DeepSeek-V4.1-Flash 上线 SiliconFlow，552B MoE 支持 1M 上下文

硅基流动宣布，DeepSeek-V4.1-Flash 在其平台 Day 0 上线。该模型为 552B MoE 架构，prefill 阶段约 8B 激活参数、decode 阶段约 16B 激活参数，具备原生视觉能力，上下文窗口达 1M，KV cache 占用约为 V4 Flash 的 1/4，并以 MIT 许可证发布。

相较此前版本，该模型在保持 552B MoE 规模的同时把上下文拉到 1M，并将 KV cache 降至约四分之一，直接缓解长上下文推理的显存与成本压力；MIT 许可证与 Day 0 上线则意味着开发者可更快在第三方平台直接调用。

MoE 通过在 prefill 与 decode 阶段仅激活部分参数（约 8B 与 16B）来控制单次计算量，使总参数量远大于激活量；KV cache 降至约四分之一，意味着同等显存可支撑更长上下文或更高并发，这是长窗口可用的关键前提。

对产品与研发而言，1M 上下文配合更低的 KV cache 占用，使长文档、长对话和多模态输入场景的单位成本下降，可减少分块与检索补偿逻辑；原生视觉与 MIT 许可也降低了集成与二次开发门槛。

• 在硅基流动上以 Day 0 版本做长文档问答与代码库级摘要的 A/B 测试，对比分块方案的准确率与单次成本。
• 针对 1M 上下文与原生视觉设计多模态长输入用例，如长视频抽帧或整本手册理解，验证实际可用窗口。
• 基于 MIT 许可证评估私有化或混合部署，测算 KV cache 降至约四分之一后的显存与并发收益。

• 552B MoE 在 prefill 约 8B、decode 约 16B 激活下的实际推理延迟与吞吐数据尚未给出。
• 1M 上下文在真实任务中的有效召回表现与长文本衰减情况未被证据确认。
• SiliconFlow 上的具体定价、限流与并发配额未在证据中说明。
• 原生视觉能力的具体输入格式与支持模态范围尚不明确。