DeepSeek 退役 Pro 档：9/14 起 Pro 请求按 Flash 价计费

DeepSeek 发布 V4.1 Flash 并宣布 9 月 14 日起把 deepseek-v4-pro 请求全部路由到 Flash、按 Flash 价计费：输入 miss 从 $0.66 降到 $0.15，输出从 $1.98 降到 $0.6。靠的是 890 bytes/token 的 KV 压缩与 prefill 只激活 8B 的 CED 架构。对 agent 开发者，这是按新价格重算账单的信号；对 API 用户，模型被换已成为官方策略。

Simon Willison 在 Hacker News 上读到一条公告，停住了。他是 Django 的联合创始人、Datasette 的作者，也是这几年给开发者做 AI 工具评测最勤快的人之一。公告来自 DeepSeek 的官方定价页：从 2026 年 9 月 14 日 12:00（北京时间）起，deepseek-v4-pro 的请求全部路由到 V4.1 Flash，按 Flash 的价格计费。他刚为 Pro 精心调过的 prompt，一周后要跑在一个不同模型上。

他在评论区写下原话：「If I'd carefully tested and optimized prompts against Pro I wouldn't be keen on this particular news. I feel like API model providers should lean towards not swapping out models on their paying customers, no matter how 'better' the new model is meant to be.」付费客户正在用的模型被换掉，哪怕新模型「更好」，这个动作本身有问题。

这条公告被大多数报道当作「DeepSeek 又发了个便宜又快的模型」一笔带过。定价页上的完整句子是：V4.1 Flash 在性能、成本、速度、总耗时四项上「comprehensively surpassed」V4 Pro，所以 DeepSeek 计划有序退役 V4 Pro，直到未来某天 V4.1 Pro 发布。一家前沿开放权重实验室，主动把自己的旗舰档从菜单上撤了，把旗舰流量按廉价档计费。

这条公告动的是计费，跑分只是封面。它同时动了两样东西：你的 API 账单结构，和「Pro 这个档位到底意味着什么」。下面把定价页、模型卡和社区反应拆开，落到三个你现在就能核对的数字上。

定价页上藏着一行多数人不会细看的公告

DeepSeek 官方定价页（api-docs.deepseek.com/quick_start/pricing，2026-09-10 抓取）同时列着两个模型：deepseek-flash（DeepSeek-V4.1-Flash）和 deepseek-v4-pro（DeepSeek-V4-Pro-0813）。价格表按每 1M tokens 计。off-peak 与 peak 两档。peak 是 off-peak 的两倍。峰值时段是周一至五 01:00–04:00 与 06:00–10:00 UTC。其余时间都是 off-peak。

Flash 的 off-peak 价：输入 cache hit 每 1M tokens $0.003。输入 cache miss $0.15。输出 $0.6。V4 Pro 的同口径价格：$0.022、$0.66、$1.98。输入 miss 便宜 4.4 倍。输出便宜 3.3 倍。cache hit 便宜 7.3 倍。

并发上限也翻了五倍：Flash 2500，V4 Pro 500。两个模型都支持 thinking mode（默认开）、Tool Calls、Responses API 和 Anthropic API 格式。上下文都是 1M。一个少有人注意的倒挂：Vision 只有 Flash 支持，V4 Pro 反而没有。

时间线很短。Flash 新价从 9 月 10 日 12:00 北京时间就生效了，HN 的公告帖同一天发出。geeky-gadgets 的评测说 preview 版测试窗口只到 9 月 10 日。定价页 9 月 10 日 07:24 GMT 更新，把 9 月 14 日的切换写进脚注。价格已经落地，路由四天后生效。HN 用户 oefrha 找了半天才定位到原始公告。它挂在 platform.deepseek.com/usage 页面的一条 banner 上。不在博客，不在新闻稿。

脚注 2 是整页最关键的一行：「After extensive testing, V4.1 Flash has comprehensively surpassed V4 Pro in performance, cost, speed, and total time, so we plan to retire V4 Pro in an orderly manner.」从 9 月 14 日 12:00 北京时间起，deepseek-v4-pro 请求全部由 V4.1 Flash 承接，按 Flash 价计费，直到 V4.1 Pro 发布。

