DeepSeek-V4-Flash
- 机制
- 作为资源占用比较基线。
- 条件／配置
- 同等上下文长度／报告中的相同工作负载。
- 报告结果
- V4.1 的显存与持久缓存分别比较。
- 局限
- 没有把不同指标合成总成本。
V4 → V4.1：Agent 的成本省在哪里？
长程 Agent 的上下文成本
沿三条路线，分别看输入计算、显存缓存和持久缓存怎样减少。
三项比例对应不同资源，不能相乘或换算为 API 降价；结果来自作者报告，尚未独立复现。
本次变化：建立 CED、CSA2＋FP4 与 SWA Bounded Replay 三条路线，注明比较条件和局限。
方法、实验与证据
CED：输入计算
- 机制
- 前半层编码，后半层解码；全局 KV 来自编码器。
- 条件／配置
- 长序列远大于窗口；预填充8B、解码16B激活参数。
- 报告结果
- 长输入预填充计算约减半。
- 局限
- 解码仍需窗口重放；不等于端到端延迟减半。
激活参数：8 B／输入 token · 比较基线 解码16B／token · 长输入预填充，非全流程延迟
CSA2＋FP4：显存
- 机制
- 跨层复用 KV／索引，主 KV 使用 FP4。
- 条件／配置
- 相同上下文长度；全局 KV 常驻 HBM。
- 报告结果
- 890 bytes/token，约为 V4-Flash 的1/4。
- 局限
- 稀疏选择的极端边界尚未充分测试。
全局 KV：890 bytes／token · 比较基线 DeepSeek-V4-Flash · 相同上下文长度；常驻 HBM
Bounded Replay：持久缓存
- 机制
- 不长期存储 SWA KV；缺失时重放最近窗口。
- 条件／配置
- 与全局 KV 压缩组合；相同工作负载。
- 报告结果
- SSD／主机内存持久 KV 约为 V4-Flash 的1/8。
- 局限
- 重放是近似状态；极端边界未充分刻画。
持久 KV 相对占用：0.125 倍 · 比较基线 DeepSeek-V4-Flash · 同工作负载；包含全局 KV 压缩贡献
DeepSeek-V4.1-Flash
- 机制
- 组合架构与部署优化。
- 条件／配置
- 分别观察预填充、HBM、SSD／主机内存。
- 报告结果
- 缓解长程 Agent 输入与缓存容量压力。
- 局限
- 不能从资源指标直接推断真实费用或任务收益。
关系与依据
v4 → ced
基线对比：报告相对 V4-Flash 的方法／资源对比
§1、§2–3ced → v41
方法继承／纳入：纳入 V4.1 的组合设计
§1、§6v4 → csa-fp4
基线对比：报告相对 V4-Flash 的方法／资源对比
§1、§2–3csa-fp4 → v41
方法继承／纳入：纳入 V4.1 的组合设计
§1、§6v4 → bounded-replay
基线对比：报告相对 V4-Flash 的方法／资源对比
§1、§2–3bounded-replay → v41
方法继承／纳入：纳入 V4.1 的组合设计
§1、§6ced → csa-fp4
并行探索：优化不同资源，不能把比例相乘
§1报告与日期
DeepSeek-V4.1-Flash 技术报告 v1 · arXiv v1 · 首次发布 2026-09-17
地图首次发布 2026-10-07T17:08:51.736391+00:00 · 地图修订 2026-10-07T17:08:51.736391+00:00