.500–7:39.666
理解软件仓库定位问题并修改代码
7:40.000–7:43.333
Automation bench考察跨工具自动化
7:43.566–7:46.500
cyberjail与Seckbench则把模型
7:46.500–7:48.333
放进网络安全任务中
7:48.666–7:51.466
他们共同测试模型能否把事情做完
7:51.500–7:54.333
聊天是否流畅只占很小一部分
7:54.466–7:56.200
过去一款Flash模型往往
7:56.200–7:58.300
意味着速度快价格低
7:58.466–8:00.300
复杂任务需要交给Pro
8:00.700–8:03.200
V4.1Flash想打破这套分工
8:03.300–8:06.000
官方称它在性能价格速度和
8:06.000–8:08.600
任务总耗时上都超过V4Pro
8:08.800–8:11.100
因此决定有序下线旧Pro
8:11.466–8:13.100
最有冲击力的是Deepseek
8:13.366–8:15.900
愿意把实际Pro流量交给Flash
8:16.133–8:18.866
单个分数领先反倒居于其次
8:18.966–8:21.500
如果新模型在生产环境里撑不住
8:21.500–8:24.100
这种路由会直接影响付费客户
8:24.133–8:26.266
不过厂商敢切换流量不等于
8:26.266–8:28.900
所有性能结论已经得到独立证明
8:29.600–8:31.066
代码代理基准采用
8:31.066–8:33.300
Deepseek Harness的minimal模式
8:33.700–8:35.366
并使用最大推理强度
8:35.366–8:37.300
和百万TOKEN上下文
8:37.366–8:39.000
不同模型如果采用不同
8:39.000–8:41.600
工具框架提示方式和预算
8:41.700–8:44.166
最终成绩很难完全横向比较
8:44.400–8:46.900
基准能证明V4.1Flash有
8:46.900–8:48.266
很强的代理能力
8:48.600–8:50.566
却不能证明它在任何代码
8:50.566–8:53.066
库里都比所有旗舰模型可靠
8:53.300–8:54.900
稀疏激活本身也不会
8:54.900–8:56.566
自动兑现成低延迟
8:57.166–8:59.166
混合专家模型需要先判断
8:59.166–9:01.366
每个TOKEN该送给哪些专家
9:01.500–9:03.666
再让不同设备交换结果
9:03.866–9:05.466
专家分布不均时
9:05.466–9:07.100
部分GPU会排队
9:07.200–9:09.133
另一些GPU却在等待
9:09.466–9:11.533
夸卡通信如果处理不好
9:11.700–9:13.133
省下来的乘法运算
9:13.133–9:15.000
可能被数据搬运吃掉
9:15.333–9:18.266
V4.1 Flash能否跑得快
9:18.500–9:21.566
取决于路由算法并行策略和
9:21.566–9:24.066
推理框架能不能共同配合
9:24.333–9:26.100
架构给出了效率空间
9:26.500–9:28.700
工程系统负责把空间变成
9:28.700–9:30.900
用户真正感受到的速度
9:30.966–9:32.733
这也让官方速度与
9:32.733–9:34.900
本地速度成为两个问题
9:35.166–9:37.500
Deepseek自己的API可以围绕
9:37.500–9:39.466
固定硬件做高度优化
9:39.933–9:42.666
社区部署却要面对不同GPU
9:42.666–9:45.133
不同带宽和不同量化方式
9:45.266–9:46.900
一套在大型集群上
9:46.900–9:48.600
表现优秀的专家路由
9:48.866–9:51.100
移到规模较小的服务器后
9:51.133–9:52.900
未必保持同样吞吐
9:53.300–9:55.500
开放权重让外界有机会验证
9:55.600–9:58.100
却不会让官方服务的成本优势
9:58.200–10:00.533
自动复制到每一家企业机房
10:00.600–10:02.000
还有一个常见误区
10:02.333–10:03.700
任务分数提高
10:03.700–10:06.500
不代表模型的每一步操作都更可信
10:06.733–10:08.366
智能体需要连续执行
10:08.366–10:10.300
几十甚至上百个动作
10:10.466–10:12.700
每一步只有很小的错误概率
10:13.366–10:16.266
累积到长链任务里也会明显放大
10:16.400–10:18.333
终端基准做到90分
10:18.400–10:20.133
进入企业生产环境以后
10:20.133–10:22.166
仍要面对权限管理依赖
10:22.166–10:24.566
冲突过时文档和不可逆操作
10:24.666–10:25.900
模型越能行动
10:25.900–10:29.066
安全边界就越重要V4.1Flash
10:29.400–10:31.866
在cyberjams上得到88.1
10:31.866–10:33.533
也会带来双重影响
10:33.866–10:35.533
防守团队可以用它审计
10:35.533–10:38.000
代码复现漏洞和处理告警
10:38.400–10:39.733
供给者同样可以让
10:39.733–10:41.366
模型自动寻找入口
10:41.466–10:44.166
开源权重和廉价API降低了
10:44.166–10:45.800
先进能力的使用门槛
10:45.933–10:47.733
也会降低滥用门槛
10:47.966–10:49.766
评价这款模型需要同时
10:49.766–10:51.966
检查任务能力与部署治理
10:52.166–10:54.666
后者包括限制权限记录
10:54.666–10:57.000
操作并阻止高风险行为
10:57.366–10:58.900
第三层意义是价格
10:59.166–11:01.533
V4.1Flash上线后
11:01.600–11:04.200
Deepseek继续采用峰谷计费
11:04.500–11:06.300
闲时每百万TOKEN的缓存
11:06.300–11:08.700
命中输入只收0.02元
11:09.266–11:10.666
未命中输入1元
11:10.800–11:11.866
输出4元
11:12.266–11:16.566
高峰时段分别是0.04元2元和8元
11:16.700–11:18.900
缓存命中价格低到几乎是在
11:18.900–11:21.966
鼓励开发者重复携带长上下文
11:22.400–11:24.866
这套定价为智能体量身定做
11:24.866–11:27.733
一个代理每天处理同一套公司规则
11:27.900–11:31.000
同一个代码仓库和同一批长期记忆
11:31.566–11:33.700
大部分输入会反复出现
11:33.966–11:35.266
缓存命中以后
11:35.366–11:38.066
服务商不需要重新完成全部计算
11:38.200–11:40.000
客户也获得更低价格
11:40.666–11:43.133
只有新问题新网页和新任务
11:43.133–11:45.533
产生的内容按未命中计费
11:45.866–11:47.300
上下文越稳定
11:47.366–11:48.933
成本优势越明显
11:49.100–11:51.666
便宜的缓存还会改变产品设计
11:52.200–11:54.000
过去开发者为了省钱
11:54.000–11:55.766
会主动删掉历史记录
11:55.766–11:57.900
把复杂任务切成短对话
11:58.500–12:00.000
这样虽然减少TOKEN
12:00.000–12:03.200
却容易丢失目标约束和中间结果
12:03.466–12:04.733
缓存价格降到每
12:04.733–12:06.666
百万TOKEN几分钱以后
12:06.700–12:09.066
保留长期记忆变得更可行
12:09.666–12:12.133
产品可以让代理记住项目状态
12:12.200–12:15.000
而不用每次启动都重新解释背景
12:15.200–12:18.566
输出价格依然远高于缓存命中输入
12:18.733–12:20.300
这也在引导开发者
12:20.300–12:21.933
减少无意义长回答
12:22.466–12:25.333
代理最理想的工作方式是大量读取
12:25.333–12:26.333
少量决策
12:26.366–12:27.400
精确行动
12:27.533–12:31.366
V4.1 Flash的非对称激活和API
12:31.366–12:32.966
价格指向同一个方向
12:33.400–12:34.600
输入可以很长
12:34.600–12:36.333
输出应该服务于任务
12:36.366–12:37.966
那些依靠生成大段
12:37.966–12:40.066
文本制造工作量的产品
12:40.266–12:42.933
反而无法充分利用这套成本结构
12:43.100–12:44.800
峰谷计费则暴露出
12:44.800–12:47.133
Deepseek的另一项现实约束
12:47.766–12:50.066
闲时价格只有高峰的一半
12:50.133–12:51.766
说明算力需求仍然
12:51.766–12:53.500
会在特定时间集中
12:53.900–12:56.366
Deepseek用价格把非紧急
12:56.366–12:58.266
任务推向空闲时段
12:58.400–13:01.366
让数据中心保持更稳定的利用率
13:01.500–13:03.766
批量代码检查离线研究和
13:03.766–13:06.166
夜间数据处理可以延后执行
13:06.566–13:08.533
即时客服与在线编程
13:08.533–13:10.500
则继续支付高峰成本
13:10.733–13:13.566
这套价格承担着算力调度功能
13:13.866–13:16.766
传统云服务按机器使用时间收费
13:17.000–13:19.733
Deepseek把电力服务器利用率和
13:19.733–13:22.300
请求时段直接写进TOKEN价格
13:22.566–13:24.700
用户看到的是一张价格表
13:25.133–13:26.733
Deepseek考虑的是怎样
13:26.733–13:28.966
减少昂贵GPU的空转
13:29.133–13:31.700
模型架构压低单次推理成本
13:31.933–13:34.100
峰谷价格在平衡总流量
13:34.200–13:37.066
两者组合起来才形成真正的低价
13:37.200–13:40.766
腾讯的work Buddy code Buddy和open code
13:41.100–13:43.400
已经成为首批官方合作伙伴
13:43.500–13:47.200
这组名单也说明V4.1Flash瞄准的市场
13:47.466–13:49.300
办公代理和代码工具
13:49.333–13:51.133
成为首批展示场景
13:51.500–13:54.500
娱乐聊天与图片问答被放到后面
13:54.566–13:55.733
开发者会在这些
13:55.733–13:57.500
产品里连续调用模型
13:57.733–13:58.800
使用量大
13:58.800–14:01.200
对延迟和成本极其敏感
14:01.333–14:03.666
也最容易验证Flash能否
14:03.666–14:05.700
承担原本属于Pro的任务
14:05.933–14:09.000
Deepseek为什么愿意让Pro请求转到Flash
14:09.200–14:11.333
一方面新架构可能确实把
14:11.333–14:13.100
相近能力做得更便宜
14:13.566–14:14.366
另一方面
14:14.533–14:15.933
统一流量也能减少
14:15.933–14:17.866
维护多款旧模型的成本
14:17.933–14:20.100
每多保留一个生产模型
14:20.466–14:23.466
服务商都要准备独立容量监控
14:23.466–14:26.900
质量修补安全问题并处理接口兼容
14:27.066–14:28.366
把旧Flash
14:28.933–14:32.533
视觉实验版和Pro流量集中到V4.1Flash
14:32.733–14:34.466
可以提高集群利用率
14:34.500–14:36.066
这种统一也有风险
14:36.533–14:38.000
部分客户选择Pro
14:38.266–14:40.733
可能依赖它在特殊姿势长
14:40.733–14:43.066
推理或固定输出风格上的表现
14:43.200–14:44.466
接口名称不变
14:44.700–14:46.166
底层模型却换了
14:46.200–14:47.666
自动化流程就可能
14:47.666–14:49.533
出现难以发现的漂移
14:49.766–14:53.266
Deepseek需要让API返回明确版本信息
14:53.266–14:55.566
并给企业足够的迁移窗口
14:55.733–14:57.400
一次回答贵几分钱
14:57.400–14:58.966
通常可以计算生产
14:59.366–15:01.066
结果突然改变才是企业
15:01.066–15:02.766
客户最难控制的成本
15:02.933–15:06.100
模型权重仓库同步出现在hugging face
15:06.533–15:08.333
意味着社区能够继续
15:08.333–15:11.466
进行量化适配和私有部署
15:11.900–15:13.266
开放权重会让更多
15:13.266–15:14.933
团队检查模型行为
15:15.000–15:18.300
也能推动SG Lang VLLM等推理
15:18.300–15:20.300
框架快速支持新架构
15:20.366–15:23.766
但5,520亿总参数提醒了一个现实
15:24.600–15:26.066
普通游戏电脑无法
15:26.066–15:27.800
顺畅运行完整模型
15:28.300–15:31.533
部署仍需要大规模GPU和存储集群
15:31.600–15:33.000
所以Flash这个名字
15:33.000–15:34.700
不能被误读为消费级
15:35.166–15:38.400
他描述Deepseek产品线中的计算效率
15:38.600–15:40.700
绝对硬件门槛依然很高
15:40.800–15:42.733
输入激活只有80亿
15:42.866–15:45.366
总权重仍有5,520亿
15:45.733–15:47.933
激活参数决定单步计算量
15:48.100–15:50.700
总参数则决定权重存储规模
15:50.866–15:53.333
很多宣传会把两者混在一起
15:53.333–15:56.533
制造80亿参数达到旗舰水平的错觉
15:56.566–15:57.766
这并不准确
15:57.800–15:59.133
对企业来说
15:59.400–16:02.066
API可能比自建集群更现实
16:02.500–16:04.800
私有部署能够控制数据和成本
16:04.866–16:07.166
但需要承担模型切分推理
16:07.166–16:09.666
优化故障恢复与硬件采购
16:09.866–16:11.500
只有调用量足够大
16:11.500–16:12.766
数据足够敏感
16:12.900–16:14.666
完整部署才可能划算
16:14.900–16:17.966
Deepseek留下大规模部署合作入口