脚注 1 补了另一刀：旧的 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 这两个模型名已经退役，请求由 V4.1 Flash 承接，同样按 Flash 价计费。你在代码里写 deepseek-v4-flash，实际跑的是 V4.1 Flash。模型名还在，模型已经换了。

切换发生后怎么验证？方法很便宜。9 月 14 日中午之后，用 deepseek-v4-pro 发一个带 max_tokens: 1 的请求，看返回里的 model 字段。返回 DeepSeek-V4.1-Flash，说明路由已生效。返回旧版本号，说明切换还没到你这条链路。这个检查五分钟能做完，值得每个 9 月 14 日还在跑 Pro 的团队做一遍。

890 bytes/token：KV 压缩拆掉了 agent 账单里最贵的那一项

V4.1 Flash 的模型卡（huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash，2026-09-10 发布）标题就是「Pushing the Limits of KV Cache Compression」。架构上它用了 Causal Encoder-Decoder（CED）：40 层 Transformer，20 层 causal encoder 加 20 层 decoder。decoder 的全局 KV cache 由 encoder 的最终 hidden states 投影而来，每层 decoder 自己不再各存一份。配合 SWA Bounded Replay，缺失的 SWA KV 状态只用最近 n 个窗口 token 重放重建，省掉了把 KV 写到 SSD 的步骤。

激活参数是硬数字：prefill 阶段每 token 只激活 8B 参数，decode 阶段激活 16B。模型总参数 552B，MoE 每层 1 个共享 expert 加 384 个 routed expert，每 token 激活 6 个。模型卡原话点明这个设计的服务对象：「substantially improving cost efficiency for input-heavy agentic workloads」——输入很重的 agent 工作负载。辅助组件还包括 196B 参数的 Engram 条件记忆（按 token 查找稀疏访问）和 DSpark 投机解码（半自回归草稿生成加置信度调度验证）。

KV cache 的压缩幅度：全局 KV 足迹压到 890 bytes per token，约为 V4 Flash 的 1/4，是 V1 的 1/437。手段包括 CSA2（每层 attention 在 Full/Reindex/Reuse 三种静态模式里分配）、FP4 主 KV 缓存（E2M1 格式，每 16 通道一个 E4M3 scale）、SWA Bounded Replay（把持久 KV 足迹再压到 V4 Flash 的约 1/8）。上下文 1M tokens，最大输出 384K，支持 reasoning effort 1–100 连续调节，整数越大推理越深、成本越高。

对 agent 开发者，这套设计的账单含义很直接。agent 的典型调用模式是同一段长上下文反复进出：系统提示、工具定义、任务背景每次都在输入里。cache hit 输入价 $0.003/1M 意味着这些重复 token 的成本趋近于零。KV 足迹缩小四倍，同样一台机器就能塞下四倍长的上下文。后训练走的是 SFT → RL → on-policy distillation 标准路线。改动全在数据管线：大规模自动合成 agent 任务与环境，随训练逐步放大数据、任务和 rollout 规模。

预训练语料 45T tokens，多模态（自带 DeepSeek-ViT 视觉编码器），协议是 MIT License，权重直接挂在 HuggingFace 上。模型卡列出的 agentic 评估面很宽：Terminal-Bench 2.1/3.0/4.0、DeepSWE v1.1、NL2Repo-Bench、ProgramBench、SEC-Bench Pro、Agent's Last Exam、AutomationBench，视觉 agent 还跑了 Chartography、BabyVision、ZeroBench。具体分数在模型卡的图里，正文没有数字表，跑分细节这里不替它背书。

第三方评测 geeky-gadgets（2026-09-09）实测峰值 427 tokens per second，HN 用户 mmastrac 用 preview 版做批量重构任务时测到 300–400 tok/s，原话是「which was just insanity」——比工具调用本身还快。这两个速度数字都是第三方实测口径，方向一致。评测同时提到短板：特定场景会 overthinking，物理类模拟弱于竞品。

