DeepSeek V4.1 新一代 Agent 智能引擎
DeepSeek-V4.1 正式版重磅发布！包含 1.6T 参数的 Pro 正式版与 284B 参数的 Flash 正式版，原生支持 1M 超长上下文与 OpenAI / Anthropic 双 API 格式，在 Terminal 操控、DeepSWE 编程与复杂 Agent 任务中表现卓越。
DeepSeek-V4.1 正式版重磅发布！包含 1.6T 参数的 Pro 正式版与 284B 参数的 Flash 正式版，原生支持 1M 超长上下文与 OpenAI / Anthropic 双 API 格式，在 Terminal 操控、DeepSWE 编程与复杂 Agent 任务中表现卓越。
打破算力枷锁，以自研 MoE + mHC + 混合注意力算法实现在复杂 Agent 推理、长文本与工程代码上的全面跃升。
DeepSeek-V4.1-Pro 通过深度 CoT 思路推演与大规模强化学习，在 Terminal 命令行排障、DeepSWE 编程重构与复杂工具链调用中展现卓越的高阶自主决策与原创推理能力。
了解更多单次可直接加载整个中型代码仓库、上百页技术文档或完整项目工程，支持最高 384K 结果输出上限。
超越单文件补全，深度理解多文件项目依赖与工程架构，为软件开发与运维提供高可靠代码助手。
在 HLE 难题、逻辑推理与探索性数学推论上表现强悍，支持 Think High 与 Think Max 模式。
支持 Non-think、Think High 与 Think Max 三阶思考模式，按需平衡延迟与结果上限。
自研流形约束超连接锁死万亿参数极深网络的训练与推理稳定性，配合 Muon 优化器保障一致性。
284B 极速 Flash 与 1.6T 旗舰 Pro 双矩阵。高频自动化用 Flash，高难任务切 Pro，实现极致性价比。
DeepSeek V4.1 的核心驱动力：混合注意力机制、mHC 架构锁死训练稳定性，以及 Muon 优化器。
引入流形约束超连接（mHC）强化残差连接，显著增强万亿级模型在极深层网络中的信号传播稳定性，同时保持极高的模型表达能力。
创新结合压缩稀疏注意力（CSA）与重度压缩注意力（HCA）。在 1M 上下文推理中，仅需上一代约 27% 的 FLOPs 和 10% 的 KV 缓存。
同一系列下，既有更强的 Pro，也有更轻更快的 Flash，同时保留基础版本用于能力对比。
系列全能旗舰，主打极高推理上限与工程稳定性。专为跨文件代码重构、复杂 Agent 操控及长文本深度分析打造。
系列高能效核心，主打高响应速度与极低部署成本。给足思考预算时可完美应对多数复杂任务，高性价比主力。
未精调的基础模型，展示原始架构与未对齐能力。为开发者研究混合注意力机制、mHC 与微调效果提供标准化基准。
基于最新官方榜单，对比 V4.1 进化历程：正式版 vs 预览版在 6 大核心 Agent 评测集上的性能跃升。
| 评测基准 (Benchmark) | V4.1-Flash-Preview | V4.1-Pro-Preview | V4.1-Flash | V4.1-Pro |
|---|---|---|---|---|
| Terminal Bench 2.1 | 61.8 | 72.1 | 82.7 | 87.9 |
| DeepSWE (Bug修复) | 7.3 | 12.8 | 54.4 | 62.7 |
| Toolathlon (工具调用) | 49.7 | 55.9 | 70.3 | 74.1 |
| Cybergym (安全渗透) | 38.7 | 52.7 | 76.7 | 83.3 |
| DSBench-FullStack | 37.0 | 41.8 | 68.7 | 71.1 |
| DSBench-Hard | 25.8 | 31.1 | 59.6 | 67.2 |
数据来源：DeepSeek 官方最新发布 Agent 评测战报
对比最新发布的 DeepSeek-V4.1-Pro 正式版评测数据，快速观察旗舰 Agent 模型在核心评测集上的位置。
| 评测基准 (Benchmark) | Opus-4.8 | GLM-5.2 | Kimi-K3 | Fable 5 | V4.1-Flash | V4.1-Pro |