16:18.066–16:20.066
说明它也知道开放权重不
16:20.066–16:22.300
等于普通客户能够独立跑起来
16:22.533–16:25.000
企业还要计算一笔常被忽略的账
16:25.400–16:27.133
模型权重免费并不
16:27.133–16:28.933
代表每次调用免费
16:29.266–16:32.100
自建集群需要为峰值流量预留硬件
16:32.100–16:34.100
低谷时机器又可能闲置
16:34.300–16:35.700
官方API可以把不同
16:35.700–16:37.500
客户的波峰摊在一起
16:37.866–16:39.966
若企业每天调用量不稳定
16:40.066–16:43.133
购买GPU通常比按TOKEN付费更贵
16:43.200–16:45.266
只有数据不能离开内网
16:45.500–16:46.966
延迟要求极高
16:47.066–16:49.666
或者调用规模长期稳定时
16:49.800–16:51.933
自建部署的控制权才
16:51.933–16:53.600
可能抵消运维成本
16:53.800–16:55.700
私有部署仍有独特价值
16:56.400–16:57.800
团队可以固定版本
16:57.800–16:59.466
避免接口悄悄换模
16:59.666–17:01.133
也能针对自己的文档
17:01.133–17:02.966
和代码建立专用缓存
17:03.200–17:05.800
高度监管行业还可以把日志权限
17:05.800–17:08.766
和数据保留策略掌握在自己手里
17:08.933–17:10.100
V4.1Flash
17:10.500–17:12.533
真正扩大的是选择空间
17:12.733–17:15.600
企业可以先用低价API验证任务
17:15.733–17:19.133
再决定哪些高频流程值得搬回本地
17:19.300–17:22.166
而不用一开始就为整套集群下注
17:22.466–17:25.933
V4.1Flash给闭源模型带来的最大压力
17:26.266–17:28.000
也许来自价格参照
17:28.166–17:30.300
绝对能力只是其中一部分
17:30.566–17:32.533
只要他能用较低成本完成
17:32.533–17:35.066
大部分代码代理和自动化任务
17:35.266–17:36.900
客户就会开始追问
17:37.200–17:38.566
更昂贵的旗舰模型
17:38.566–17:40.400
到底多解决了哪些问题
17:40.500–17:43.466
如果差距只存在于少数极难任务
17:43.733–17:46.166
企业会把日常工作交给Flash
17:46.366–17:49.000
只在失败时升级到高价模型
17:49.133–17:50.933
这种分层路由可能成为
17:50.933–17:52.700
下一阶段的标准架构
17:53.400–17:56.066
简单任务先由低成本模型处理
17:56.200–17:58.466
复杂任务再转给更强模型
17:58.666–18:01.300
V4.1 Flash现在更进一步
18:01.366–18:03.266
它试图把原本属于高价
18:03.266–18:05.066
层的大部分工作吞掉
18:05.266–18:06.666
旗舰模型不会消失
18:06.666–18:08.533
但调用频率可能下降
18:08.566–18:11.266
角色从默认入口变成异常处理器
18:11.533–18:13.866
这会迫使其他厂商重新定价
18:14.000–18:15.600
模型公司过去用更大
18:15.600–18:18.533
上下文更高基准分数吸引客户
18:18.666–18:20.000
接下来必须证明每
18:20.000–18:22.300
一美元能完成多少有效任务
18:22.500–18:24.533
只公布输入单价不够
18:24.866–18:26.333
还要计算完成一次
18:26.333–18:28.700
代码修改需要几轮对话
18:28.866–18:31.400
多少工具调用和多长时间
18:31.933–18:34.400
便宜但反复返工的模型并不便宜
18:34.600–18:36.300
单价较高却一次做对
18:36.300–18:37.900
的模型也未必昂贵
18:38.133–18:41.366
Deepseek强调总用时超过V4Pro
18:41.366–18:43.333
就是在争夺这项新指标
18:43.500–18:45.566
智能体成本由TOKEN价格
18:45.600–18:48.333
生成长度执行轮数失败
18:48.333–18:50.666
重试和等待时间共同组成
18:50.900–18:53.366
一款模型每百万TOKEN便宜一半
18:53.700–18:55.366
如果需要多跑三轮
18:55.400–18:57.466
最终账单仍可能更高
18:57.600–19:00.266
V4.1Flash若能同时减少
19:00.266–19:02.133
生成量和任务轮数
19:02.766–19:05.466
价格优势才会真正落到客户手里
19:05.533–19:07.866
新架构的输入输出不对称
19:08.133–19:10.100
也可能影响模型行为
19:10.266–19:12.333
输出阶段激活更多参数
19:12.566–19:14.333
理论上可以在生成决策
19:14.333–19:16.466
时调动更丰富的专家
19:16.866–19:18.333
输入阶段更精简
19:18.533–19:20.066
则要确保压缩以后
19:20.066–19:21.666
不会漏掉关键细节
19:21.900–19:24.300
代码库里一个不起眼的配置文件
19:24.400–19:26.766
可能决定整个任务是否成功
19:27.466–19:29.000
如何在降低输入成本
19:29.000–19:31.100
的同时保留关键信息
19:31.366–19:34.100
是独立测试最需要关注的问题
19:34.300–19:36.933
百万TOKEN上下文需要同时
19:36.933–19:39.066
检查容量和信息利用率
19:39.733–19:41.800
模型能够装下100万TOKEN
19:42.100–19:45.000
不等于能稳定使用其中每一处信息
19:45.366–19:47.866
长上下文常见问题包括中间
19:47.866–19:50.566
信息被忽视跨文件关系判断
19:50.566–19:53.900
错误以及旧指令与新指令发生冲突
19:54.166–19:56.166
kv CACHE减少了保存成本
19:56.166–19:59.066
却没有自动解决检索与注意力质量
19:59.100–20:01.566
真正的测试应该观察模型在超长
20:01.566–20:04.766
任务末尾还能否准确引用早期约束
20:05.100–20:07.700
视觉能力也需要经过相同审查
20:08.366–20:11.400
原生多模态说明模型可以处理图片
20:11.400–20:13.200
不代表它已经适合无人
20:13.200–20:15.133
监督地操作所有界面
20:15.333–20:17.166
网页按钮可能被遮挡
20:17.600–20:19.200
确认框会改变状态
20:19.500–20:21.533
恶意页面还能把提示注入
20:21.533–20:22.700
藏在图片中
20:22.866–20:24.466
视觉代理如果同时拥有
20:24.466–20:27.066
终端浏览器和支付权限
20:27.300–20:30.200
错误的代价远高于识别错一张照片
20:30.300–20:33.566
这也是V4.1Flash最值得讨论的矛盾
20:34.466–20:37.600
Deepseek正在把能力速度和价格
20:37.600–20:40.066
同时推向智能体大规模应用
20:40.166–20:41.400
可智能体的治理
20:41.400–20:43.133
能力并没有自动跟上
20:43.300–20:44.466
模型越便宜
20:44.800–20:46.300
部署数量越大
20:46.600–20:47.900
部署数量越大
20:48.066–20:50.933
偶发错误就越容易变成系统性事故
20:51.100–20:53.166
行业需要降低推理成本
20:53.200–20:56.000
也要同步建立权限隔离日志
20:56.000–20:58.800
审计人工批准和事故响应
20:58.966–21:00.466
从竞争角度看
21:00.533–21:03.366
这款模型也透露出Deepseek的节奏
21:03.900–21:05.466
V4在4月亮相
21:05.666–21:07.266
7月底更新Flash
21:07.466–21:09.800
9月又推出V4.1Flash
21:10.266–21:11.966
更新速度越来越快
21:12.166–21:14.500
旧模型生命周期越来越短
21:14.800–21:16.666
开发者获得了更强能力
21:16.866–21:18.866
也承担更频繁的迁移
21:19.066–21:20.866
模型厂商如果每隔几周
21:20.866–21:22.566
改变接口背后的行为
21:22.900–21:24.333
软件工程中的稳定
21:24.333–21:26.166
版本观念就会受到挑战
21:26.600–21:28.533
Deepseek用兼容路由
21:28.766–21:30.666
减少了接口迁移成本
21:30.800–21:32.400
旧名称仍能调用
21:32.500–21:34.066
程序不会立即报错
21:34.333–21:36.966
但行为兼容比接口兼容更难
21:37.066–21:38.966
相同提示在新模型上
21:38.966–21:40.600
可能生成不同长度
21:40.733–21:41.933
调用不同工具
21:41.933–21:43.766
或采用不同决策顺序
21:44.066–21:45.300
企业需要保存
21:45.300–21:46.266
回归测试
21:46.400–21:48.566
用自己的任务验证升级
21:48.800–21:51.333
官方总榜只能充当初步参考
21:51.700–21:54.066
V4.1Flash的发布也说明
21:54.333–21:56.500
开源与闭源竞争正在从
21:56.500–21:58.933
模型权重扩展到服务体系
21:59.266–22:00.366
权重可以下载
22:00.766–22:01.766
真正好用
22:01.866–22:04.600
还需要推理框架缓存系统
22:04.700–22:08.200
工具协议监控平台和稳定API
22:08.400–22:10.600
Deepseek一边开放仓库
22:10.666–22:13.800
一边通过极低API价格吸引流量
22:13.800–22:15.200
形成双重策略
22:15.733–22:17.700
社区帮助它适配硬件
22:17.733–22:19.166
官方服务则把最怕
22:19.166–22:21.166
麻烦的客户留在平台上
22:21.266–22:23.300
价格低到一定程度以后
22:23.500–22:25.966
模型本身可能变成入口
22:26.366–22:29.333
作为利润中心的重要性会下降
22:29.533–22:31.566
开发者围绕Deepseek建立
22:31.566–22:33.966
代理插件和工作流
22:34.066–22:35.533
平台就能积累真实
22:35.533–22:37.666
任务数据与生态影响力
22:37.866–22:40.866
腾讯和open code把V4.1Flash放进
22:40.866–22:43.000
开发者每天使用的工具里
22:43.366–22:44.733
这层入口价值已经
22:44.733–22:46.466
超过普通渠道合作
22:46.700–22:48.300
谁掌握默认模型
22:48.466–22:49.700
谁就更容易影响
22:49.700–22:51.666
下一代软件的技术选择
22:51.766–22:53.133
可是低价也会给
22:53.133–22:54.900
Deepseek自己施加压力
22:55.400–23:00.066
API收入必须覆盖GPU折旧电力带宽
23:00.066–23:03.366
运维和研发缓存压缩与稀疏激活
23:03.366–23:06.066
可以降低成本价格战却可能把
23:06.066–23:08.533
节省下来的空间迅速让给客户
23:08.866–23:11.066
只要竞争对手继续跟价
23:11.300–23:12.766
模型服务就会越来越
23:12.766–23:14.800
像云计算基础设施
23:15.166–23:17.600
规模和利用率将决定利润
23:18.200–23:20.733
发布当天的热度很快就会消退
23:21.000–23:23.766
缓存命中价尤其容易制造误解
23:24.000–23:25.966
每百万TOKEN2分钱只
23:25.966–23:27.766
适用于系统已经保存
23:27.800–23:29.333
再次复用的内容
23:29.900–23:31.700
首次送入的新资料仍
23:31.700–23:33.533
按未命中价格计算
23:34.200–23:36.733
模型输出也按更高价格收费
23:36.800–23:39.000
代理如果每轮都改写提示
23:39.300–23:40.666
重新排序文档
23:40.966–23:42.866
哪怕信息大致相同
23:42.966–23:44.966
也未必形成稳定缓存
23:45.366–23:47.100
真正省钱的产品需要把
23:47.100–23:49.566
系统规则知识库片段和
23:49.566–23:52.266
项目上下文设计成可重复前缀
23:52.566–23:54.466
价格优势最终会奖励
23:54.466–23:56.066
良好的上下文工程
23:56.166–23:58.533
这会催生一种新的产品分工
23:58.933–24:00.300
模型厂商负责把
24:00.300–24:02.366
缓存做得更密更便宜
24:02.733–24:04.166
应用开发者负责让
24:04.166–24:06.200
任务产生可复用内容
24:06.766–24:08.300
企业则要判断哪些
24:08.300–24:10.066
信息适合长期保存
24:10.333–24:11.733
缓存保留越多
24:12.200–24:15.100
隐私和数据生命周期问题也越突出
24:15.266–24:18.166
低价上下文不能无限保存客户秘密
24:18.733–24:19.966
服务商必须说明
24:19.966–24:22.100
缓存是否跨请求复用
24:22.100–24:23.166
保存多久
24:23.266–24:25.366
以及用户能否要求删除
24:25.400–24:27.700
这正是V4.1Flash比一张
24:27.700–24:29.600
跑分表更重要的原因
24:29.733–24:31.133
它把模型竞争里的
24:31.133–24:33.100
三条路线压到了一起
24:33.300–24:35.666
用非对称架构减少计算
24:35.866–24:38.066
用缓存压缩释放硬件
24:38.600–24:41.500
再用价格和接口迁移扩大调用量
24:41.566–24:43.500
任何一条单独成立都不够
24:43.600–24:45.066
三条同时成立
24:45.300–24:48.666
Deepseek才有机会让Flash真正替代Pro
24:48.733–24:50.733
接下来需要观察四件事
24:50.900–24:53.300