Flash 反向吃掉 Pro：第二次用新架构否定旧旗舰

社区的第一反应是困惑。HN 用户 edude03 的问题很有代表性：历史上 flash 类变体都是「更快但更弱」，怎么所有实验室现在都能做出又便宜、又快、又强的模型？swiftcoder 的总结更直接：「If they can keep up this cadence of Flash leap-frogging the previous Pro, we're in for a good time」——如果每次 Flash 都能跳过上一代 Pro，这个节奏本身就有意思。

revolvingthrow 指出了规模上的真相：V4 Flash 原版是 284B，V4.1 Flash 是 552B，几乎翻倍。「it's not really flash anymore」——名字还叫 Flash，体格已经是旗舰级。这解释了为什么它能「超过 Pro」：它本来就是更大的模型，只是用稀疏激活和 KV 压缩把运行成本压了下来。换个说法：DeepSeek 把「大模型」藏进了「Flash」这个名字里，然后按 Flash 的价卖。名字是廉价的，能力是旗舰的，价格是 flash 的。

NitpickLawyer 在 HN 上把这件事放进了更大的序列：这已经是第三家实验室公开承认旗舰档出问题。OpenAI 去年传闻大预训练失败（传闻，未证实），Google 的 pro 系列被自家新架构取代，现在 DeepSeek 直接退役 V4 Pro。中文论坛上有关于预训练阶段问题的讨论，同样只是传闻。可核实的事实只有 DeepSeek 自己的动作：V4 Pro 0813 这个版本，从 9 月 14 日起停止独立服务。

DeepSeek 的 KV 缓存压缩路线是连续的第二刀。模型卡里的对比数字：V4.1 Flash 相对 V4 Flash 是 1/4，相对 V1 是 437 倍缩减。上一代 V4 Flash 已经把 KV 足迹做小了一轮，这一代又压掉 75%。每次都是用新架构否定旧架构，这次直接否到了旗舰头上。HN 用户 rao-v 的观察：DeepSeek 每次发布都塞满新的、疯狂的想法，而且总能按近前沿规模把它们训出来。k__ 补充了另一个第三方数字：beta 测试者报告吞吐超过 400 TPS，他引用的是 geeky-gadgets 的评测。

开放权重阵营把旗舰档撤了

把 DeepSeek 这个动作放进开放权重阵营里看，信号更清楚。一周前 Mistral 刚完成三星领投的 €3B Series D，投后估值超 €21B，欧洲科技公司史上最大股权融资，押的就是「主权开放权重全栈」。DeepSeek 这边没有融资新闻，动作直接落在定价页上：旗舰档退役、能力下放到廉价档、权重挂 HuggingFace 上随便下（MIT License）。两条路线，同一个方向——开放权重不再只打「便宜」这张牌，开始打「旗舰能力 + 开放权重 + 白菜价」的组合。

对闭源 API 用户，这个组合意味着定价锚点在松动。GPT-6 Astra、Claude 的旗舰档还能按「前沿能力溢价」收钱，前提是能力差距撑得住。当 552B 参数的开放模型按 $0.6/1M 输出卖、还被官方拿去顶替自家 Pro 档时，闭源旗舰的溢价空间被压薄一层。这不是 DeepSeek 第一次这么干：上一代 V4 发布时就把价格打下来一轮，这次直接动档位结构。

geeky-gadgets 的评测提供了一个具体的应用画面：用 V4.1 Flash 生成体素风格的 3D 游戏世界、做空间复杂的模拟、处理代码任务，峰值 427 tok/s。评测还给了短板清单：特定场景 overthinking、物理类模拟弱于竞品。快是真的快，边界也是真的存在。评测的结论是它适合「时间敏感任务」——游戏开发、3D 建模、复杂编码，而不是拿去做需要稳定物理推演的生产系统。

对独立开发者和中小团队，这里有一个实在的套利窗口：在自己买不起旗舰算力的阶段，用开放权重 + 廉价 API 顶到旗舰级任务的门口。9 月 14 日切换生效后，deepseek-v4-pro 这个入口会直接给你 Flash 的能力和价格。赶在切换前把关键 benchmark 跑一遍，存下基线，你就同时拿到了便宜和确定性。

simonw 反对同一个动作：付费客户的模型被换

simonw 的反对不是孤例。aftbit 的回复更具体：「If a user has validated a workflow on V4 Pro, they might not want to suddenly start testing it in production on V4.1 Flash.」他建议保留 V4 Pro、给一个明确的 deprecated 周期再移除，而不是直接路由。两人的共识是同一件事：API 厂商该让付费客户决定什么时候换模型，该让换模型成为一个显式动作。simonw 的完整立场是：无论新模型「多好」，偷偷换掉客户正在用的模型都该避免——「no matter how 'better' the new model is meant to be」。

