参数几乎翻倍，推理反而更省：DeepSeek V4.1-Flash 重构 KV Cache

DeepSeek 发布原生多模态 MoE 模型 DeepSeek-V4.1-Flash，支持 100 万 Token 上下文。模型主干参数 552B，另有 196B Engram 条件记忆参数，Prefill 阶段每 Token 仅激活 8B，Decode 阶段激活 16B；上一代 V4-Flash 主干为 284B，每 Token 激活 13B。架构上，40 层语言主干拆分为 20 层因果编码器与 20 层解码器，前两层用滑动窗口注意力，其余采用压缩稀疏注意力 CSA2，并引入跨层 KV 共享与分层稀疏索引器。Global KV Cache 经 FP4 量化后压缩至约 890 Byte/Token，约为上代四分之一。官方称上下文从 4K 扩至 1M 时，单 Token Decode FLOPs 仅增约 25%，Prefill 计算量接近减半。