第一独立评测能否复现
24:53.300–24:54.900
代码和智能体成绩
24:55.466–24:57.766
第二百万上下文中的信息
24:57.766–24:59.533
保持能力是否稳定
24:59.700–25:02.366
第三视觉工具调用在真实
25:02.366–25:04.166
网页里能否控制错误
25:04.400–25:06.400
第四Pro流量切换以后
25:06.533–25:08.933
企业客户是否出现质量回退
25:09.100–25:11.166
这些结果比发布会上的领先
25:11.166–25:14.366
百分比更能决定V4.1Flash的位置
25:14.466–25:15.866
对普通用户而言
25:15.866–25:18.666
最直接的变化可能没有那么戏剧化
25:19.100–25:20.566
应用响应会更快
25:20.666–25:22.900
更多产品会加入图片理解
25:23.166–25:25.566
长任务不再轻易因为费用中断
25:25.866–25:27.533
用户甚至未必知道
25:27.533–25:29.300
底层模型已经更换
25:29.400–25:32.366
真正剧烈的变化发生在开发者后台
25:32.666–25:35.000
同样预算能够运行更多代理
25:35.366–25:37.066
过去不值得自动化的小
25:37.066–25:39.400
任务开始变得有经济意义
25:39.533–25:40.733
一家公司每天有
25:40.733–25:42.533
10万份文档需要分类
25:42.733–25:44.300
模型价格下降一点
25:44.600–25:46.866
全年成本就会出现巨大差异
25:47.000–25:48.566
一个代码平台每天
25:48.566–25:51.000
处理数百万次仓库查询
25:51.366–25:53.566
缓存需求减少3/4
25:53.700–25:55.333
硬件规划也会改变
25:55.500–25:59.533
V4.1Flash争夺的就是这些看起来无聊
25:59.766–26:01.600
调用量却极大的任务
26:01.966–26:03.933
消费级聊天带来知名度
26:04.166–26:05.400
重复发生的企业
26:05.400–26:07.400
流程才带来持续流量
26:07.466–26:09.333
对国内模型行业来说
26:09.533–26:12.500
Deepseek还在提高低价旗舰的门槛
26:12.933–26:14.533
其他厂商无法只拿
26:14.533–26:16.466
一个更小模型参加竞争
26:16.800–26:19.100
还得同时支持长上下文
26:19.266–26:21.966
视觉工具调用和代码代理
26:22.166–26:23.600
能力追平以后
26:23.766–26:25.600
价格又必须足够低
26:25.866–26:28.166
这样的竞争会加速行业整合
26:28.400–26:30.600
拥有算力工程和分发
26:30.600–26:32.700
能力的平台更容易留下
26:32.733–26:34.333
单纯依靠模型演示
26:34.333–26:36.066
的公司会越来越难
26:36.133–26:37.700
对海外厂商而言
26:37.800–26:39.566
压力来自另一种方向
26:39.966–26:41.566
闭源模型仍可能在
26:41.566–26:43.466
最高难度任务上领先
26:43.566–26:46.566
也拥有成熟企业合规与服务支持
26:47.100–26:50.766
但V4.1Flash会迫使客户进行任务拆分
26:50.866–26:53.766
大量日常调用如果能转向便宜模型
26:53.800–26:55.333
高价厂商只能从最
26:55.333–26:57.300
复杂的少数请求中赚钱
26:57.666–27:00.333
他们需要证明的不再是模型最好
27:00.366–27:02.966
而是领先部分足以抵消价格差
27:03.266–27:05.366
Deepseek这次没有发布一款
27:05.366–27:07.200
真正意义上的小模型
27:07.533–27:10.333
他发布的是一台把庞大参数藏
27:10.333–27:13.000
在稀疏计算后面的工业机器
27:13.100–27:15.800
5,520亿参数提供容量
27:15.900–27:19.333
80亿和160亿激活规模控制成本
27:19.533–27:22.166
压缩缓存负责承载长期任务
27:22.333–27:25.333
原生视觉负责进入真实电脑环境
27:25.733–27:27.666
最后再用API低价把这些
27:27.666–27:29.533
能力送进开发者工具
27:29.700–27:31.866
开头那个问题现在有了答案
27:32.133–27:35.500
V4.1Flash能够暂时接管Pro
27:35.566–27:37.566
靠的是把旗舰能力装进
27:37.566–27:39.466
更低成本的运行结构
27:39.933–27:42.300
Flash这个名称并没有失去意义
27:42.533–27:45.200
Deepseek想淘汰一款旧模型
27:45.333–27:47.566
也在挑战能力越强就
27:47.566–27:49.400
一定越贵的行业惯性
27:49.500–27:51.133
这场测试才刚开始
27:51.400–27:53.500
官方基准可以证明方向
27:53.566–27:55.666
生产流量才能证明结果
27:55.933–27:58.700
如果9月14日以后的Pro请求真的在
27:58.700–28:01.766
用户无感的情况下由Flash完成
28:02.100–28:05.300
V4.1就会成为一次重要的架构转折
28:05.466–28:06.800
如果质量回退
28:07.000–28:09.933
长任务失控或视觉代理频繁犯错
28:09.966–28:11.566
这次激进迁移也会
28:11.566–28:13.000
暴露新架构的边界
28:13.400–28:15.133
Deepseek把最强的承诺
28:15.133–28:16.600
写进了路由系统
28:16.933–28:19.733
宣传页面上的文字反倒居于其次
28:20.166–28:22.700
便宜模型要接管昂贵模型的工作
28:22.866–28:24.800
最终裁判不会是排行榜
28:25.133–28:27.000
裁判是每一次完成的任务
28:27.066–28:28.600
每一笔实际账单
28:28.666–28:31.566
以及企业敢不敢把关键流程交给他
0:00.166–0:02.766
zhDeepseek刚刚做了一件反常的事
Deepseek刚刚做了一件反常的事
0:02.900–0:05.400
zh它发布了新一代V4.1Flash
它发布了新一代V4.1Flash
0:05.566–0:07.600
zh却准备让这款名字里带着
却准备让这款名字里带着
0:07.600–0:10.600
zh轻量的模型接管上一代V4Pro
轻量的模型接管上一代V4Pro
0:10.966–0:13.366
zh北京时间9月14日中午以后
北京时间9月14日中午以后
0:13.500–0:15.866
zh用户即使继续调用Pro接口
用户即使继续调用Pro接口
0:16.000–0:18.666
zh请求也会被转给V4.1Flash
请求也会被转给V4.1Flash
0:18.800–0:20.733
zh而且只收Flash的价格
而且只收Flash的价格
0:20.933–0:22.666
zh一款便宜模型为什么能
一款便宜模型为什么能
0:22.666–0:24.766
zh让旗舰型号暂时退场
让旗舰型号暂时退场
0:24.900–0:26.466
zh答案藏在这次发布
答案藏在这次发布
0:26.466–0:28.133
zh最容易被忽略的地方
最容易被忽略的地方
0:28.566–0:30.700
zhDeepseek换掉了计算方式
Deepseek换掉了计算方式
0:30.766–0:32.133
zh也开始重新定义
也开始重新定义
0:32.133–0:34.100
zh什么叫大模型的性价比
什么叫大模型的性价比
0:34.300–0:38.266
zhV4.1 Flash是Deepseek下一代架构
V4.1 Flash是Deepseek下一代架构
0:38.266–0:40.533
zh家族公开亮相的第一款产品
家族公开亮相的第一款产品
0:40.866–0:42.500
zh升级范围远超增加
升级范围远超增加
0:42.500–0:44.566
zh视觉模块和改动版本号
视觉模块和改动版本号
0:44.933–0:46.366
zh官方把它称为这个新
官方把它称为这个新
0:46.366–0:48.666
zh家族中尺寸最小的成员
家族中尺寸最小的成员
0:48.866–0:51.700
zh可它拥有5,520亿个参数
可它拥有5,520亿个参数
0:51.966–0:53.900
zh这个小只存在于Deepseek
这个小只存在于Deepseek
0:54.066–0:56.200
zh规划中的下一代产品线里
规划中的下一代产品线里
0:56.266–0:58.200
zh放到普通开源模型市场
放到普通开源模型市场
0:58.266–1:00.500
zh它依然是一台需要数据中心级
它依然是一台需要数据中心级
1:00.500–1:03.066
zh资源才能完整部署的庞然大物
资源才能完整部署的庞然大物
1:03.166–1:04.966
zh5,520亿之外
5,520亿之外
1:05.000–1:07.666
zh80亿和160亿更能解释
80亿和160亿更能解释
1:07.666–1:09.466
zh这款模型怎样运行
这款模型怎样运行
1:09.733–1:12.966
zhV4.1Flash继续采用混合专家模型
V4.1Flash继续采用混合专家模型
1:13.200–1:14.933
zh但输入与输出阶段
但输入与输出阶段
1:14.933–1:16.700
zh使用不同的激活规模
使用不同的激活规模
1:16.933–1:20.166
zh模型读取内容时大约激活80亿参数
模型读取内容时大约激活80亿参数
1:20.466–1:23.600
zh生成答案时大约激活160亿参数
生成答案时大约激活160亿参数
1:23.766–1:25.766
zh总参数负责储存能力
总参数负责储存能力
1:26.200–1:27.500
zh参与每一步运算的
参与每一步运算的
1:27.500–1:29.566
zh参数则被压到更小范围
参数则被压到更小范围
1:29.766–1:31.666
zhDeepseek给这种设计起的
Deepseek给这种设计起的
1:31.666–1:34.200
zh名字是causal encoder decoder
名字是causal encoder decoder
1:34.600–1:37.600
zh也就是因果编码器与解码器结构
也就是因果编码器与解码器结构
1:37.800–1:40.400
zh为什么要把输入和输出分开算
为什么要把输入和输出分开算
1:40.666–1:43.166
zh因为AI的工作形态已经变了
因为AI的工作形态已经变了
1:43.533–1:44.933
zh聊天机器人时代
聊天机器人时代
1:45.066–1:46.200
zh用户问一句
用户问一句
1:46.200–1:47.400
zh模型答一段
模型答一段
1:47.600–1:50.133
zh输入和输出长度相差不大
输入和输出长度相差不大
1:50.266–1:52.166
zh智能体时代完全不同
智能体时代完全不同
1:52.166–1:53.933
zh一个代码代理可能先读
一个代码代理可能先读
1:53.933–1:55.533
zh几十万个TOKEN的仓库
几十万个TOKEN的仓库
1:55.800–1:58.400
zh检查报错文档和提交记录
检查报错文档和提交记录
1:58.700–2:00.766
zh最后只修改几百行代码
最后只修改几百行代码
2:00.766–2:03.800
zh一个研究代理可能翻完上百页资料
一个研究代理可能翻完上百页资料
2:04.000–2:05.533
zh调用十几次工具
调用十几次工具
2:05.966–2:07.733
zh最后只交付一份报告
最后只交付一份报告
2:07.933–2:10.200
zh大量成本花在看懂现场
大量成本花在看懂现场
2:10.400–2:12.900
zh真正写出来的内容反而很短
真正写出来的内容反而很短
2:13.000–2:15.133
zh传统架构如果用同一套高
传统架构如果用同一套高
2:15.133–2:17.200
zh成本路径处理所有TOKEN
成本路径处理所有TOKEN
2:17.466–2:20.200
zh就会在输入阶段浪费大量算力
就会在输入阶段浪费大量算力
2:20.466–2:23.400
zhV4.1Flash把读取和生成
V4.1Flash把读取和生成
2:23.400–2:24.866
zh做成不对称路径
做成不对称路径
2:25.300–2:27.000
zh让输入侧更轻
让输入侧更轻
2:27.133–2:29.900
zh输出侧再投入更多专家能力
输出侧再投入更多专家能力
2:29.933–2:32.166
zh这不保证每个任务都更快
这不保证每个任务都更快
2:32.333–2:34.100
zh却准确集中了智能体
却准确集中了智能体
2:34.100–2:35.700
zh最常见的成本结构
最常见的成本结构
2:35.933–2:37.933
zhDeepseek要解决的是代理
Deepseek要解决的是代理
2:37.933–2:39.700
zh连续工作几小时以后
连续工作几小时以后
2:39.866–2:41.566
zh账单能否保持可控
账单能否保持可控
2:41.900–2:43.466
zh单轮回答的价格已经
单轮回答的价格已经
2:43.466–2:45.266
zh不足以衡量这类产品
不足以衡量这类产品
2:45.366–2:47.700
zh这也解释了为什么Deepseek把
这也解释了为什么Deepseek把
2:47.700–2:50.200
zh视觉理解直接放进基础架构
视觉理解直接放进基础架构
2:50.966–2:52.133
zh旧产品线里
旧产品线里
2:52.133–2:56.866
zh文本版V4Flash和V4Flash vision xlarge分开存在
文本版V4Flash和V4Flash vision xlarge分开存在
2:57.066–2:58.533
zh新版本发布以后
新版本发布以后
2:58.566–3:00.533
zh这两个旧模型都被下线
这两个旧模型都被下线
3:00.933–3:03.700
zh接口名称暂时转向V4.1Flash
接口名称暂时转向V4.1Flash
3:03.933–3:05.700
zh开发者不再需要先判断
开发者不再需要先判断
3:05.700–3:07.933
zh请求属于文本还是图片
请求属于文本还是图片
3:08.133–3:09.733
zh再选择不同模型
再选择不同模型
3:10.000–3:13.566
zh截图图表网页界面和文字
截图图表网页界面和文字
3:13.666–3:15.900
zh可以进入同一套推理流程
可以进入同一套推理流程
3:15.966–3:18.533
zh这项产品整合对智能体很关键
这项产品整合对智能体很关键
3:19.366–3:20.700
zh现实中的电脑操作
现实中的电脑操作
3:20.700–3:22.600
zh同时包含文字和画面
同时包含文字和画面
3:22.766–3:24.100
zh按钮位置会改变
按钮位置会改变
3:24.100–3:25.766
zh错误提示藏在截图里
错误提示藏在截图里
3:25.766–3:28.533
zh图表数据没有完整写进网页代码
图表数据没有完整写进网页代码
3:28.533–3:31.733
zh远程桌面甚至指向模型提供画面
远程桌面甚至指向模型提供画面