社区里也有正面声音。LaurensBER 的用法是把它当 backup：主订阅到期、需要撑几天时，这个又便宜又听话的模型很好用。他测试的标准很特别——让它下载一个自己拥有的旧游戏 ROM，美国模型大多拒绝，V4.1 Flash 愿意照做。EbNar 说得更简单：「They are a joy and they cost pennies per answer」——几个月来他几乎只用中文区的 flash 系模型，每次回答只要几分钱。postalcoder 提了一个反向的痛点：reasoning effort 目前只有 low/high/max 三档，没有 medium，「high/max 想太多、耗时、成本膨胀」。模型卡承诺的 1–100 连续调节，在 API 上还没有完全兑现。

值得单独说的是 mmastrac 的一手体验：用 4.1 flash preview 把一批 .metal 内核重构到 .cu，「needed less steering than Opus on refactoring」，注释写得更好。这是单个用户、单一任务的体验，n=1，方向性参考。他的结论是即使推理深度差一点，速度快到 300–400 tok/s 时「it can do a lot more than you might expect」。他还提到一个失败案例：把一个 root 漏洞利用从现代 Android 移植到 Pixel 3 没成功，但可能是 harness 配置问题——超时给得太短。

对正在用 DeepSeek Pro 做生产流水的团队，社区反弹指向一个实操问题：你的 prompt、few-shot、工具调用格式如果是在 V4 Pro 0813 上验证的，9 月 14 日之后行为基线会变。模型可能更好，也可能在你不注意的维度上变差。评估要重跑，测试要重挂。行为漂移的风险和降价的好处同时存在。只看价格表，会漏掉风险那一面。

API 用户现在要做的三件事

第一件，核对切换。翻一遍代码和配置里所有写 deepseek-v4-pro 的地方，确认 9 月 14 日之后它们会静默变成 V4.1 Flash。如果某个流水线依赖 Pro 的特定行为，赶在切换前把关键任务的输出快照存下来，作为切换后的对照基线。同理检查 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 这两个旧名——它们已经退役，现在就在跑 V4.1 Flash。模型名只是入口，版本号才是你调用的东西。

第二件，按 Flash 价重算成本。输入 miss $0.15、输出 $0.6，相对 Pro 的 $0.66、$1.98 便宜 4.4 倍和 3.3 倍；如果请求能打到 cache hit，输入成本直接掉到 $0.003。长上下文 agent 的成本模型要重画：重复输入部分从「贵」变成「几乎免费」。并发上限从 500 涨到 2500，批量任务的调度也不用再省着用。一个具体算法：把过去 30 天的 DeepSeek 账单拉出来，按 Flash 价重跑一遍，你就知道 9 月 14 日之后大概省多少。

cache hit 的便宜要主动去够。把系统提示、工具定义、固定前缀这些不变的部分放在请求开头，顺序别乱，DeepSeek 的前缀缓存才能命中。命中了，输入按 $0.003 算；没命中，按 $0.15 算。50 倍的差价，值得为 prompt 排版花十分钟。对反复跑同一批任务的 agent，这是账单上最大的单项变量。

第三件，认领模型漂移风险。把「模型名不变」和「模型不变」分开看。DeepSeek 这次的公告把两者拆开了：名字可以继续叫 Pro，跑的已经是 Flash。你在别的厂商那儿也可能遇到同类动作，只是这次白纸黑字写在了定价页上。给关键 agent 任务挂上输出校验，比相信任何「更好」的承诺都可靠。评估集要覆盖你真实的任务分布，跑分榜上的数字替代不了你自己的回归测试。

这个判断有一个作废条件：如果 V4.1 Pro 发布后，Pro 档回归、价格恢复到 $0.66/$1.98 的量级，说明「Flash 吃掉 Pro」只是一段过渡期，旗舰档的位置还留着；如果 DeepSeek 在 9 月 14 日前撤回路由公告，同样说明内部对这个动作还有顾虑。在那之前，按 Flash 价重新算你的 agent 账单，是唯一确定的动作。下一个值得盯的时间点是 9 月 14 日 12:00 北京时间：切换是否如期发生、Pro 档是否真的从页面上消失、旧名是否还能用——三个可核对的现场，等三天就有答案。