DeepSeek这次没提前打招呼,一个内部代号为deepseek-v4.1-flash-expires-on-0910的中间版本,突然就出现在了API内测池里。官方给出的介绍很简单:新架构、原生多模态、更快更便宜。测试窗口只开到9月10日,但社区里已经有开发者跑出了让人意外的成绩单,DeepSeek V4.1 Flash能不能顶替线上的V4 Pro,成了这两天讨论最多的问题。 从"外挂式"到原生多模态
在这之前,DeepSeek唯一支持图文输入的模型是V4 Flash Vision-Exp。你可以把它理解成一个"拼装货"——底座还是纯文本的V4 Flash 0731,外面临时接了一个视觉编码器和一个对齐器,让模型勉强看懂图片。
V4.1 Flash不是这个路数。它是DeepSeek第一款出厂就自带图文一体化输入输出的模型,官方口中的"新模型结构"指的正是这个。更让人意外的是,V4正式版到V4.1才过去40天,架构说换就换,还顺带把成本降了下来。
这个跨度,说实话已经不太像一次小版本迭代。
快到思考指示器都来不及跳一下
平时跟大模型对话,界面上多少会跳一两秒的思考动画。有开发者试着敲了句"你好",V4.1 Flash的思考时间只用了0.3秒,生成速率飙到每秒159.3个token,整轮对话从发出到收到只花了0.8秒。换到重度长文本推理场景,生成速度直接冲到每秒420个token,端到端吞吐达到409.5 token/秒——业内已经有人调侃,这吞吐量把别家的"极速模式"做成了自己的日常水平。
多位资深技术博主拿它和前代V4 Flash Vision-Exp做了同任务对比,结果如下:
而且这不只是快。有博主把一张西装照发给V4.1 Flash,模型判断照片里的人穿的是条纹西装——放大图片一看,确实如此。这种细节上的准确度,是纯粹堆速度堆不出来的。
价格没涨,梁文锋又变回"梁圣"
性能这么大的跳跃,调用价格却和V4 Flash保持一致。社区里对梁文锋的称呼一直很直白:性价比高的时候叫"梁圣""梁祖",涨价就变成"梁子""小梁"。这一次,V4.1 Flash让他又当回了"梁圣"。
一口气扩招150人,全是工程岗
V4.1 Flash发布前一天,DeepSeek官宣了一波大规模招聘,面向2到10年经验的资深工程师,同时也留了应届生和新锐人才的位置,总量约150人。
岗位方向很集中:一是服务端开发工程师,覆盖大模型研究平台、Agent框架组件、研发效率基建、API、线上服务、数据工程六个细分方向;二是Agent弹性计算研发工程师,分平台开发和底层调优两条线,核心是围绕DeepSeek自研的弹性计算平台DSec展开。值得留意的是,这150个岗位里没有一个AI研究方向,全部押在工程化上。
DeepSeek Harness负责人崔添翼在社交平台上给出的解释很直接:量的激增会带来复杂度的指数级爆炸。数据量、机器和容器数量、训练任务量、评测任务量、Agent环境数量、用户量、请求量……都在急速膨胀,原来的后端系统扛不住了,只能靠人力去重写和升级。
这背后其实是一次身份转变。过去大家对DeepSeek的印象是几十人的"特种部队",靠代码洁癖和灵感取胜;现在它已经是一家几百人规模的企业。融资到位、服务器扩容之后,宕机问题解决了,但真正的压力才刚开始——那是工程复杂度的压力,不是流量压力。
从背题库到实时博弈
大模型的训练范式正在发生一次深刻转向:从"静态预训练"走向"动态环境交互"。以前训练一个语言模型,工程任务相对单纯,把清洗好的海量文本塞进硬盘让显卡吞吐就够了。到了强化学习和Agent时代,模型要在毫秒级别里同时和成千上万个动态"沙盒"打交道。
打个比方,过去教模型下棋是让它看千万盘死棋谱,现在则是让模型同时站在十万个动态棋盘前跟自己博弈——每个棋盘环境的启动、状态恢复、网络隔离、结果抓取,都得在毫秒级完成。这种工业级的动态负荷,原来那种作坊式系统撑不住。放到V4.1 Flash这个吞吐和推理速度级别,背后需要的调度能力只会更复杂:哪些请求能放到同一张GPU上批处理、长短请求怎么混排、流量突然翻三倍时资源从哪调、凌晨流量掉下去时怎么自动缩容——这些原本实验室不用操心的问题,现在全成了绕不开的关键。而新架构也意味着DeepSeek可能要自己改推理框架、写CUDA算子、做模型压缩量化,这些都是费时费力的硬骨头。
DeepSeek已经完成了从0到1,现在的问题是怎么从1走到100。这150个工程岗位,某种意义上就是这道题的答案。
从V4.1 Flash的速度和多模态能力来看,这家公司确实在往前走,但工程骨架跟不跟得上模型能力的增速,可能才是接下来更值得盯的事——毕竟论文和跑分之外,真实世界的调度和成本才是长跑的门槛。