3:31.800–3:34.733
zh一个不能稳定理解视觉环境的代理
一个不能稳定理解视觉环境的代理
3:34.966–3:36.333
zh工具再多也只能在
工具再多也只能在
3:36.333–3:37.900
zh半个互联网里行动
半个互联网里行动
3:38.200–3:41.166
zh原生视觉让V4.1 Flash更
原生视觉让V4.1 Flash更
3:41.166–3:43.600
zh接近真正的电脑操作模型
接近真正的电脑操作模型
3:44.133–3:46.066
zh能力范围已经超出调用
能力范围已经超出调用
3:46.066–3:48.100
zh搜索接口的聊天机器人
搜索接口的聊天机器人
3:48.366–3:49.466
zh深度求索为这套
深度求索为这套
3:49.466–3:51.100
zh架构设定了四个目标
架构设定了四个目标
3:51.366–3:53.533
zh提高能力上限和推理速度
提高能力上限和推理速度
3:53.600–3:54.566
zh扩大吞吐
扩大吞吐
3:54.700–3:57.300
zh再把同一设计延伸到更大的模型
再把同一设计延伸到更大的模型
3:57.500–3:59.333
zh最后一项尤其值得留意
最后一项尤其值得留意
3:59.700–4:02.333
zhV4.1Flash很可能只是这一代
V4.1Flash很可能只是这一代
4:02.333–4:04.700
zh架构的第一场公开压力测试
架构的第一场公开压力测试
4:04.866–4:06.166
zh输入激活80亿
输入激活80亿
4:06.166–4:08.333
zh输出激活160亿的设计
输出激活160亿的设计
4:08.700–4:11.733
zh如果能在大规模API流量里保持稳定
如果能在大规模API流量里保持稳定
4:11.966–4:14.966
zh未来V4.1Pro就可以沿着同
未来V4.1Pro就可以沿着同
4:14.966–4:16.600
zh一条路线扩大容量
一条路线扩大容量
4:16.766–4:19.566
zh而不用让成本跟参数量同步膨胀
而不用让成本跟参数量同步膨胀
4:20.000–4:21.066
zh模型架构里还有另
模型架构里还有另
4:21.066–4:22.600
zh一条更实际的变化
一条更实际的变化
4:22.766–4:24.733
zhKV cache被继续压缩
KV cache被继续压缩
4:25.000–4:26.766
zh长上下文模型会把已经
长上下文模型会把已经
4:26.766–4:28.933
zh处理过的信息保存成缓存
处理过的信息保存成缓存
4:29.200–4:32.133
zh避免生成下一个TOKEN时从头计算
避免生成下一个TOKEN时从头计算
4:32.333–4:33.666
zh上下文越长
上下文越长
4:33.700–4:35.100
zh缓存占用越大
缓存占用越大
4:35.266–4:36.933
zh模型跑100万TOKEN
模型跑100万TOKEN
4:37.266–4:39.133
zh同时服务大量用户时
同时服务大量用户时
4:39.300–4:42.266
zh系统瓶颈会同时出现在计算芯片
系统瓶颈会同时出现在计算芯片
4:42.566–4:45.866
zh显存容量数据搬运速度与外部存储
显存容量数据搬运速度与外部存储
4:45.866–4:48.566
zh上Deepseek公布的数据称
上Deepseek公布的数据称
4:49.133–4:54.200
zhV4.1Flash对HBM的需求降到上一代的1/4
V4.1Flash对HBM的需求降到上一代的1/4
4:54.300–4:57.000
zh对SSD的需求降到1/8
对SSD的需求降到1/8
4:57.000–4:59.533
zh与Deepseek最早一代架构相比
与Deepseek最早一代架构相比
4:59.600–5:02.766
zhKV CACHE累计缩小约437倍
KV CACHE累计缩小约437倍
5:03.266–5:05.800
zh这些数字需要等待独立部署测试
这些数字需要等待独立部署测试
5:05.933–5:08.900
zh但它们揭示了产品真正争夺的资源
但它们揭示了产品真正争夺的资源
5:09.100–5:11.700
zh模型公司过去比谁有更多算力
模型公司过去比谁有更多算力
5:11.933–5:13.766
zh现在还要比谁能用更少
现在还要比谁能用更少
5:13.766–5:16.100
zh显存保存更长的工作记忆
显存保存更长的工作记忆
5:16.500–5:18.466
zhHBM为什么如此重要
HBM为什么如此重要
5:18.566–5:21.133
zh因为它是高端AI芯片旁边最
因为它是高端AI芯片旁边最
5:21.133–5:23.400
zh昂贵也最紧缺的部件之一
昂贵也最紧缺的部件之一
5:23.733–5:26.400
zh模型参数激活值和上下文
模型参数激活值和上下文
5:26.400–5:29.133
zh缓存都在争夺同一块高速空间
缓存都在争夺同一块高速空间
5:29.366–5:30.733
zh缓存膨胀以后
缓存膨胀以后
5:31.133–5:33.333
zh服务器要么减少并发用户
服务器要么减少并发用户
5:33.400–5:35.300
zh要么增加GPU数量
要么增加GPU数量
5:35.400–5:36.900
zh要么把部分数据
要么把部分数据
5:36.933–5:38.700
zh挪到速度较慢的存储
挪到速度较慢的存储
5:39.100–5:40.900
zh三条路都会增加成本
三条路都会增加成本
5:40.966–5:42.500
zh把缓存压下来
把缓存压下来
5:42.600–5:44.266
zh相当于在不购买同等
相当于在不购买同等
5:44.266–5:46.000
zh数量新硬件的情况下
数量新硬件的情况下
5:46.100–5:48.733
zh为现有服务器腾出更多座位
为现有服务器腾出更多座位
5:48.966–5:52.200
zhSSD需求下降会减少硬盘投入
SSD需求下降会减少硬盘投入
5:52.200–5:54.533
zh也会缓解长任务的数据交换
也会缓解长任务的数据交换
5:54.933–5:56.266
zh为了维持上下文
为了维持上下文
5:56.266–5:58.366
zh系统可能需要在显存和
系统可能需要在显存和
5:58.366–6:00.800
zh外部存储之间不断搬运数据
外部存储之间不断搬运数据
6:01.000–6:02.133
zh交换越频繁
交换越频繁
6:02.500–6:03.533
zh延迟越高
延迟越高
6:03.566–6:05.800
zh系统也越难保持稳定吞吐
系统也越难保持稳定吞吐
6:06.066–6:09.166
zhDeepseek把SSD需求压到1/8
Deepseek把SSD需求压到1/8
6:09.166–6:10.666
zh是在减少智能体
是在减少智能体
6:10.666–6:12.866
zh长时间运行时的存储交通
长时间运行时的存储交通
6:13.166–6:15.800
zh用户感受到的可能只是回复更快
用户感受到的可能只是回复更快
6:16.000–6:17.933
zh服务商看到的却是每台
服务商看到的却是每台
6:17.933–6:20.400
zh机器能承载更多并发任务
机器能承载更多并发任务
6:20.500–6:24.100
zhV4.1Flash的第一层意义是重新安排
V4.1Flash的第一层意义是重新安排
6:24.100–6:26.900
zh参数显存和存储之间的关系
参数显存和存储之间的关系
6:27.166–6:30.100
zh基准题多做对几个只是结果之一
基准题多做对几个只是结果之一
6:30.133–6:32.000
zh大模型的能力竞争
大模型的能力竞争
6:32.000–6:33.600
zh进入下一阶段以后
进入下一阶段以后
6:34.000–6:36.100
zh真正难的工作是把高水平
真正难的工作是把高水平
6:36.100–6:38.666
zh推理变成可以长期供应的服务
推理变成可以长期供应的服务
6:38.800–6:41.566
zh模型只在演示中聪明没有用
模型只在演示中聪明没有用
6:42.066–6:44.666
zh必须让数百万个代理同时工作
必须让数百万个代理同时工作
6:44.866–6:47.066
zh企业才可能建立稳定收入
企业才可能建立稳定收入
6:47.133–6:49.666
zh第二层意义来自它的能力定位
第二层意义来自它的能力定位
6:49.900–6:54.933
zhDeepseek公布的GPQA Diamond成绩是90.9
Deepseek公布的GPQA Diamond成绩是90.9
6:55.200–7:00.533
zhHLE是36.8 codeforces评分达到3471
HLE是36.8 codeforces评分达到3471
7:00.666–7:03.066
zh数学与科学推理依然重要
数学与科学推理依然重要
7:03.700–7:06.400
zh但这次最醒目的提升集中在终端
但这次最醒目的提升集中在终端
7:06.600–7:10.266
zh代码仓库自动化和网络安全任务
代码仓库自动化和网络安全任务
7:10.500–7:13.133
zhterminal bench 2.1达到90.6
terminal bench 2.1达到90.6
7:13.366–7:16.366
zhdeepsw 1.1达到74.2
deepsw 1.1达到74.2
7:16.766–7:19.666
zhNL to Repo bench达到65.4
NL to Repo bench达到65.4
7:19.966–7:22.100
zhcybergem达到88.1
cybergem达到88.1
7:22.266–7:24.966
zh这些名字对普通用户不够直观
这些名字对普通用户不够直观
7:25.933–7:28.766
zhTerminal bench测试模型能不能在真实
Terminal bench测试模型能不能在真实
7:28.766–7:31.600
zh终端环境里连续执行命令并完成
终端环境里连续执行命令并完成
7:31.600–7:32.400
zh任务
任务
7:32.666–7:36.500
zhDeepseek和NL to repo关注模型是否能
Deepseek和NL to repo关注模型是否能
7:36.500–7:39.666
zh理解软件仓库定位问题并修改代码
理解软件仓库定位问题并修改代码
7:40.000–7:43.333
zhAutomation bench考察跨工具自动化
Automation bench考察跨工具自动化
7:43.566–7:46.500
zhcyberjail与Seckbench则把模型
cyberjail与Seckbench则把模型
7:46.500–7:48.333
zh放进网络安全任务中
放进网络安全任务中
7:48.666–7:51.466
zh他们共同测试模型能否把事情做完
他们共同测试模型能否把事情做完
7:51.500–7:54.333
zh聊天是否流畅只占很小一部分
聊天是否流畅只占很小一部分
7:54.466–7:56.200
zh过去一款Flash模型往往
过去一款Flash模型往往
7:56.200–7:58.300
zh意味着速度快价格低
意味着速度快价格低
7:58.466–8:00.300
zh复杂任务需要交给Pro
复杂任务需要交给Pro
8:00.700–8:03.200
zhV4.1Flash想打破这套分工
V4.1Flash想打破这套分工
8:03.300–8:06.000
zh官方称它在性能价格速度和
官方称它在性能价格速度和
8:06.000–8:08.600
zh任务总耗时上都超过V4Pro
任务总耗时上都超过V4Pro
8:08.800–8:11.100
zh因此决定有序下线旧Pro
因此决定有序下线旧Pro
8:11.466–8:13.100
zh最有冲击力的是Deepseek
最有冲击力的是Deepseek
8:13.366–8:15.900
zh愿意把实际Pro流量交给Flash
愿意把实际Pro流量交给Flash
8:16.133–8:18.866
zh单个分数领先反倒居于其次
单个分数领先反倒居于其次
8:18.966–8:21.500
zh如果新模型在生产环境里撑不住
如果新模型在生产环境里撑不住
8:21.500–8:24.100
zh这种路由会直接影响付费客户
这种路由会直接影响付费客户
8:24.133–8:26.266
zh不过厂商敢切换流量不等于
不过厂商敢切换流量不等于
8:26.266–8:28.900
zh所有性能结论已经得到独立证明
所有性能结论已经得到独立证明
8:29.600–8:31.066
zh代码代理基准采用
代码代理基准采用
8:31.066–8:33.300
zhDeepseek Harness的minimal模式
Deepseek Harness的minimal模式
8:33.700–8:35.366
zh并使用最大推理强度
并使用最大推理强度
8:35.366–8:37.300
zh和百万TOKEN上下文
和百万TOKEN上下文
8:37.366–8:39.000
zh不同模型如果采用不同
不同模型如果采用不同
8:39.000–8:41.600
zh工具框架提示方式和预算
工具框架提示方式和预算
8:41.700–8:44.166
zh最终成绩很难完全横向比较
最终成绩很难完全横向比较
8:44.400–8:46.900
zh基准能证明V4.1Flash有
基准能证明V4.1Flash有
8:46.900–8:48.266
zh很强的代理能力
很强的代理能力
8:48.600–8:50.566
zh却不能证明它在任何代码
却不能证明它在任何代码
8:50.566–8:53.066
zh库里都比所有旗舰模型可靠
库里都比所有旗舰模型可靠
8:53.300–8:54.900
zh稀疏激活本身也不会
稀疏激活本身也不会
8:54.900–8:56.566
zh自动兑现成低延迟
自动兑现成低延迟
8:57.166–8:59.166
zh混合专家模型需要先判断
混合专家模型需要先判断
8:59.166–9:01.366
zh每个TOKEN该送给哪些专家
每个TOKEN该送给哪些专家
9:01.500–9:03.666
zh再让不同设备交换结果
再让不同设备交换结果
9:03.866–9:05.466
zh专家分布不均时
专家分布不均时
9:05.466–9:07.100
zh部分GPU会排队
部分GPU会排队
9:07.200–9:09.133
zh另一些GPU却在等待
另一些GPU却在等待
9:09.466–9:11.533
zh夸卡通信如果处理不好
夸卡通信如果处理不好
9:11.700–9:13.133
zh省下来的乘法运算
省下来的乘法运算
9:13.133–9:15.000
zh可能被数据搬运吃掉
可能被数据搬运吃掉
9:15.333–9:18.266
zhV4.1 Flash能否跑得快
V4.1 Flash能否跑得快
9:18.500–9:21.566
zh取决于路由算法并行策略和
取决于路由算法并行策略和
9:21.566–9:24.066
zh推理框架能不能共同配合
推理框架能不能共同配合
9:24.333–9:26.100
zh架构给出了效率空间
架构给出了效率空间
9:26.500–9:28.700
zh工程系统负责把空间变成
工程系统负责把空间变成
9:28.700–9:30.900
zh用户真正感受到的速度
用户真正感受到的速度
9:30.966–9:32.733
zh这也让官方速度与
这也让官方速度与
9:32.733–9:34.900
zh本地速度成为两个问题
本地速度成为两个问题
9:35.166–9:37.500
zhDeepseek自己的API可以围绕
Deepseek自己的API可以围绕
9:37.500–9:39.466
zh固定硬件做高度优化
固定硬件做高度优化
9:39.933–9:42.666
zh社区部署却要面对不同GPU
社区部署却要面对不同GPU
9:42.666–9:45.133
zh不同带宽和不同量化方式
不同带宽和不同量化方式
9:45.266–9:46.900
zh一套在大型集群上
一套在大型集群上
9:46.900–9:48.600
zh表现优秀的专家路由
表现优秀的专家路由
9:48.866–9:51.100
