社区

一个模型的缓存工程，劈开了存储超级周期的成本曲线？

2026.09.11

DeepSeek V4.1 Flash 把 KV Cache 对 HBM 的需求压到上一代的 1/4，对 SSD 压到 1/8。与初代模型相比，缓存已缩小 437 倍。

552B 参数 MoE，Causal-Encoder-Decoder 非对称结构。

输入激活仅 8B，输出激活 16B。上下文拉到 1M，输出上限 384K。

缓存胜利来自三处协同，缺一处都不成立。

技术参数对照

规格	V4 Flash	V4.1 Flash
每 token 全局 KV	3,514 B	890 B
HBM 需求	基准	1/4
SSD 持久化需求	基准	1/8
上下文	—	1M in / 384K out
推理吞吐	—	400 token/s
许可	—	MIT · 权重 510GB

架构上，CSA2 把全局缓存与 Top-K 索引跨层复用。

精度上，训练阶段就用 FP4 直存全局 KV，官方称性能损失可忽略。

部署上，SWA 有界重放让滑动窗口缓存不必再写入 SSD。

定价同步落地：闲时缓存命中 0.02 元，未命中 1.0 元，输出 4.0 元。

缓存命中比未命中便宜 50 倍。Agent 循环里，账单大头就是命中。

相对旧版，缓存输入降 60%，未命中降 33%，输出降 11%。

"V4.1-Flash's KV cache needs just 1/4 the HBM." (V4.1 Flash 的 KV 缓存只需 1/4 的 HBM)—— DeepSeek 官方公告 2026.09.10

同一天，港股智谱收跌 10.5%，MiniMax 跌 9%。

真正被改写的不是某家的定价，是算力成本的定义权。

从"用多少卡"转向"缓存怎么分层"。存储厂、云厂、模型厂的毛利，都要重算。

9月14日12:00后，V4 Pro 请求将全部路由至 Flash。

继续触发：杰文斯悖论