DeepSeek V4.1：旗舰被自己的廉价版下线，这笔账要按价目表算

一、事实

先把可核验的和不可核验的分开——这决定了后面所有判断的成色。

1. 可核验：官方已宣布下线旗舰

来源：DeepSeek API 官方文档「模型 & 价格」页（2026-09-11 核查）。官方原文：

经多方测试，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro，
因此我们计划有序下线 V4 Pro。北京时间 2026 年 9 月 14 日 12:00 之后，至未来
V4.1 Pro 上线之前，您访问 deepseek-v4-pro 的请求将全部路由到 V4.1 Flash，
并按 V4.1 Flash 价格计费。

同时，旧模型名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 对应的模型已经下线，请求由 V4.1-Flash 承接。现役入口只剩 deepseek-flash 一个。

2. 可核验：官方价目表（元 / 百万 tokens）

空闲时段价格为高峰时段的一半；高峰时段为北京时间周一至周五 9:00–12:00、14:00–18:00。

注意最后两行：更便宜的那个，上下文一样长，而且多了旗舰没有的图像理解能力。这不是"阉割版降价"，是"新代际全面替代"。

3. 可核验：省显存的四层技术栈

「1/4 HBM」的说法虽无出处，但降显存的机制是公开且可查的，DeepSeek 把它们全部开源了：

• MLA：多头潜在注意力。多个逻辑查询头共用一条压缩的 latent KV 流，直接砍 KV cache。开源仓库 FlashMLA 现有 1.29 万 stars，2026-09-10 仍在推送
• DSA：DeepSeek 稀疏注意力。官方称"首次实现细粒度稀疏注意力，在长上下文训练与推理效率上大幅改善，同时保持输出质量几乎不变"。配套算子库 DeepSelect（TopK kernels）2026-09-09 才建仓
• Engram：条件记忆。用确定性寻址实现 O(1) 查表，论文明确写道「可将巨型 embedding 表卸载到主机内存，推理开销极小」——这是把重量从 HBM 挪走的正解
• mHC：四流残差通路。第三方实测（arXiv 2609.05309）确认 V4-Flash 采用四流架构

配套基础设施 DeepEP、DeepGEMM、FlashMLA、DeepJIT、DeepSelect、deepseek-recipe、deepseek-harness 在 2026-09-10 至 09-11 集中推送——这是大版本上线前后的典型节奏。

4. 可核验：第三方实测，不是厂商自说自话

• arXiv 2609.07008（RedKnot-MLA，2026-09-07）：V4-Flash 为 37 个可复用层、56/8 的 Local/Global 头切分；Pro-0813 为 55 层、112/16 头。热工件首 token 延迟加速 2.02–3.84 倍，256K 长文下主算子算术量节省 78.7–79.5%
• arXiv 2609.07134（CCL2026-Eval 任务五）：基于 V4-Flash 的系统总分 0.499 排名第一，超过由 GPT-5.5 驱动的官方基线 0.448，相对提升 11.4%
• arXiv 2609.10057：在 V4 上做 RISC-V 安全断言自动翻译，无人工干预下接受率 78%

5. 不可核验：那个「1/4 与 1/8」

我们做了完整检索：DeepSeek 官方文档与官网无任何 HBM 或显存占用披露；GitHub 上不存在 DeepSeek-V4 或 V4.1 的模型仓库（最新模型仓库仍停在 DeepSeek-V3.2-Exp、Math-V2、OCR-2、Prover-V2）；arXiv 全库以 "V4.1" + DeepSeek 检索零命中。

晟安的态度：这个数字目前是无法溯源的市场传闻，我们不引用它，也建议读者不要拿它去做任何测算。但我们要指出一件事——价目表比传闻更可信，而且说得更狠。缓存命中输入价 1/7.5 这个比值，本身就落在传闻所说的「1/8」附近，而它是厂商用真金白银公开承诺的边际成本，不是匿名的硬件指标。想知道显存省了多少，看价格表和并发上限，比看传闻靠谱。

二、晟安视角

1. 真正的新闻不是「省显存」，是「参数规模不再是护城河」

一家头部厂商公开宣布下线自己的旗舰，理由是自家廉价版全面超越——这在大模型商业史上是罕见的。它传递的信息比任何 benchmark 都直接。

晟安的判断：过去三年，AI 行业的估值逻辑建立在一个隐含假设上——能力正比于参数规模，参数规模正比于算力投入，因此算力投入是护城河。V4.1 把这条链子从中间打断了：架构效率的提升，可以让小模型在同一时间点上全面压过大模型。护城河从"你买了多少卡"变成了"你每张卡上跑出多少智能"。这不是渐进变化，这是估值锚的更换。我们认为市场对这一点的定价严重不足。