zh移到规模较小的服务器后
移到规模较小的服务器后
9:51.133–9:52.900
zh未必保持同样吞吐
未必保持同样吞吐
9:53.300–9:55.500
zh开放权重让外界有机会验证
开放权重让外界有机会验证
9:55.600–9:58.100
zh却不会让官方服务的成本优势
却不会让官方服务的成本优势
9:58.200–10:00.533
zh自动复制到每一家企业机房
自动复制到每一家企业机房
10:00.600–10:02.000
zh还有一个常见误区
还有一个常见误区
10:02.333–10:03.700
zh任务分数提高
任务分数提高
10:03.700–10:06.500
zh不代表模型的每一步操作都更可信
不代表模型的每一步操作都更可信
10:06.733–10:08.366
zh智能体需要连续执行
智能体需要连续执行
10:08.366–10:10.300
zh几十甚至上百个动作
几十甚至上百个动作
10:10.466–10:12.700
zh每一步只有很小的错误概率
每一步只有很小的错误概率
10:13.366–10:16.266
zh累积到长链任务里也会明显放大
累积到长链任务里也会明显放大
10:16.400–10:18.333
zh终端基准做到90分
终端基准做到90分
10:18.400–10:20.133
zh进入企业生产环境以后
进入企业生产环境以后
10:20.133–10:22.166
zh仍要面对权限管理依赖
仍要面对权限管理依赖
10:22.166–10:24.566
zh冲突过时文档和不可逆操作
冲突过时文档和不可逆操作
10:24.666–10:25.900
zh模型越能行动
模型越能行动
10:25.900–10:29.066
zh安全边界就越重要V4.1Flash
安全边界就越重要V4.1Flash
10:29.400–10:31.866
zh在cyberjams上得到88.1
在cyberjams上得到88.1
10:31.866–10:33.533
zh也会带来双重影响
也会带来双重影响
10:33.866–10:35.533
zh防守团队可以用它审计
防守团队可以用它审计
10:35.533–10:38.000
zh代码复现漏洞和处理告警
代码复现漏洞和处理告警
10:38.400–10:39.733
zh供给者同样可以让
供给者同样可以让
10:39.733–10:41.366
zh模型自动寻找入口
模型自动寻找入口
10:41.466–10:44.166
zh开源权重和廉价API降低了
开源权重和廉价API降低了
10:44.166–10:45.800
zh先进能力的使用门槛
先进能力的使用门槛
10:45.933–10:47.733
zh也会降低滥用门槛
也会降低滥用门槛
10:47.966–10:49.766
zh评价这款模型需要同时
评价这款模型需要同时
10:49.766–10:51.966
zh检查任务能力与部署治理
检查任务能力与部署治理
10:52.166–10:54.666
zh后者包括限制权限记录
后者包括限制权限记录
10:54.666–10:57.000
zh操作并阻止高风险行为
操作并阻止高风险行为
10:57.366–10:58.900
zh第三层意义是价格
第三层意义是价格
10:59.166–11:01.533
zhV4.1Flash上线后
V4.1Flash上线后
11:01.600–11:04.200
zhDeepseek继续采用峰谷计费
Deepseek继续采用峰谷计费
11:04.500–11:06.300
zh闲时每百万TOKEN的缓存
闲时每百万TOKEN的缓存
11:06.300–11:08.700
zh命中输入只收0.02元
命中输入只收0.02元
11:09.266–11:10.666
zh未命中输入1元
未命中输入1元
11:10.800–11:11.866
zh输出4元
输出4元
11:12.266–11:16.566
zh高峰时段分别是0.04元2元和8元
高峰时段分别是0.04元2元和8元
11:16.700–11:18.900
zh缓存命中价格低到几乎是在
缓存命中价格低到几乎是在
11:18.900–11:21.966
zh鼓励开发者重复携带长上下文
鼓励开发者重复携带长上下文
11:22.400–11:24.866
zh这套定价为智能体量身定做
这套定价为智能体量身定做
11:24.866–11:27.733
zh一个代理每天处理同一套公司规则
一个代理每天处理同一套公司规则
11:27.900–11:31.000
zh同一个代码仓库和同一批长期记忆
同一个代码仓库和同一批长期记忆
11:31.566–11:33.700
zh大部分输入会反复出现
大部分输入会反复出现
11:33.966–11:35.266
zh缓存命中以后
缓存命中以后
11:35.366–11:38.066
zh服务商不需要重新完成全部计算
服务商不需要重新完成全部计算
11:38.200–11:40.000
zh客户也获得更低价格
客户也获得更低价格
11:40.666–11:43.133
zh只有新问题新网页和新任务
只有新问题新网页和新任务
11:43.133–11:45.533
zh产生的内容按未命中计费
产生的内容按未命中计费
11:45.866–11:47.300
zh上下文越稳定
上下文越稳定
11:47.366–11:48.933
zh成本优势越明显
成本优势越明显
11:49.100–11:51.666
zh便宜的缓存还会改变产品设计
便宜的缓存还会改变产品设计
11:52.200–11:54.000
zh过去开发者为了省钱
过去开发者为了省钱
11:54.000–11:55.766
zh会主动删掉历史记录
会主动删掉历史记录
11:55.766–11:57.900
zh把复杂任务切成短对话
把复杂任务切成短对话
11:58.500–12:00.000
zh这样虽然减少TOKEN
这样虽然减少TOKEN
12:00.000–12:03.200
zh却容易丢失目标约束和中间结果
却容易丢失目标约束和中间结果
12:03.466–12:04.733
zh缓存价格降到每
缓存价格降到每
12:04.733–12:06.666
zh百万TOKEN几分钱以后
百万TOKEN几分钱以后
12:06.700–12:09.066
zh保留长期记忆变得更可行
保留长期记忆变得更可行
12:09.666–12:12.133
zh产品可以让代理记住项目状态
产品可以让代理记住项目状态
12:12.200–12:15.000
zh而不用每次启动都重新解释背景
而不用每次启动都重新解释背景
12:15.200–12:18.566
zh输出价格依然远高于缓存命中输入
输出价格依然远高于缓存命中输入
12:18.733–12:20.300
zh这也在引导开发者
这也在引导开发者
12:20.300–12:21.933
zh减少无意义长回答
减少无意义长回答
12:22.466–12:25.333
zh代理最理想的工作方式是大量读取
代理最理想的工作方式是大量读取
12:25.333–12:26.333
zh少量决策
少量决策
12:26.366–12:27.400
zh精确行动
精确行动
12:27.533–12:31.366
zhV4.1 Flash的非对称激活和API
V4.1 Flash的非对称激活和API
12:31.366–12:32.966
zh价格指向同一个方向
价格指向同一个方向
12:33.400–12:34.600
zh输入可以很长
输入可以很长
12:34.600–12:36.333
zh输出应该服务于任务
输出应该服务于任务
12:36.366–12:37.966
zh那些依靠生成大段
那些依靠生成大段
12:37.966–12:40.066
zh文本制造工作量的产品
文本制造工作量的产品
12:40.266–12:42.933
zh反而无法充分利用这套成本结构
反而无法充分利用这套成本结构
12:43.100–12:44.800
zh峰谷计费则暴露出
峰谷计费则暴露出
12:44.800–12:47.133
zhDeepseek的另一项现实约束
Deepseek的另一项现实约束
12:47.766–12:50.066
zh闲时价格只有高峰的一半
闲时价格只有高峰的一半
12:50.133–12:51.766
zh说明算力需求仍然
说明算力需求仍然
12:51.766–12:53.500
zh会在特定时间集中
会在特定时间集中
12:53.900–12:56.366
zhDeepseek用价格把非紧急
Deepseek用价格把非紧急
12:56.366–12:58.266
zh任务推向空闲时段
任务推向空闲时段
12:58.400–13:01.366
zh让数据中心保持更稳定的利用率
让数据中心保持更稳定的利用率
13:01.500–13:03.766
zh批量代码检查离线研究和
批量代码检查离线研究和
13:03.766–13:06.166
zh夜间数据处理可以延后执行
夜间数据处理可以延后执行
13:06.566–13:08.533
zh即时客服与在线编程
即时客服与在线编程
13:08.533–13:10.500
zh则继续支付高峰成本
则继续支付高峰成本
13:10.733–13:13.566
zh这套价格承担着算力调度功能
这套价格承担着算力调度功能
13:13.866–13:16.766
zh传统云服务按机器使用时间收费
传统云服务按机器使用时间收费
13:17.000–13:19.733
zhDeepseek把电力服务器利用率和
Deepseek把电力服务器利用率和
13:19.733–13:22.300
zh请求时段直接写进TOKEN价格
请求时段直接写进TOKEN价格
13:22.566–13:24.700
zh用户看到的是一张价格表
用户看到的是一张价格表
13:25.133–13:26.733
zhDeepseek考虑的是怎样
Deepseek考虑的是怎样
13:26.733–13:28.966
zh减少昂贵GPU的空转
减少昂贵GPU的空转
13:29.133–13:31.700
zh模型架构压低单次推理成本
模型架构压低单次推理成本
13:31.933–13:34.100
zh峰谷价格在平衡总流量
峰谷价格在平衡总流量
13:34.200–13:37.066
zh两者组合起来才形成真正的低价
两者组合起来才形成真正的低价
13:37.200–13:40.766
zh腾讯的work Buddy code Buddy和open code
腾讯的work Buddy code Buddy和open code
13:41.100–13:43.400
zh已经成为首批官方合作伙伴
已经成为首批官方合作伙伴
13:43.500–13:47.200
zh这组名单也说明V4.1Flash瞄准的市场
这组名单也说明V4.1Flash瞄准的市场
13:47.466–13:49.300
zh办公代理和代码工具
办公代理和代码工具
13:49.333–13:51.133
zh成为首批展示场景
成为首批展示场景
13:51.500–13:54.500
zh娱乐聊天与图片问答被放到后面
娱乐聊天与图片问答被放到后面
13:54.566–13:55.733
zh开发者会在这些
开发者会在这些
13:55.733–13:57.500
zh产品里连续调用模型
产品里连续调用模型
13:57.733–13:58.800
zh使用量大
使用量大
13:58.800–14:01.200
zh对延迟和成本极其敏感
对延迟和成本极其敏感
14:01.333–14:03.666
zh也最容易验证Flash能否
也最容易验证Flash能否
14:03.666–14:05.700
zh承担原本属于Pro的任务
承担原本属于Pro的任务
14:05.933–14:09.000
zhDeepseek为什么愿意让Pro请求转到Flash
Deepseek为什么愿意让Pro请求转到Flash
14:09.200–14:11.333
zh一方面新架构可能确实把
一方面新架构可能确实把
14:11.333–14:13.100
zh相近能力做得更便宜
相近能力做得更便宜
14:13.566–14:14.366
zh另一方面
另一方面
14:14.533–14:15.933
zh统一流量也能减少
统一流量也能减少
14:15.933–14:17.866
zh维护多款旧模型的成本
维护多款旧模型的成本
14:17.933–14:20.100
zh每多保留一个生产模型
每多保留一个生产模型
14:20.466–14:23.466
zh服务商都要准备独立容量监控
服务商都要准备独立容量监控
14:23.466–14:26.900
zh质量修补安全问题并处理接口兼容
质量修补安全问题并处理接口兼容
14:27.066–14:28.366
zh把旧Flash
把旧Flash
14:28.933–14:32.533
zh视觉实验版和Pro流量集中到V4.1Flash
视觉实验版和Pro流量集中到V4.1Flash
14:32.733–14:34.466
zh可以提高集群利用率
可以提高集群利用率
14:34.500–14:36.066
zh这种统一也有风险
这种统一也有风险
14:36.533–14:38.000
zh部分客户选择Pro
部分客户选择Pro
14:38.266–14:40.733
zh可能依赖它在特殊姿势长
可能依赖它在特殊姿势长
14:40.733–14:43.066
zh推理或固定输出风格上的表现
推理或固定输出风格上的表现
14:43.200–14:44.466
zh接口名称不变
接口名称不变
14:44.700–14:46.166
zh底层模型却换了
底层模型却换了
14:46.200–14:47.666
zh自动化流程就可能
自动化流程就可能
14:47.666–14:49.533
zh出现难以发现的漂移
出现难以发现的漂移
14:49.766–14:53.266
zhDeepseek需要让API返回明确版本信息
Deepseek需要让API返回明确版本信息
14:53.266–14:55.566
zh并给企业足够的迁移窗口
并给企业足够的迁移窗口
14:55.733–14:57.400
zh一次回答贵几分钱
一次回答贵几分钱
14:57.400–14:58.966
zh通常可以计算生产
通常可以计算生产
14:59.366–15:01.066
zh结果突然改变才是企业
结果突然改变才是企业
15:01.066–15:02.766
zh客户最难控制的成本
客户最难控制的成本
15:02.933–15:06.100
zh模型权重仓库同步出现在hugging face
模型权重仓库同步出现在hugging face
15:06.533–15:08.333
zh意味着社区能够继续
意味着社区能够继续
15:08.333–15:11.466
zh进行量化适配和私有部署
进行量化适配和私有部署
15:11.900–15:13.266
zh开放权重会让更多
开放权重会让更多
15:13.266–15:14.933
zh团队检查模型行为
团队检查模型行为
15:15.000–15:18.300
zh也能推动SG Lang VLLM等推理
也能推动SG Lang VLLM等推理
15:18.300–15:20.300
zh框架快速支持新架构
框架快速支持新架构
15:20.366–15:23.766
zh但5,520亿总参数提醒了一个现实
但5,520亿总参数提醒了一个现实
15:24.600–15:26.066
zh普通游戏电脑无法
普通游戏电脑无法
15:26.066–15:27.800
zh顺畅运行完整模型
顺畅运行完整模型
15:28.300–15:31.533
zh部署仍需要大规模GPU和存储集群
部署仍需要大规模GPU和存储集群
15:31.600–15:33.000
zh所以Flash这个名字
所以Flash这个名字
15:33.000–15:34.700
zh不能被误读为消费级
不能被误读为消费级
15:35.166–15:38.400
zh他描述Deepseek产品线中的计算效率
他描述Deepseek产品线中的计算效率
15:38.600–15:40.700
zh绝对硬件门槛依然很高
绝对硬件门槛依然很高
15:40.800–15:42.733
zh输入激活只有80亿
输入激活只有80亿
15:42.866–15:45.366
zh总权重仍有5,520亿
总权重仍有5,520亿
15:45.733–15:47.933
zh激活参数决定单步计算量
