文 | 字母 AI
DeepSeek V4.1 Flash 发布后，不仅速度变快，而且内容更准确，还有原生多模态。
全网对 DeepSeek V4.1 Flash 好评如潮，梁文锋再次被奉为 " 梁圣 "。
相较于 V4 Flash，V4.1 Flash 最大的特点是推倒重来，采用了和 V4 Flash 完全不同的非对称结构。
这也就是说，V4 在结构上积累的训练配方、优化技巧、工程适配，到了 V4.1 这里，大部分都作废了。
现在的 DeepSeek 早就不是一家小作坊了，而是一个拥有数百名员工的企业，想要重起一个新的结构不仅费时，还很费力。即便如此，梁文锋也要狠下心，对 V4 推倒重来。
新结构听起来确实很像一个营销用的噱头，不过答案其实就在 DeepSeek V4.1 Flash 的官方论文当中，DeepSeek 的旧架构，已经装不下新的训练目标了。
那么这个新的目标又是什么呢？我认为，很可能是 " 入口 "。
DeepSeek 为什么要推倒重来？
通常来讲，先有模型，后有 Harness。厂商根据模型的能力和特点来构建 Harness。然而 DeepSeek V4.1 Flash 却是被 DSH 给 " 反哺 " 出来的。
官方论文表示，V4.1 Flash 的后训练遵循标准的 SFT → RL → 在线蒸馏（OPD）范式，没有任何算法改动。关键的地方在于，所有实质性变化都在数据流水线当中，大规模自动合成 Agent 任务与环境，数据、任务、rollout 渐进式扩增。
RL 训练时让模型在 6 种不同的 Agent 框架里反复试错，数据量、任务种类、试错轮次一路放大。DSH 是这 6 个训练场里最重要的一个，V4.1 Flash 还专门针对 DSH 的不同操作模式做了定向训练。
DSH 从 DeepSeek V4 Pro 的伴生产品，摇身一变成了 V4.1 Flash 的老大哥。
为了满足 DSH 的偏好，DeepSeek V4.1 采用了全新的结构。
论文里是这么介绍的，新结构让模型在 prefill 阶段每 token 只需要激活 8B 的参数、decode 阶段激活 16B，进而大幅改善 " 输入密集的 agent 工作负载 " 的成本效率。
为什么 " 输入密集 " 会成为麻烦？
过去的模型结构是为 " 聊天 " 设计的，用户问一句，模型答一句。这就造成了输入短、输出长，模型只会记住当前这一轮对话的上下文。
但在 Agent 时代，几十轮的中间状态一直挂在上下文里，输入动辄几十万 token，远大于输出。
2026 年 4 月，密歇根大学、斯坦福大学等院校联合发布论文《AI 是怎么花你钱的？》（How Do AI Agents Spend Your Money?），其中就提到这样一件事，在 agentic 代码任务中，输入与输出的 token 比高达 154:1。
于是 DeepSeek 选择推倒重来。V4.1 Flash 采用了非对称结构 Causal-Encoder-Decoder（CED）。
V4.1 Flash 的语言主干共 40 层，如果按照以前的 Transformer（decoder-only）那样，这 40 层应该是一模一样的。每一层都同时负责 " 读 " 和 " 写 "，同时处理给它的输入，也处理输出，而且每一层都要自己攒一份 KV Cache。
CED 的 " 非对称 "，指的是把这 40 层拆成前 20 层编码器、后 20 层解码器，编码器只负责 " 读 "，把输入压成摘要，解码器只负责 " 写 "，照着摘要生成回答。
就像汽车的流水线一样。过去是一个车间完成所有活，想增加产能就得一直复制这一个车间。现在是流水线，冲压车间就负责冲压，电泳车间就负责电泳。
并且记忆只产生一次，解码器的全局 KV Cache 直接从编码器的最终结果投影出来。DeepSeek V4.1 Flash 的全局 KV Cache 压到了 890 字节 /token，降低至 V4 Flash 的 1/4。
