文 | 字母 AI
没有任何预告，DeepSeek V4.1 Flash 的中间版本 deepseek-v4.1-flash-expires-on-0910 开始内测了。
DeepSeek 官方表示，"DeepSeek V4.1 Flash 采用了新的模型结构，原生多模态支持、能力更强、速度更快、且成本更低。"
没有技术报告，也没有性能参数表，可是官方给出的信息已经挺让人震惊的了。
V4.1 Flash 是 DeepSeek 第一款原生多模态模型，V4 Flash Vision-Exp 虽然也支持多模态，但它属于 " 外挂式 "，在 V4 Flash 0731 纯文本底座上，外接了一个视觉编码器，以及一个对齐器（Aligner）。
V4.1 Flash 是出厂就自带图文一体化输入输出。
并且 V4 正式版到 V4.1 才过了 40 天，就采用新结构，还能在提高性能的时候降低成本……这难道不该叫 V5 Flash 吗？
在经过社区多位技术博主的测试后，即使这个模型只是 V4.1 Flash 的中间版本，还不是正式版，它的表现却是相当惊艳。
DeepSeek V4.1 Flash 牛在哪里？
就在招聘信息公布的前后，DeepSeek 内部代号为 DeepSeek-v4.1-flash-expires-on-0910 的中间测试版本突然开启测试，测试时间截止到 9 月 10 日。
DeepSeek 没有发布这个模型的技术报告，但是在官方发起的《V4.1 Flash 中间版本邀测反馈问卷》中，有这样一道题很有意思。
题目是 " 你觉得这个模型能全面替换线上的 DeepSeek V4 Pro 么？"，选项分别为 " 可以 "、" 不可以 "、" 不确定 "、" 其他 "。
在经过测试后发现，V4.1 Flash 的速度实在是太快了。
以往我们跟大模型对话，即便响应再快，界面上往往也要跳动一两秒思考指示器。而在 V4.1 Flash 上，有开发者试探性地敲下一句 " 你好 "，模型给出的思考时间只有 0.3 秒，生成速率瞬间飙到每秒 159.3 个 token，整轮对话端到端耗时仅 0.8 秒。
在另一组重度长文本推理的实测截图中，模型生成速度甚至直接快到了每秒 420 个 token，端到端吞吐达 409.5token/ 秒。
在业内人的调侃里，" 这吞吐量直接把别家所谓的极速模式（Highspeed）做成了自己的日常基准 "。
但这绝不仅仅是 " 快 " 那么简单，更是 " 又快又准 "。
起初他以为又和 V4 Flash Vision-Exp 一样出现了幻觉，结果打开大图仔细一看，图中的人穿的就是条纹西装。
结果显示，在 49k 超长上下文检索场景下，新模型的处理速度快了 5.2 倍；在 SVG 代码生成上，快了 6.0 倍；在经典的 Manacher 回文算法题解答上，快了 4.6 倍；在大型 SQL 查询生成与优化上，快了 5.0 倍；在高难度的 asyncio 异步架构重构任务里，处理速度依然达到了前代的 3.9 倍。
因此，官方称 V4.1 Flash 采用新的结构、原生支持多模态，这话一点不假。
还没完，在实现性能暴涨的同时，它的调用价格却和 V4 Flash 相同。
社区中有很多关于梁文锋的梗，DeepSeek 性能好价格低的时候将他尊称为 " 梁圣 "、" 梁祖 "，涨价的时候又叫他 " 梁子 "、" 小梁 "。
到了 V4.1 Flash 这里，梁文锋又当回了梁圣。
小鲸鱼的成人礼
就在 V4.1 Flash 发布的前一天，DeepSeek 突然宣布释放 150 人的大规模招聘名额，且明确面向 2 至 10 年的资深工程师，同时也兼顾应届生与新锐人才。
这次招聘主攻两个方向。其一是服务端开发工程师，涵盖大模型研究平台、Agent 框架组件、研发效率基建、DeepSeek API、线上服务以及数据工程；其二是 Agent 弹性计算研发工程师，包含平台开发和维护、底层调优与攻坚。
作为 DeepSeek Harness 的负责人，崔添翼在社交平台发文称，这次扩招绝不是为了做常规业务堆人，而是因为 " 量的激增引发了复杂度的指数级爆炸 "。
崔添翼写到：" 计算机领域的任何东西量变大之后，就会产生复杂度上巨大的增加。数据的量、机器 / 容器的量、训练任务的量、评测任务的量、Agent 环境的量、用户的量、请求的量，等等等等，都在急剧增加。这就产生了越来越大的复杂度，会让之前的后端系统逐渐不能完美满足将来的量的需求，所以需要大量扩招人来升级、维护和重写各种后端系统。"
过去的大众认知里，DeepSeek 是几十个天才算法科学家组成的 " 特种部队 "，凭着极致的代码洁癖和作坊式的灵感创新，打出了让硅谷侧目的战绩。然而，从首轮融资到如今的密集动作，DeepSeek 已经演进成一家数百人规模的企业。
在拿到首轮融资之前，DeepSeek 的服务器在海量流量的冲击下动辄宕机，融资到位后，服务端扩容，再也没有出现过长时间宕机。
但这仅仅是解决了浅层的网页和 API 问题，今天的 DeepSeek，它所面对的可不只是服务器压力。
从技术演进的角度来看，大模型正在经历一场从 " 静态预训练 " 走向 " 动态环境交互 " 的深刻质变。
过去训练一个语言模型，工程任务相对单纯，工程师把互联网上清洗好的海量静态文本塞进硬盘，让显卡吞吐数据。
到了现在的强化学习与 Agent 时代，模型为了学会解决真实任务，必须在毫秒级别内与成千上万个动态的 " 沙盒 " 实时交互。
打个比方，教模型下棋，过去是给它看千万盘死棋谱，现在则是让模型同时在十万个动态棋盘前跟自己博弈。
每一个棋盘环境的启动、状态恢复、网络隔离、结果抓取，都必须在毫秒级内完成。
原先 DeepSeek 作坊式的系统自己跑跑还行，扛不起这种级别的工业级动态负荷。
以 V4.1 Flash 这种级别的吞吐和推理速度来看，它需要极强的调度能力，才能满足这些开发者的需求。
比如哪些请求放在同一张 GPU 上批处理？长请求和短请求怎么混排才不会互相拖死？流量突然翻三倍的时候，从哪里秒级调资源过来？凌晨三点流量掉下来的时候，怎么自动缩容省钱？
作为一个实验室，DeepSeek 不需要在乎这些问题，但现在梁文锋手下的是一家企业，这些工程问题反而成了关键。
同样的，新结构意味着 DeepSeek 可能要自己改推理框架、自己写 CUDA 算子、自己做模型压缩和量化，依然是一个极其费时费力的工程问题。
V4.1 的 Agent 能力越强，需要的沙盒环境越多、弹性计算调度越复杂；V4.1 的多模态理解越成熟，数据管道和存储系统的压力就越大。
这 150 名工程师的作用就在于此。
虽说 150 人这个数量，不过是普通大厂一个部门的季度配额，可放在 DeepSeek 身上，这已经是翻倍量级的大动作。
DeepSeek 已经完成从 0 到 1 的过程，现在梁文锋面对的问题，是从 1 如何到 100，于是 DeepSeek 用 150 个 HC 作为回答，V4.1 Flash 就成了 DeepSeek 的成人礼。
天才少年终究要长大，大模型也不能只停留在论文和打榜。真实世界的业务与工程骨架，才是这家公司长久活下去、跑赢下一轮竞争的支柱。