2. 对算力硬件：不要做空 HBM，但要重排顺序

市场的第一反应通常是"省显存 = 利空 HBM = 利空存储链"。

晟安的观点（与市场直觉不同）：我们不做空存储链，一分钱都不做空。理由是杰文斯悖论——单位智能的显存需求下降，会被需求总量的爆发覆盖掉。2500 的并发上限、1M 的上下文、0.02 元的缓存命中价，会把过去因成本被压抑的场景一次性放出来：全库级检索、长文档 Agent、7×24 小时后台任务、以及最关键的——中小企业第一次能负担得起大模型。总需求大概率上升。

但结构会变，这才是要做的动作。Engram 那条"把巨型 embedding 表卸载到主机内存"是我们最看重的技术信号：它意味着推理系统的瓶颈正在从 HBM 容量向主机内存带宽、高速互连、存算调度迁移。晟安在算力硬件方向上的关注权重，从本季度起按这个顺序重排：互连 > 主机侧内存 / CXL > HBM 容量弹性。这不是看空谁，是排序问题。

3. 对一级市场：我们的尽调问题变了

晟安的决定（即刻生效）：过去两年，"我们训练了一个 XX B 参数的模型"是 AI 项目融资 PPT 的第一页。从今天起，这一页在晟安这里作废。我们对 AI 项目只问三个问题：（1）你单位任务的推理成本是多少？（2）这个数字过去 6 个月降了多少？（3）降本来自你自己的架构，还是来自上游厂商降价？第三个问题答不上来的，我们不投。因为那不是你的能力，那是 DeepSeek 的能力，而它随时可以通过调价把它收回去。

4. 对被投企业：成本假设现在全部过期

这一条我们已经在执行。9 月 14 日之后，同样一个 API 名字，价格降到原来的 1/3 到 1/7.5。这意味着：

• 任何在 2026 年上半年做的 AI 业务模型，成本侧假设已经全部过时
• 过去因为"单次调用太贵"而砍掉的产品功能，现在要重新拿出来算一遍
• 反过来，如果一家公司的护城河是"我们把推理成本压到了行业一半"，这条护城河刚刚被上游填平了

晟安的提醒：第三条是真正危险的一条。上游降价对应用层是双刃剑——它降低你的成本，也降低你所有竞争对手的成本，同时抹平你在工程优化上的历史积累。成本优势不是护城河，只有分发、数据与工作流嵌入才是。这句话我们两年前就在说，V4.1 只是把它变成了紧急事项。

三、行动线

晟安已经在做的：

1. 重算组合内 AI 应用层企业的毛利模型——用 9 月 14 日后的新价目表压测，重点看那些毛利依赖"低推理成本"的标的
2. 调整算力硬件方向的关注排序——互连、主机侧内存、存算调度的权重上调，HBM 容量弹性的权重下调（注意：是下调排序，不是看空）
3. 在新项目尽调清单中加入「推理成本下降曲线」——要求被投方拆出架构自研贡献与上游降价贡献

晟安选择不做的：

• 不做空存储链、不做空算力——杰文斯悖论下总需求上升，做空是拿方向赌结构
• 不参与 9 月 14 日前后的消息面博弈——这是二级市场短线的事，与我们的持有期无关
• 不投只有参数规模叙事的模型层项目——这条从今天起是硬性标准，不是倾向性

四、关于晟安

晟安投资（惠州）有限公司是一家业务覆盖全国的综合性投资机构，聚焦科技企业，业务涵盖私募股权投资、证券投资、资产管理与投资咨询。本次技术变化对晟安的影响主要落在两条线：

• 已投企业侧：AI 应用层被投企业的成本结构出现一次性改善窗口，我们正在逐一重算并推动产品侧的功能回补
• 投资决策侧：AI 方向的估值锚从"参数与算力投入"切换到"单位任务推理成本及其下降来源"，尽调标准同步更新

联系我们（MD） · 核心业务（MD） · 返回观点列表 · 上一篇：3600 亿注资的三个口径校准