这是因为 DeepSeek V4.1 Flash 采用了 CSA2（Compressed Sparse Attention 2），第二代压缩稀疏注意力。
V4 的时候 DeepSeek 使用的是第一代 CSA，到了第二代，可以让不同层之间共享 KV 和索引，也就解决了前面所提到的痛点。
依然是像汽车流水线一样，CSA2 中把这 40 层分成了三个不同的车间，分别为 Full、Reindex 和 Reuse。
Full 负责完整记录，就像传统 Transformer 的每一层一样。Reindex 负责提炼重点，再根据提炼的结果做事。Reuse 则直接照着 Full 的技术抄，连提炼都省了。
虽然说除了第一层用 Full，剩下 39 层全用 Reuse 是最节省成本的做法，但每层关注的重点不同，能力也不同，浅层做的是 " 字面理解 "，深层做的是 " 逻辑推理 "，它们需要的上下文内容不同。如果全用 Reuse 只会生成没有价值的回答。
去年还是先有车、再修路，今年已经是先修路，再造车。
模型性能强弱、性价比高低，都不是叙事的核心，唯有掌握了入口，才能吸引更多用户。
但梁文锋不是第一个这么做的，姚顺雨的 Hy4 preview 走在他之前。
Hy4 preview 官方技术报告里表示，通过腾讯内部的软件工程师、游戏开发者、金融分析师、安全专家，围绕他们真正交付的工作共建数据，再和 CodeBuddy、WorkBuddy 这些产品共同设计。
在 163 名内部专家参与的 203 个真实工程任务盲测中，Hy4 preview 平均 2.99 分，GLM-5.3 是 2.92，Kimi K3 是 2.94。
入口的重要性不言而喻，腾讯产品矩阵的优势得以发挥。
DSH 和 WorkBuddy 本质上是一种产品闭环，是整条训练流水线的一部分。
有意思的是，2026 年 7 月 24 日，腾讯撤销大语言模型部和多模态模型部，合并成立基础模型部，姚顺雨统一负责。他将混元多模态的发展重点，放在了 Agent 强相关的多模态理解上，和梁文锋此前对多模态的看法一致。
现如今，梁文锋又在模型上靠拢了姚顺雨，互相学习。
智谱与 Kimi 有类似的闭环吗？
智谱和月之暗面这两家不是没有工具，Kimi 有 Kimi Claw，智谱也有 ZCode、AutoClaw 和 GLM Coding Plan。
但这些工具没办法像 DSH 和 WorkBuddy 那样 " 反哺 " 模型。智谱和 Kimi 的工具是后挂的外壳，模型先在合成环境里练好，再做个产品给用户用。
智谱现在把所有精力都放在了模型自进化上。8 月 31 日，在智谱半年度业绩会上，唐杰首次明确表示，GLM-6.0 是一款 Full Self-Training（完全自训练）模型，与 OpenAI 的 RSI（Recursive Self-Improvement，递归自我改进）相似。
唐杰表示，从预训练、中训练到后训练，全流程让模型自己训自己，不再靠人写代码、清洗数据、调参、设计实验。人只负责给模型定目标，以及做最后的验收工作。
在 GLM-5.3 上，智谱就已经展示过他们自进化方法的一部分了。GLM-5.3 和 5.2 使用的基座相同，但是性能却大幅提升。
具体情况是这样的，GLM-5.3 建了一套端到端的任务环境合成流水线，Agent 从真实世界的软件工程和终端操作场景收集种子任务，接下来模型自己头脑风暴，生成大量可验证的任务草稿，再构建做题用的 Agent，把这些草稿实例化成具体的可运行环境。
将 Agent 输出的回答进行精炼，根据研究员定义的评分标准，检查并迭代优化任务质量。
最终就产出了数千个多样化、可验证的终端 Agent 环境。GLM-5.3 的长程任务环境数量是 GLM-5.2 的几十倍，而且都是 Agent 自己建的。
月之暗面走的是 " 在自建合成环境里把 Agent 能力练到极致 " 的路线，相当于是闭关修炼。