|---|---|---|---|---|---|---|
| Terminal Bench 2.1 | 85.0 | 81.0 | 88.3 | 88.0 | 82.7 | 87.9 |
| DeepSWE (Bug修复) | 58.0 | 46.2 | 67.5 | 70.0 | 54.4 | 62.7 |
| Toolathlon (工具调用) | 76.2 | 59.9 | 76.5 | 77.9 | 70.3 | 74.1 |
| Cybergym (安全渗透) | 78.3 | - | 80.0 | 83.1 | 76.7 | 83.3 |
| DSBench-FullStack | 71.6 | 61.8 | 73.7 | 77.2 | 68.7 | 71.1 |
| DSBench-Hard | 71.7 | 54.5 | 63.0 | 68.3 | 59.6 | 67.2 |
基于 DeepSeek 官方最新 API 规格表，提供极致性价比的按量三分计费与超高并发限制。
💡 自动触发 Context Caching 机制：重复调试项目代码或多轮对话时，命中缓存的输入成本低至 0.02 元/百万 Tokens！
将顶尖 AI 能力转化为实际生产力，为知识密集型行业提供安全、高效、低成本的智能化转型底座。
针对海量学术文献与长篇研究资料，支持跨论文总结、观点比对与核心结论提炼。凭借 1M 上下文在多份材料间保持稳定理解，大幅提升科研效率。
面对冗长合同、财报审计、制度条款及多份风控材料，支持跨文档深度阅读与多条件比对。精准定位条款风险与数据盲区，提供智能合规底座。
面向大型软件项目与复杂代码仓库，原生支持跨文件依赖分析、模块逻辑重构与系统级 Bug 排查。配合深度 Agent 框架，提供高稳定性代码助手。
围绕选型、1M 上下文、推理模式、API 兼容性与计费，解答您最关心的核心问题。
Flash 正式版主打高响应速度、极低延迟与超高性价比，适合日常问答、文案编写及高频自动化流水线；Pro 正式版主打推理上限与工程稳定性，在 Terminal 指令操控、跨文件代码重构及复杂 Agent 任务中表现卓绝。建议日常以 Flash 为主力模型，遇到高难复杂任务时灵活切至 Pro。
1M 超长上下文允许用户一次性读取整个中型代码仓库、上百页技术文档或完整项目工程。配合混合注意力架构（CSA+HCA），单 Token 推理计算量降低 73%，KV 缓存显存占用仅为 10% 左右。不仅大幅降低了超长文本处理成本，更有效解决了传统模型长文首尾"中间失忆"的痛点。
Non-think 模式响应极快、不消耗额外的 CoT 思考 Token，适合常规查询、文本翻译及日常写作；Think High 模式引入有意识逻辑推演，适合编写复杂代码、排查系统 Bug 及数理推理；Think Max 模式将推理能力拉至极致，专门解决极其复杂的多步骤决策与探索性算法难题。
DeepSeek-V4.1 原生支持 OpenAI Responses API 协议格式，并深度适配了 Codex、OpenClaw、Claude Code 及 OpenCode 等主流 Agent 框架。开发者无需修改 Base URL 即可直接平替接入，在各终端工具中填写对应模型标识符（deepseek-v4.1-flash 或 deepseek-v4.1-pro）即可无缝开启调用。
API 采用"输入缓存命中 / 未命中 / 输出"三分计费体系。以 Flash 正式版为例，输入缓存命中价格低至 0.2 元/百万 Tokens，未命中为 1 元/百万 Tokens，输出为 2 元/百万 Tokens。在频繁调试项目代码或长文档交互场景下，绝大多数上下文均可命中缓存，能帮助开发者大幅削减实际运营成本。
官方日志明确旧版模型名将逐步停用。过渡期内 deepseek-chat 已自动映射至 Flash 模型的 Non-think 模式，deepseek-reasoner 映射至 Thinking 模式。建议开发者在应用代码与配置文件中尽快将 Model ID 替换为 deepseek-v4.1-flash 或 deepseek-v4.1-pro，以保障生产环境的稳定性。
加入 DeepSeek V4.1 技术社区，与全球数万名开发者共同探索 AI 的边界，让顶尖算法真正为您的业务逻辑赋能。
立即体验