激活参数决定单步计算量
15:48.100–15:50.700
zh总参数则决定权重存储规模
总参数则决定权重存储规模
15:50.866–15:53.333
zh很多宣传会把两者混在一起
很多宣传会把两者混在一起
15:53.333–15:56.533
zh制造80亿参数达到旗舰水平的错觉
制造80亿参数达到旗舰水平的错觉
15:56.566–15:57.766
zh这并不准确
这并不准确
15:57.800–15:59.133
zh对企业来说
对企业来说
15:59.400–16:02.066
zhAPI可能比自建集群更现实
API可能比自建集群更现实
16:02.500–16:04.800
zh私有部署能够控制数据和成本
私有部署能够控制数据和成本
16:04.866–16:07.166
zh但需要承担模型切分推理
但需要承担模型切分推理
16:07.166–16:09.666
zh优化故障恢复与硬件采购
优化故障恢复与硬件采购
16:09.866–16:11.500
zh只有调用量足够大
只有调用量足够大
16:11.500–16:12.766
zh数据足够敏感
数据足够敏感
16:12.900–16:14.666
zh完整部署才可能划算
完整部署才可能划算
16:14.900–16:17.966
zhDeepseek留下大规模部署合作入口
Deepseek留下大规模部署合作入口
16:18.066–16:20.066
zh说明它也知道开放权重不
说明它也知道开放权重不
16:20.066–16:22.300
zh等于普通客户能够独立跑起来
等于普通客户能够独立跑起来
16:22.533–16:25.000
zh企业还要计算一笔常被忽略的账
企业还要计算一笔常被忽略的账
16:25.400–16:27.133
zh模型权重免费并不
模型权重免费并不
16:27.133–16:28.933
zh代表每次调用免费
代表每次调用免费
16:29.266–16:32.100
zh自建集群需要为峰值流量预留硬件
自建集群需要为峰值流量预留硬件
16:32.100–16:34.100
zh低谷时机器又可能闲置
低谷时机器又可能闲置
16:34.300–16:35.700
zh官方API可以把不同
官方API可以把不同
16:35.700–16:37.500
zh客户的波峰摊在一起
客户的波峰摊在一起
16:37.866–16:39.966
zh若企业每天调用量不稳定
若企业每天调用量不稳定
16:40.066–16:43.133
zh购买GPU通常比按TOKEN付费更贵
购买GPU通常比按TOKEN付费更贵
16:43.200–16:45.266
zh只有数据不能离开内网
只有数据不能离开内网
16:45.500–16:46.966
zh延迟要求极高
延迟要求极高
16:47.066–16:49.666
zh或者调用规模长期稳定时
或者调用规模长期稳定时
16:49.800–16:51.933
zh自建部署的控制权才
自建部署的控制权才
16:51.933–16:53.600
zh可能抵消运维成本
可能抵消运维成本
16:53.800–16:55.700
zh私有部署仍有独特价值
私有部署仍有独特价值
16:56.400–16:57.800
zh团队可以固定版本
团队可以固定版本
16:57.800–16:59.466
zh避免接口悄悄换模
避免接口悄悄换模
16:59.666–17:01.133
zh也能针对自己的文档
也能针对自己的文档
17:01.133–17:02.966
zh和代码建立专用缓存
和代码建立专用缓存
17:03.200–17:05.800
zh高度监管行业还可以把日志权限
高度监管行业还可以把日志权限
17:05.800–17:08.766
zh和数据保留策略掌握在自己手里
和数据保留策略掌握在自己手里
17:08.933–17:10.100
enV4.1Flash
V4.1Flash
17:10.500–17:12.533
zh真正扩大的是选择空间
真正扩大的是选择空间
17:12.733–17:15.600
zh企业可以先用低价API验证任务
企业可以先用低价API验证任务
17:15.733–17:19.133
zh再决定哪些高频流程值得搬回本地
再决定哪些高频流程值得搬回本地
17:19.300–17:22.166
zh而不用一开始就为整套集群下注
而不用一开始就为整套集群下注
17:22.466–17:25.933
zhV4.1Flash给闭源模型带来的最大压力
V4.1Flash给闭源模型带来的最大压力
17:26.266–17:28.000
zh也许来自价格参照
也许来自价格参照
17:28.166–17:30.300
zh绝对能力只是其中一部分
绝对能力只是其中一部分
17:30.566–17:32.533
zh只要他能用较低成本完成
只要他能用较低成本完成
17:32.533–17:35.066
zh大部分代码代理和自动化任务
大部分代码代理和自动化任务
17:35.266–17:36.900
zh客户就会开始追问
客户就会开始追问
17:37.200–17:38.566
zh更昂贵的旗舰模型
更昂贵的旗舰模型
17:38.566–17:40.400
zh到底多解决了哪些问题
到底多解决了哪些问题
17:40.500–17:43.466
zh如果差距只存在于少数极难任务
如果差距只存在于少数极难任务
17:43.733–17:46.166
zh企业会把日常工作交给Flash
企业会把日常工作交给Flash
17:46.366–17:49.000
zh只在失败时升级到高价模型
只在失败时升级到高价模型
17:49.133–17:50.933
zh这种分层路由可能成为
这种分层路由可能成为
17:50.933–17:52.700
zh下一阶段的标准架构
下一阶段的标准架构
17:53.400–17:56.066
zh简单任务先由低成本模型处理
简单任务先由低成本模型处理
17:56.200–17:58.466
zh复杂任务再转给更强模型
复杂任务再转给更强模型
17:58.666–18:01.300
zhV4.1 Flash现在更进一步
V4.1 Flash现在更进一步
18:01.366–18:03.266
zh它试图把原本属于高价
它试图把原本属于高价
18:03.266–18:05.066
zh层的大部分工作吞掉
层的大部分工作吞掉
18:05.266–18:06.666
zh旗舰模型不会消失
旗舰模型不会消失
18:06.666–18:08.533
zh但调用频率可能下降
但调用频率可能下降
18:08.566–18:11.266
zh角色从默认入口变成异常处理器
角色从默认入口变成异常处理器
18:11.533–18:13.866
zh这会迫使其他厂商重新定价
这会迫使其他厂商重新定价
18:14.000–18:15.600
zh模型公司过去用更大
模型公司过去用更大
18:15.600–18:18.533
zh上下文更高基准分数吸引客户
上下文更高基准分数吸引客户
18:18.666–18:20.000
zh接下来必须证明每
接下来必须证明每
18:20.000–18:22.300
zh一美元能完成多少有效任务
一美元能完成多少有效任务
18:22.500–18:24.533
zh只公布输入单价不够
只公布输入单价不够
18:24.866–18:26.333
zh还要计算完成一次
还要计算完成一次
18:26.333–18:28.700
zh代码修改需要几轮对话
代码修改需要几轮对话
18:28.866–18:31.400
zh多少工具调用和多长时间
多少工具调用和多长时间
18:31.933–18:34.400
zh便宜但反复返工的模型并不便宜
便宜但反复返工的模型并不便宜
18:34.600–18:36.300
zh单价较高却一次做对
单价较高却一次做对
18:36.300–18:37.900
zh的模型也未必昂贵
的模型也未必昂贵
18:38.133–18:41.366
zhDeepseek强调总用时超过V4Pro
Deepseek强调总用时超过V4Pro
18:41.366–18:43.333
zh就是在争夺这项新指标
就是在争夺这项新指标
18:43.500–18:45.566
zh智能体成本由TOKEN价格
智能体成本由TOKEN价格
18:45.600–18:48.333
zh生成长度执行轮数失败
生成长度执行轮数失败
18:48.333–18:50.666
zh重试和等待时间共同组成
重试和等待时间共同组成
18:50.900–18:53.366
zh一款模型每百万TOKEN便宜一半
一款模型每百万TOKEN便宜一半
18:53.700–18:55.366
zh如果需要多跑三轮
如果需要多跑三轮
18:55.400–18:57.466
zh最终账单仍可能更高
最终账单仍可能更高
18:57.600–19:00.266
zhV4.1Flash若能同时减少
V4.1Flash若能同时减少
19:00.266–19:02.133
zh生成量和任务轮数
生成量和任务轮数
19:02.766–19:05.466
zh价格优势才会真正落到客户手里
价格优势才会真正落到客户手里
19:05.533–19:07.866
zh新架构的输入输出不对称
新架构的输入输出不对称
19:08.133–19:10.100
zh也可能影响模型行为
也可能影响模型行为
19:10.266–19:12.333
zh输出阶段激活更多参数
输出阶段激活更多参数
19:12.566–19:14.333
zh理论上可以在生成决策
理论上可以在生成决策
19:14.333–19:16.466
zh时调动更丰富的专家
时调动更丰富的专家
19:16.866–19:18.333
zh输入阶段更精简
输入阶段更精简
19:18.533–19:20.066
zh则要确保压缩以后
则要确保压缩以后
19:20.066–19:21.666
zh不会漏掉关键细节
不会漏掉关键细节
19:21.900–19:24.300
zh代码库里一个不起眼的配置文件
代码库里一个不起眼的配置文件
19:24.400–19:26.766
zh可能决定整个任务是否成功
可能决定整个任务是否成功
19:27.466–19:29.000
zh如何在降低输入成本
如何在降低输入成本
19:29.000–19:31.100
zh的同时保留关键信息
的同时保留关键信息
19:31.366–19:34.100
zh是独立测试最需要关注的问题
是独立测试最需要关注的问题
19:34.300–19:36.933
zh百万TOKEN上下文需要同时
百万TOKEN上下文需要同时
19:36.933–19:39.066
zh检查容量和信息利用率
检查容量和信息利用率
19:39.733–19:41.800
zh模型能够装下100万TOKEN
模型能够装下100万TOKEN
19:42.100–19:45.000
zh不等于能稳定使用其中每一处信息
不等于能稳定使用其中每一处信息
19:45.366–19:47.866
zh长上下文常见问题包括中间
长上下文常见问题包括中间
19:47.866–19:50.566
zh信息被忽视跨文件关系判断
信息被忽视跨文件关系判断
19:50.566–19:53.900
zh错误以及旧指令与新指令发生冲突
错误以及旧指令与新指令发生冲突
19:54.166–19:56.166
zhkv CACHE减少了保存成本
kv CACHE减少了保存成本
19:56.166–19:59.066
zh却没有自动解决检索与注意力质量
却没有自动解决检索与注意力质量
19:59.100–20:01.566
zh真正的测试应该观察模型在超长
真正的测试应该观察模型在超长
20:01.566–20:04.766
zh任务末尾还能否准确引用早期约束
任务末尾还能否准确引用早期约束
20:05.100–20:07.700
zh视觉能力也需要经过相同审查
视觉能力也需要经过相同审查
20:08.366–20:11.400
zh原生多模态说明模型可以处理图片
原生多模态说明模型可以处理图片
20:11.400–20:13.200
zh不代表它已经适合无人
不代表它已经适合无人
20:13.200–20:15.133
zh监督地操作所有界面
监督地操作所有界面
20:15.333–20:17.166
zh网页按钮可能被遮挡
网页按钮可能被遮挡
20:17.600–20:19.200
zh确认框会改变状态
确认框会改变状态
20:19.500–20:21.533
zh恶意页面还能把提示注入
恶意页面还能把提示注入
20:21.533–20:22.700
zh藏在图片中
藏在图片中
20:22.866–20:24.466
zh视觉代理如果同时拥有
视觉代理如果同时拥有
20:24.466–20:27.066
zh终端浏览器和支付权限
终端浏览器和支付权限
20:27.300–20:30.200
zh错误的代价远高于识别错一张照片
错误的代价远高于识别错一张照片
20:30.300–20:33.566
zh这也是V4.1Flash最值得讨论的矛盾
这也是V4.1Flash最值得讨论的矛盾
20:34.466–20:37.600
zhDeepseek正在把能力速度和价格
Deepseek正在把能力速度和价格
20:37.600–20:40.066
zh同时推向智能体大规模应用
同时推向智能体大规模应用
20:40.166–20:41.400
zh可智能体的治理
可智能体的治理
20:41.400–20:43.133
zh能力并没有自动跟上
能力并没有自动跟上
20:43.300–20:44.466
zh模型越便宜
模型越便宜
20:44.800–20:46.300
zh部署数量越大
部署数量越大
20:46.600–20:47.900
zh部署数量越大
部署数量越大
20:48.066–20:50.933
zh偶发错误就越容易变成系统性事故
偶发错误就越容易变成系统性事故
20:51.100–20:53.166
zh行业需要降低推理成本
行业需要降低推理成本
20:53.200–20:56.000
zh也要同步建立权限隔离日志
也要同步建立权限隔离日志
20:56.000–20:58.800
zh审计人工批准和事故响应
审计人工批准和事故响应
20:58.966–21:00.466
zh从竞争角度看
从竞争角度看
21:00.533–21:03.366
zh这款模型也透露出Deepseek的节奏
这款模型也透露出Deepseek的节奏
21:03.900–21:05.466
zhV4在4月亮相
V4在4月亮相
21:05.666–21:07.266
zh7月底更新Flash
7月底更新Flash
21:07.466–21:09.800
zh9月又推出V4.1Flash
9月又推出V4.1Flash
21:10.266–21:11.966
zh更新速度越来越快
更新速度越来越快
21:12.166–21:14.500
zh旧模型生命周期越来越短
旧模型生命周期越来越短
21:14.800–21:16.666
zh开发者获得了更强能力
开发者获得了更强能力
21:16.866–21:18.866
zh也承担更频繁的迁移
也承担更频繁的迁移
21:19.066–21:20.866
zh模型厂商如果每隔几周
模型厂商如果每隔几周
21:20.866–21:22.566
zh改变接口背后的行为
改变接口背后的行为
21:22.900–21:24.333
zh软件工程中的稳定
软件工程中的稳定
21:24.333–21:26.166
zh版本观念就会受到挑战
版本观念就会受到挑战
21:26.600–21:28.533
zhDeepseek用兼容路由
Deepseek用兼容路由
21:28.766–21:30.666
zh减少了接口迁移成本
减少了接口迁移成本
21:30.800–21:32.400
zh旧名称仍能调用
旧名称仍能调用
21:32.500–21:34.066
zh程序不会立即报错
程序不会立即报错
21:34.333–21:36.966
zh但行为兼容比接口兼容更难
但行为兼容比接口兼容更难
21:37.066–21:38.966
zh相同提示在新模型上
相同提示在新模型上
21:38.966–21:40.600
zh可能生成不同长度
可能生成不同长度
21:40.733–21:41.933
zh调用不同工具
调用不同工具
21:41.933–21:43.766
zh或采用不同决策顺序
或采用不同决策顺序
21:44.066–21:45.300
zh企业需要保存