具体做法是通过 AgentENV 来完成模型的训练，这是基于 Firecracker 微虚拟机的分布式沙箱系统，
在 K3 训练期间跑了 5100 万个沙箱，支持暂停、恢复、复制、快照，专门解决长程 Agent 强化学习里 " 任务跑不完、环境容易污染 " 的基础设施难题。
Agent 的强化学习训练和普通大模型 RL 不一样。普通 RLHF 就是给模型一个 prompt，模型生成一段回答，打个分，更新参数。环境是无状态的，跑完就完了。
但 Agent 训练不一样。模型要在一个真实的运行环境里干活，一个任务可能跑几十步甚至几百步，持续几分钟到几小时。
如果在干活过程中，模型发现缺少某个依赖，那么它会为了完成任务，自己在沙箱里装个依赖、改个配置文件。
虽然任务完成了，不过这个环境也就改变了，即环境被污染了。那么下一轮训练不能接着用，得重新起一个干净环境。重起的过程大约需要几秒，虽然不长，可大规模训练时就会浪费大量时间。
就像学开车一样，如果你一上来就从科目三开始，那必定会成为马路杀手。所以就需要驾校，准备一个不会有行人和来往车辆的空地，练习起步、上坡和侧方停车。
AgentENV 就是 Kimi 的驾校，让 Kimi 可以在训练时大展拳脚，还不会受到环境因素的影响。
所以智谱和月之暗面不是没有闭环，只是这个闭环没有触达外界，练得再好也是闭关修炼。
DSH 和 WorkBuddy 的是入口，用户在真实环境里干活，数据自然回流，模型在实战里被养大。
梁文锋要抢入口
就在 DeepSeek V4.1 Flash 发布的同时，DSH 也宣布更新到了 v0.1.5 版本。新版为插件作者提供了更多标准化的 UI 扩展入口，新增了文件上传、侧边栏文件预览等功能，优化了 UI 的性能与交互，并持续增加与模型研究前沿深度结合的实验性功能。
DSH 在刚发布的时候，与其说它是一个产品，倒不如说它是一个属于极客的玩具。就连安装都能难倒一大片。
DSH 的理念是一切皆插件，需要用什么插件，DSH 自己安装，用完了再删除。结果就是真正好用的插件，全是社区提供的，包括连 UI 都是。
到了 0.1.5 版本，DSH 已经从 " 框架 " 逐渐蜕变成了 " 产品入口 "。除了适配 V4.1 Flash 以外，全是终端用户产品功能。
举个例子，0.1.5 版本中，Agent 可以显式交付文件。生成的代码、文档、分析报告直接作为文件出现在侧边栏，用户可以预览、打开、定位到本地文件夹。
以前的 DSH 里，Agent 只能输出文字和代码到回答框里，用户必须得亲自复制粘贴到文件里才行。
不仅如此，新版本还有一个极其实用的功能，叫做 " 支持在保留已有 KV Cache 的情况下更新系统提示词 "。
传统 Agent 有个痛点，长会话跑到一半，你想改系统提示词，比如让 Agent 从 " 写代码模式 " 切换到 " 写文档模式 "，那就必须清掉整个 KV Cache 重新 prefill。
在 1M 上下文的前提下，切换系统提示词，就意味着 Agent 要花几十万甚至上百万 token 去重新规划任务。
所以现有 Agent 产品基本不允许中途改系统提示词，Agent 的角色和目标从会话开始就锁死了。
这就说明，DeepSeek 在有意识地把 DSH 从 " 极客工具 " 往前推，让它成为一个面向更多用户的 Agent 产品。核心目的就在于扩大入口，放更多人进来。
现在的 DeepSeek，反而有点像卖剃须刀的吉列。它的刀架不赚钱，甚至免费，它主要挣的是刀片的钱。可真正锁定客户的反而是刀架。
DeepSeek 也一样，想换新模型，复制粘贴一段 API Key 就完事了。但是想换新 Harness，那得需要适应很长一段时间。
所以 DSH 大量优化用户体验，不仅仅是为了继续 " 反哺 " 未来的 DeepSeek V4.1 Pro，乃至 5、6、7、8，更是为了抢占入口。
DeepSeek 已经在朝着 " 入口公司 " 看齐了。
