DeepSeek-V4.1 Flash：将 KV 缓存压缩推向极限
2026.09.17 · 事件 · 技术报告 · 论文预印本
DeepSeek-V4.1 Flash 技术报告发布，通过架构优化实现 KV 缓存极致压缩与预填充加速。
DeepSeek-V4.1 Flash 技术报告显示，该模型针对长程 Agent 工作流中 KV 缓存存储压力与预填充计算负担进行优化。预填充阶段仅激活 20 层（8B 参数），解码阶段激活 16B 参数，速度接近 420 Tokens/s。工程上采用 GQA 式头压缩、CSA 块压缩及 CSA2 跨层压缩，并支持 FP4 KV 缓存。
- 速度接近 420 Tokens/s
- 预填充仅需 20 层，激活 8B 参数
- 解码激活 16B 参数
- 采用 GQA、CSA、CSA2 压缩
- 支持 FP4 KV 缓存
为什么值得看
揭示 KV 缓存压缩前沿技术，影响长上下文 AI 应用效率。
适合谁关注
关注大模型推理优化与长上下文应用的开发者。