企业需要保存
21:45.300–21:46.266
zh回归测试
回归测试
21:46.400–21:48.566
zh用自己的任务验证升级
用自己的任务验证升级
21:48.800–21:51.333
zh官方总榜只能充当初步参考
官方总榜只能充当初步参考
21:51.700–21:54.066
zhV4.1Flash的发布也说明
V4.1Flash的发布也说明
21:54.333–21:56.500
zh开源与闭源竞争正在从
开源与闭源竞争正在从
21:56.500–21:58.933
zh模型权重扩展到服务体系
模型权重扩展到服务体系
21:59.266–22:00.366
zh权重可以下载
权重可以下载
22:00.766–22:01.766
zh真正好用
真正好用
22:01.866–22:04.600
zh还需要推理框架缓存系统
还需要推理框架缓存系统
22:04.700–22:08.200
zh工具协议监控平台和稳定API
工具协议监控平台和稳定API
22:08.400–22:10.600
zhDeepseek一边开放仓库
Deepseek一边开放仓库
22:10.666–22:13.800
zh一边通过极低API价格吸引流量
一边通过极低API价格吸引流量
22:13.800–22:15.200
zh形成双重策略
形成双重策略
22:15.733–22:17.700
zh社区帮助它适配硬件
社区帮助它适配硬件
22:17.733–22:19.166
zh官方服务则把最怕
官方服务则把最怕
22:19.166–22:21.166
zh麻烦的客户留在平台上
麻烦的客户留在平台上
22:21.266–22:23.300
zh价格低到一定程度以后
价格低到一定程度以后
22:23.500–22:25.966
zh模型本身可能变成入口
模型本身可能变成入口
22:26.366–22:29.333
zh作为利润中心的重要性会下降
作为利润中心的重要性会下降
22:29.533–22:31.566
zh开发者围绕Deepseek建立
开发者围绕Deepseek建立
22:31.566–22:33.966
zh代理插件和工作流
代理插件和工作流
22:34.066–22:35.533
zh平台就能积累真实
平台就能积累真实
22:35.533–22:37.666
zh任务数据与生态影响力
任务数据与生态影响力
22:37.866–22:40.866
zh腾讯和open code把V4.1Flash放进
腾讯和open code把V4.1Flash放进
22:40.866–22:43.000
zh开发者每天使用的工具里
开发者每天使用的工具里
22:43.366–22:44.733
zh这层入口价值已经
这层入口价值已经
22:44.733–22:46.466
zh超过普通渠道合作
超过普通渠道合作
22:46.700–22:48.300
zh谁掌握默认模型
谁掌握默认模型
22:48.466–22:49.700
zh谁就更容易影响
谁就更容易影响
22:49.700–22:51.666
zh下一代软件的技术选择
下一代软件的技术选择
22:51.766–22:53.133
zh可是低价也会给
可是低价也会给
22:53.133–22:54.900
zhDeepseek自己施加压力
Deepseek自己施加压力
22:55.400–23:00.066
zhAPI收入必须覆盖GPU折旧电力带宽
API收入必须覆盖GPU折旧电力带宽
23:00.066–23:03.366
zh运维和研发缓存压缩与稀疏激活
运维和研发缓存压缩与稀疏激活
23:03.366–23:06.066
zh可以降低成本价格战却可能把
可以降低成本价格战却可能把
23:06.066–23:08.533
zh节省下来的空间迅速让给客户
节省下来的空间迅速让给客户
23:08.866–23:11.066
zh只要竞争对手继续跟价
只要竞争对手继续跟价
23:11.300–23:12.766
zh模型服务就会越来越
模型服务就会越来越
23:12.766–23:14.800
zh像云计算基础设施
像云计算基础设施
23:15.166–23:17.600
zh规模和利用率将决定利润
规模和利用率将决定利润
23:18.200–23:20.733
zh发布当天的热度很快就会消退
发布当天的热度很快就会消退
23:21.000–23:23.766
zh缓存命中价尤其容易制造误解
缓存命中价尤其容易制造误解
23:24.000–23:25.966
zh每百万TOKEN2分钱只
每百万TOKEN2分钱只
23:25.966–23:27.766
zh适用于系统已经保存
适用于系统已经保存
23:27.800–23:29.333
zh再次复用的内容
再次复用的内容
23:29.900–23:31.700
zh首次送入的新资料仍
首次送入的新资料仍
23:31.700–23:33.533
zh按未命中价格计算
按未命中价格计算
23:34.200–23:36.733
zh模型输出也按更高价格收费
模型输出也按更高价格收费
23:36.800–23:39.000
zh代理如果每轮都改写提示
代理如果每轮都改写提示
23:39.300–23:40.666
zh重新排序文档
重新排序文档
23:40.966–23:42.866
zh哪怕信息大致相同
哪怕信息大致相同
23:42.966–23:44.966
zh也未必形成稳定缓存
也未必形成稳定缓存
23:45.366–23:47.100
zh真正省钱的产品需要把
真正省钱的产品需要把
23:47.100–23:49.566
zh系统规则知识库片段和
系统规则知识库片段和
23:49.566–23:52.266
zh项目上下文设计成可重复前缀
项目上下文设计成可重复前缀
23:52.566–23:54.466
zh价格优势最终会奖励
价格优势最终会奖励
23:54.466–23:56.066
zh良好的上下文工程
良好的上下文工程
23:56.166–23:58.533
zh这会催生一种新的产品分工
这会催生一种新的产品分工
23:58.933–24:00.300
zh模型厂商负责把
模型厂商负责把
24:00.300–24:02.366
zh缓存做得更密更便宜
缓存做得更密更便宜
24:02.733–24:04.166
zh应用开发者负责让
应用开发者负责让
24:04.166–24:06.200
zh任务产生可复用内容
任务产生可复用内容
24:06.766–24:08.300
zh企业则要判断哪些
企业则要判断哪些
24:08.300–24:10.066
zh信息适合长期保存
信息适合长期保存
24:10.333–24:11.733
zh缓存保留越多
缓存保留越多
24:12.200–24:15.100
zh隐私和数据生命周期问题也越突出
隐私和数据生命周期问题也越突出
24:15.266–24:18.166
zh低价上下文不能无限保存客户秘密
低价上下文不能无限保存客户秘密
24:18.733–24:19.966
zh服务商必须说明
服务商必须说明
24:19.966–24:22.100
zh缓存是否跨请求复用
缓存是否跨请求复用
24:22.100–24:23.166
zh保存多久
保存多久
24:23.266–24:25.366
zh以及用户能否要求删除
以及用户能否要求删除
24:25.400–24:27.700
zh这正是V4.1Flash比一张
这正是V4.1Flash比一张
24:27.700–24:29.600
zh跑分表更重要的原因
跑分表更重要的原因
24:29.733–24:31.133
zh它把模型竞争里的
它把模型竞争里的
24:31.133–24:33.100
zh三条路线压到了一起
三条路线压到了一起
24:33.300–24:35.666
zh用非对称架构减少计算
用非对称架构减少计算
24:35.866–24:38.066
zh用缓存压缩释放硬件
用缓存压缩释放硬件
24:38.600–24:41.500
zh再用价格和接口迁移扩大调用量
再用价格和接口迁移扩大调用量
24:41.566–24:43.500
zh任何一条单独成立都不够
任何一条单独成立都不够
24:43.600–24:45.066
zh三条同时成立
三条同时成立
24:45.300–24:48.666
zhDeepseek才有机会让Flash真正替代Pro
Deepseek才有机会让Flash真正替代Pro
24:48.733–24:50.733
zh接下来需要观察四件事
接下来需要观察四件事
24:50.900–24:53.300
zh第一独立评测能否复现
第一独立评测能否复现
24:53.300–24:54.900
zh代码和智能体成绩
代码和智能体成绩
24:55.466–24:57.766
zh第二百万上下文中的信息
第二百万上下文中的信息
24:57.766–24:59.533
zh保持能力是否稳定
保持能力是否稳定
24:59.700–25:02.366
zh第三视觉工具调用在真实
第三视觉工具调用在真实
25:02.366–25:04.166
zh网页里能否控制错误
网页里能否控制错误
25:04.400–25:06.400
zh第四Pro流量切换以后
第四Pro流量切换以后
25:06.533–25:08.933
zh企业客户是否出现质量回退
企业客户是否出现质量回退
25:09.100–25:11.166
zh这些结果比发布会上的领先
这些结果比发布会上的领先
25:11.166–25:14.366
zh百分比更能决定V4.1Flash的位置
百分比更能决定V4.1Flash的位置
25:14.466–25:15.866
zh对普通用户而言
对普通用户而言
25:15.866–25:18.666
zh最直接的变化可能没有那么戏剧化
最直接的变化可能没有那么戏剧化
25:19.100–25:20.566
zh应用响应会更快
应用响应会更快
25:20.666–25:22.900
zh更多产品会加入图片理解
更多产品会加入图片理解
25:23.166–25:25.566
zh长任务不再轻易因为费用中断
长任务不再轻易因为费用中断
25:25.866–25:27.533
zh用户甚至未必知道
用户甚至未必知道
25:27.533–25:29.300
zh底层模型已经更换
底层模型已经更换
25:29.400–25:32.366
zh真正剧烈的变化发生在开发者后台
真正剧烈的变化发生在开发者后台
25:32.666–25:35.000
zh同样预算能够运行更多代理
同样预算能够运行更多代理
25:35.366–25:37.066
zh过去不值得自动化的小
过去不值得自动化的小
25:37.066–25:39.400
zh任务开始变得有经济意义
任务开始变得有经济意义
25:39.533–25:40.733
zh一家公司每天有
一家公司每天有
25:40.733–25:42.533
zh10万份文档需要分类
10万份文档需要分类
25:42.733–25:44.300
zh模型价格下降一点
模型价格下降一点
25:44.600–25:46.866
zh全年成本就会出现巨大差异
全年成本就会出现巨大差异
25:47.000–25:48.566
zh一个代码平台每天
一个代码平台每天
25:48.566–25:51.000
zh处理数百万次仓库查询
处理数百万次仓库查询
25:51.366–25:53.566
zh缓存需求减少3/4
缓存需求减少3/4
25:53.700–25:55.333
zh硬件规划也会改变
硬件规划也会改变
25:55.500–25:59.533
zhV4.1Flash争夺的就是这些看起来无聊
V4.1Flash争夺的就是这些看起来无聊
25:59.766–26:01.600
zh调用量却极大的任务
调用量却极大的任务
26:01.966–26:03.933
zh消费级聊天带来知名度
消费级聊天带来知名度
26:04.166–26:05.400
zh重复发生的企业
重复发生的企业
26:05.400–26:07.400
zh流程才带来持续流量
流程才带来持续流量
26:07.466–26:09.333
zh对国内模型行业来说
对国内模型行业来说
26:09.533–26:12.500
zhDeepseek还在提高低价旗舰的门槛
Deepseek还在提高低价旗舰的门槛
26:12.933–26:14.533
zh其他厂商无法只拿
其他厂商无法只拿
26:14.533–26:16.466
zh一个更小模型参加竞争
一个更小模型参加竞争
26:16.800–26:19.100
zh还得同时支持长上下文
还得同时支持长上下文
26:19.266–26:21.966
zh视觉工具调用和代码代理
视觉工具调用和代码代理
26:22.166–26:23.600
zh能力追平以后
能力追平以后
26:23.766–26:25.600
zh价格又必须足够低
价格又必须足够低
26:25.866–26:28.166
zh这样的竞争会加速行业整合
这样的竞争会加速行业整合
26:28.400–26:30.600
zh拥有算力工程和分发
拥有算力工程和分发
26:30.600–26:32.700
zh能力的平台更容易留下
能力的平台更容易留下
26:32.733–26:34.333
zh单纯依靠模型演示
单纯依靠模型演示
26:34.333–26:36.066
zh的公司会越来越难
的公司会越来越难
26:36.133–26:37.700
zh对海外厂商而言
对海外厂商而言
26:37.800–26:39.566
zh压力来自另一种方向
压力来自另一种方向
26:39.966–26:41.566
zh闭源模型仍可能在
闭源模型仍可能在
26:41.566–26:43.466
zh最高难度任务上领先
最高难度任务上领先
26:43.566–26:46.566
zh也拥有成熟企业合规与服务支持
也拥有成熟企业合规与服务支持
26:47.100–26:50.766
zh但V4.1Flash会迫使客户进行任务拆分
但V4.1Flash会迫使客户进行任务拆分
26:50.866–26:53.766
zh大量日常调用如果能转向便宜模型
大量日常调用如果能转向便宜模型
26:53.800–26:55.333
zh高价厂商只能从最
高价厂商只能从最
26:55.333–26:57.300
zh复杂的少数请求中赚钱
复杂的少数请求中赚钱
26:57.666–27:00.333
zh他们需要证明的不再是模型最好
他们需要证明的不再是模型最好
27:00.366–27:02.966
zh而是领先部分足以抵消价格差
而是领先部分足以抵消价格差
27:03.266–27:05.366
zhDeepseek这次没有发布一款
Deepseek这次没有发布一款
27:05.366–27:07.200
zh真正意义上的小模型
真正意义上的小模型
27:07.533–27:10.333
zh他发布的是一台把庞大参数藏
他发布的是一台把庞大参数藏
27:10.333–27:13.000
zh在稀疏计算后面的工业机器
在稀疏计算后面的工业机器
27:13.100–27:15.800
zh5,520亿参数提供容量
5,520亿参数提供容量
27:15.900–27:19.333
zh80亿和160亿激活规模控制成本
80亿和160亿激活规模控制成本
27:19.533–27:22.166
zh压缩缓存负责承载长期任务
压缩缓存负责承载长期任务
27:22.333–27:25.333
zh原生视觉负责进入真实电脑环境
原生视觉负责进入真实电脑环境
27:25.733–27:27.666
zh最后再用API低价把这些
最后再用API低价把这些
27:27.666–27:29.533
zh能力送进开发者工具
能力送进开发者工具
27:29.700–27:31.866
zh开头那个问题现在有了答案
开头那个问题现在有了答案
27:32.133–27:35.500
zhV4.1Flash能够暂时接管Pro
V4.1Flash能够暂时接管Pro
27:35.566–27:37.566
zh靠的是把旗舰能力装进
靠的是把旗舰能力装进
27:37.566–27:39.466
zh更低成本的运行结构
更低成本的运行结构
27:39.933–27:42.300
zhFlash这个名称并没有失去意义
Flash这个名称并没有失去意义
27:42.533–27:45.200
zhDeepseek想淘汰一款旧模型
Deepseek想淘汰一款旧模型
27:45.333–27:47.566
zh也在挑战能力越强就
也在挑战能力越强就
27:47.566–27:49.400
zh一定越贵的行业惯性
一定越贵的行业惯性
27:49.500–27:51.133
zh这场测试才刚开始
这场测试才刚开始
27:51.400–27:53.500
zh官方基准可以证明方向
官方基准可以证明方向
27:53.566–27:55.666
zh生产流量才能证明结果
生产流量才能证明结果
27:55.933–27:58.700
zh如果9月14日以后的Pro请求真的在
如果9月14日以后的Pro请求真的在
27:58.700–28:01.766
zh用户无感的情况下由Flash完成
用户无感的情况下由Flash完成
28:02.100–28:05.300
zhV4.1就会成为一次重要的架构转折
V4.1就会成为一次重要的架构转折
28:05.466–28:06.800
zh如果质量回退
如果质量回退
28:07.000–28:09.933
zh长任务失控或视觉代理频繁犯错
长任务失控或视觉代理频繁犯错
28:09.966–28:11.566
zh这次激进迁移也会
这次激进迁移也会
28:11.566–28:13.000
zh暴露新架构的边界
暴露新架构的边界
28:13.400–28:15.133
zhDeepseek把最强的承诺
Deepseek把最强的承诺
28:15.133–28:16.600
zh写进了路由系统
写进了路由系统
28:16.933–28:19.733
zh宣传页面上的文字反倒居于其次
宣传页面上的文字反倒居于其次
28:20.166–28:22.700
zh便宜模型要接管昂贵模型的工作
便宜模型要接管昂贵模型的工作
28:22.866–28:24.800
zh最终裁判不会是排行榜
最终裁判不会是排行榜
28:25.133–28:27.000
zh裁判是每一次完成的任务
裁判是每一次完成的任务
28:27.066–28:28.600
zh每一笔实际账单
每一笔实际账单
28:28.666–28:31.566
zh以及企业敢不敢把关键流程交给他
以及企业敢不敢把关键流程交给他
影片筆記：Deepseek 瘋了？最強旗艦 Pro 竟然被自己下架！AI 界歷史性的一天，OpenAI 這次真的要跪了... 😱
<!-- 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 發布新一代模型 V4.1 Flash，透過架構革新（Causal Encoder Decoder）與非對稱參數激活，大幅降低推理成本，並宣布讓輕量模型接管旗艦 V4 Pro 的流量，同時將視覺理解原生整合進基礎架構，針對智能體（Agent）與代碼自動化任務進行優化，試圖打破「能力越強越貴」的行業慣性。
核心重點
- 架構革新：非對稱激活
- 採用 Causal Encoder Decoder（因果編碼器與解碼器）結構。
- 總參數達 5,520 億，但採用混合專家模型（MoE）實現非對稱激活：
- 輸入階段（讀取）：僅激活約 80 億參數。
- 輸出階段（生成）：激活約 160 億參數。
- 設計邏輯針對智能體時代特徵：大量閱讀（高輸入 Token）與少量生成（低輸出 Token），解決傳統架構在輸入階段浪費算力的問題。
- 基礎設施與成本優化
- KV Cache 壓縮：累計縮小約 437 倍（與最早一代架構相比）。
- 硬件需求降低：HBM（高頻寬記憶體）需求降至上一代的 1/4，SSD 需求降至 1/8。
- 效益：減少顯存與外部存儲之間的數據搬運，降低延遲，為現有服務器騰出更多併發用戶空間，緩解長任務中的數據交換瓶頸。
- 能力定位：原生視覺與智能體專用
- 視覺整合：舊版 V4 Flash 與 V4 Flash Vision xLarge 下線。V4.1 Flash 將視覺理解直接放入基礎架構，不再區分文本或圖片請求。
- 應用場景：支持截圖、圖表、網頁界面與文字進入同一套推理流程，解決智能體在真實電腦操作中同時處理文字與畫面的需求（如按鈕位置、錯誤提示、圖表數據）。
- 基準測試成績：重點提升集中在終端代碼倉庫自動化、網絡安全任務，而非單純聊天流暢度。
- GPQA Diamond: 90.9
- HLE: 36.8
- Codeforces: 3471
- Terminal Bench 2.1: 90.6
- DeepSW 1.1: 74.2
- NL to Repo Bench: 65.4
- CyberGem: 88.1
- 定價策略：峰谷計費與緩存命中機制
- 計費模式：
- 閒時：緩存命中輸入 0.02 元/百萬 Token；未命中輸入 1 元；輸出 4 元。
- 高峰：緩存命中輸入 0.04 元；未命中輸入 2 元；輸出 8 元。
- 策略意圖：極低的緩存命中價格鼓勵開發者重複攜帶長上下文。針對智能體特性（代理每天處理相同規則、代碼倉庫與長期記憶），引導產品設計保留長期記憶，減少無意義長回答，並通過算力調度將非緊急任務推向空閒時段。
- 商業與生態影響
- 流量路由：DeepSeek 願意將實際 Pro 流量交給 Flash，有序下線舊 Pro，統一接口名稱轉向 V4.1 Flash，減少維護成本。
- 合作夥伴：騰訊的 Work Buddy、Code Buddy 和 Open Code 成為首批官方合作夥伴，瞄準辦公代理與代碼工具市場。
- 開源與閉源競爭：權重發布於 Hugging Face，支持社區量化與私有部署。迫使其他廠商重新定價，從「比參數」轉向「比每美元完成的任務」。
詳細大綱
I. 架構革新：非對稱激活與 Causal Encoder Decoder
- 參數配置：
- 總參數：5,520 億。
- 輸入階段激活：約 80 億參數（輕量讀取）。
- 輸出階段激活：約 160 億參數（重質生成）。
- 混合專家模型（MoE）繼續採用，但輸入輸出階段激活規模不同。
- 設計邏輯：
- 針對智能體時代特徵：大量閱讀（高輸入 Token）與少量生成（低輸出 Token）。
- 傳統架構在輸入階段浪費算力，新架構將讀取與生成分為非對稱路徑。
- 目標：控制代理連續工作幾小時後的帳單成本。
II. 基礎設施優化：KV Cache 壓縮與硬件需求降低
- 緩存壓縮：
- KV Cache 累計縮小約 437 倍（與最早一代架構相比）。
- HBM（高頻寬記憶體）需求降至上一代的 1/4。
- SSD（固態硬碟）需求降至上一代的 1/8。
- 硬件影響：
- 減少顯存與外部存儲之間的數據搬運，降低延遲。
- 在不購買同等數量新硬件的情況下，為現有服務器騰出更多併發用戶空間。
- 緩解長任務中的數據交換瓶頸。
III. 能力定位：原生視覺與智能體專用
- 視覺整合：
- 舊版 V4 Flash 與 V4 Flash Vision xLarge 下線。
- V4.1 Flash 將視覺理解直接放入基礎架構，不再區分文本或圖片請求。
- 支持截圖、圖表、網頁界面與文字進入同一套推理流程。
- 解決智能體在真實電腦操作中同時處理文字與畫面的需求（如按鈕位置、錯誤提示、圖表數據）。
- 基準測試成績：
- GPQA Diamond: 90.9
- HLE: 36.8
- Codeforces: 3471
- Terminal Bench 2.1: 90.6
- DeepSW 1.1: 74.2
- NL to Repo Bench: 65.4
- CyberGem: 88.1
- 重點：提升集中在終端代碼倉庫自動化、網絡安全任務，而非單純聊天流暢度。
IV. 定價策略：峰谷計費與緩存命中機制
- 計費模式：
- 閒時：緩存命中輸入 0.02 元/百萬 Token；未命中輸入 1 元；輸出 4 元。
- 高峰：緩存命中輸入 0.04 元；未命中輸入 2 元；輸出 8 元。
- 策略意圖：
- 極低的緩存命中價格鼓勵開發者重複攜帶長上下文。
- 針對智能體特性：代理每天處理相同規則、代碼倉庫與長期記憶，大部分輸入會反覆出現。
- 引導產品設計：保留長期記憶變得更可行，減少無意義長回答，引導「大量讀取、少量決策、精確行動」的工作方式。
- 算力調度：將非緊急任務推向空閒時段，平衡總流量，減少 GPU 空轉。
V. 商業與生態影響
- 流量路由：
- DeepSeek 願意將實際 Pro 流量交給 Flash，有序下線舊 Pro。
- 統一接口名稱轉向 V4.1 Flash，減少維護多款舊模型的容量與質量修補成本。
- 風險：底層模型更換可能導致自動化流程出現難以發現的漂移。
- 合作夥伴：
- 騰訊的 Work Buddy、Code Buddy 和 Open Code 成為首批官方合作夥伴。
- 瞄準市場：辦公代理與代碼工具，而非娛樂聊天或圖片問答。
- 開源與閉源競爭：
- 權重發布於 Hugging Face，支持社區量化與私有部署。
- 總參數 5,520 億意味著消費級電腦無法運行完整模型，仍需大規模 GPU 集群。
- API 可能比自建集群更現實，除非數據敏感或調用量極大。
- 迫使其他廠商重新定價，從「比參數」轉向「比每美元完成的任務」。
VI. 潛在風險與挑戰
- 工程實現：
- 稀疏激活不自動兌現低延遲，需依賴路由算法、並行策略與推理框架配合。
- 專家分佈不均可能導致 GPU 排隊與跨卡通信延遲。
- 官方 API 優化與社區部署（不同 GPU、帶寬、量化方式）存在性能差異。
- 智能體治理：
- 任務分數高不代表每一步操作可信，長鏈任務中小錯誤概率會累積放大。
- 網絡安全任務（Cyberjail）得分 88.1 帶來雙重影響：防守方用於審計，供給方用於尋找入口。
- 需建立權限隔離、日誌審計、人工批准與事故響應機制。
- 長上下文與視覺穩定性：
- KV Cache 減少保存成本，但未自動解決檢索與注意力質量問題。
- 需觀察模型在超長任務末尾能否準確引用早期約束。
- 原生多模態不代表適合無人監督操作所有界面（如按鈕遮擋、惡意頁面注入）。
VII. 行業趨勢與未來展望
- 更新節奏：
- V4 於 4 月亮相，7 月底更新 Flash，9 月推出 V4.1 Flash。
- 舊模型生命週期縮短，開發者承擔更頻繁的遷移成本。
- DeepSeek 使用兼容路由減少接口遷移成本，但行為兼容性比接口兼容性更難。
- 服務體系競爭：
- 競爭從模型權重擴展到服務體系（推理框架、緩存系統、工具協議、監控平台、穩定 API）。
- DeepSeek 通過極低 API 價格吸引流量，形成「開放權重 + 官方服務」雙重策略。
- 模型本身可能變成入口，作為利潤中心的重要性下降，生態影響力上升。
- 最終裁判：
- 不是排行榜，而是每一次完成的任務、每一筆實際帳單。
- 需要觀察四件事：獨立評測復現、百萬 Token 上下文穩定性、真實網頁視覺工具調用、Pro 流量切換後企業客戶質量回退。
工具 / 模型 / 名詞整理
- 模型/版本：
- DeepSeek V4.1 Flash
- DeepSeek V4 Pro
- DeepSeek V4 Flash
- DeepSeek V4 Flash Vision xLarge
- DeepSeek V4
- Flash（泛指輕量級模型系列）
- Pro（泛指旗艦級模型系列）
- 架構/技術術語：
- Causal Encoder Decoder（因果編碼器與解碼器結構）
- 混合專家模型（MoE）
- KV Cache
- HBM（高頻寬記憶體）
- SSD（固態硬碟）
- Sparse Activation（稀疏激活）
- Expert Routing（專家路由）
- Cross-Card Communication（跨卡通信）
- Quantization（量化）
- Inference Framework（推理框架）
- 基準測試/數據集：
- GPQA Diamond
- HLE
- Codeforces
- Terminal Bench 2.1
- DeepSW 1.1
- NL to Repo Bench
- CyberGem / Cyberjail
- Seckbench
- Automation Bench
- DeepSeek Harness（minimal 模式）
- 合作夥伴/平台：
- Hugging Face
- Tencent Work Buddy（騰訊 Work Buddy）
- Tencent Code Buddy（騰訊 Code Buddy）
- Open Code
- SGLang
- vLLM
- 其他專有名詞：
- Agent（智能體/代理）
- Token
- API
- GPU
- Server Cluster（服務器集群）
- HBM（High Bandwidth Memory）
操作流程整理
- 模型選擇與部署：
- 開發者選擇 DeepSeek V4.1 Flash 作為基礎模型。
- 若需私有部署，可從 Hugging Face 獲取權重並進行量化（需注意消費級電腦無法運行完整 5,520 億參數模型，需依賴大規模 GPU 集群或 API）。
- 智能體任務配置：
- 配置智能體（Agent）處理需要同時閱讀大量文本/代碼並進行少量生成的任務。
- 啟用原生視覺功能，允許模型直接處理截圖、圖表、網頁界面與文字輸入。
- 長上下文管理：
- 利用 KV Cache 壓縮技術，將長上下文緩存成本降至極低。
- 設計智能體邏輯，使其在處理重複規則或長期記憶時，能利用緩存命中機制。
- 計費與調度優化：
- 將非緊急、可預測的智能體任務安排在「閒時」執行，以享受極低的緩存命中輸入價格（0.02 元/百萬 Token）。
- 監控高峰時段的未命中輸入與輸出成本，確保成本效益。
- 流量路由切換：
- 將原本指向 DeepSeek V4 Pro 的流量路由至 V4.1 Flash。
- 監控自動化流程是否出現行為漂移，並建立日誌審計與人工批准機制以應對潛在錯誤累積。
值得注意的限制或風險
- 工程實現延遲：稀疏激活不自動兌現低延遲，需依賴路由算法、並行策略與推理框架配合；專家分佈不均可能導致 GPU 排隊與跨卡通信延遲。
- 智能體治理風險：任務分數高不代表每一步操作可信，長鏈任務中小錯誤概率會累積放大；網絡安全任務得分帶來防守與供給雙重影響。
- 長上下文穩定性：KV Cache 減少保存成本，但未自動解決檢索與注意力質量問題；需觀察模型在超長任務末尾能否準確引用早期約束。
- 視覺操作局限性：原生多模態不代表適合無人監督操作所有界面，仍存在按鈕遮擋、惡意頁面注入等風險。
- 兼容性風險：底層模型更換（從 Pro 到 Flash）可能導致自動化流程出現難以發現的行為漂移，行為兼容性比接口兼容性更難保證。
- 硬件依賴：總參數 5,520 億意味著消費級電腦無法運行完整模型，仍需大規模 GPU 集群，自建集群僅在數據敏感或調用量極大時才現實。
逐字稿辨識疑點
- Deepsw 1.1：逐字稿提及「deepsw 1.1 達到 74.2」，疑為特定基準測試名稱或聽寫錯誤，需查證正確名稱。
- Cybergem / Cyberjams：逐字稿中交替出現「cybergem」與「cyberjams」，疑為同一基準測試名稱的不同聽寫或拼寫錯誤，需查證正確名稱。
- Seckbench：逐字稿提及「cyberjail 與 Seckbench」，疑為特定安全基準測試名稱，需查證正確拼寫。
- Open Code：逐字稿提及「open code 已經成為首批官方合作夥伴」，疑為特定產品或平台名稱，需查證是否為「OpenCode」或其他變體。
- SGLang：逐字稿提及「SG Lang」，通常指代開源推理框架，疑為「SGLang」的聽寫或空格誤植。
- V4.1 Pro：逐字稿提及「未來 V4.1 Pro 就可以沿著同一條路線擴大容量」，需確認 DeepSeek 官方規劃中是否存在此版本命名，或為推測性表述。
- HLE：逐字稿提及「HLE 是 36.8」，需查證此基準測試的完整名稱與定義。
- GPQA Diamond：需確認此為 GPQA 基準測試的特定子集或版本名稱。
- Terminal Bench 2.1：需確認此基準測試的版本號是否準確。
- NL to Repo Bench：需確認此基準測試的完整名稱。
- Automation Bench：需確認此基準測試的完整名稱。
- DeepSeek Harness：需確認此為 DeepSeek 官方提供的基準測試工具或框架名稱。
可延伸追問
- 基準測試驗證：DeepSW 1.1、CyberGem/Cyberjail、Seckbench 等基準測試的具體定義
尚未產生學習筆記
請在 Telegram 指令最後加上「學習」，例如：videonote 網址 英文 雙語 學習