9月10日 DeepSeek 发布 V4.1 Flash 的那天，讨论区打的是跑分仗：官方说 Terminal-Bench 2.1 拿了 90.6、超过 Opus 5 的 89.1，B 站"斩杀线"榜单里它却只有 40 分、被 GLM 的 45 分压在国产第二。但真正的技术流量在 9 月 11 日夜里才涌过来：知乎上三篇硬核文章前后脚发出来——有人把 V4.1 Flash 挂进 SGLang 抓了完整的 GPU Kernel Trace，有人推演 CED 结构下的部署切点，还有人逐条盘了 vLLM 和 SGLang 当天还在动的适配 PR。三篇文章指向同一个结论：这场发布对自托管玩家的真正信息量不在"聪明与否"，而在部署的账本被改写了。知乎哔哩哔哩
这篇不掺和跑分仗，只把三本账摊开：口径账、时间账、切点账。适合手上有一台 8 卡机、正在纠结"KV 降到 1/4 了我能不能挤进去"的人。
第一本账：890 B/token 是 FP4 口径，你的机器未必按这个口径跑
先把官方数字钉清楚：V4.1 Flash 是 552B 总参的 MoE，40 层骨架对半切成 Encoder/Decoder，输入阶段激活 8B、输出阶段 16B——总参比上一代 V4 Flash 的 284B 翻倍，输入侧参与计算的参数反而更少。全局 KV Cache 压到每 token 约 890 字节，官方说约为上代的 1/4；HBM 需求降到 1/4、SSD 持久化需求降到 1/8。权重已按 MIT 协议放上 Hugging Face，1M 上下文、最大 384K 输出、并发上限从 500 提到 2500，还原生带图像理解。知乎
漂亮归漂亮，自部署的人先要面对一个口径陷阱。890 B 这个数是全局 KV 按 FP4（E2M1）存的口径，靠量化感知训练换出来的。而写部署切点那篇分析的人提醒得很直接：V4.1 Flash 权重是 FP4/FP8 混合，如果你按常见的 W4A8 配方部署，KV 就得按 FP8 算——同一份缓存，账面直接翻倍到约 1792 B/token。"两侧口径不统一，所有倍数都是假的。"换句话说，官方"1/4"是架构层的事实，但不自动等于你机器上的事实：你用什么精度配方，决定你吃不吃得到这 1/4。知乎
更要紧的是另一半。上一代大家喊"显存装不下"，这一代框架侧的分析直接翻了篇：自托管的主要约束已经从 KV 变成权重——510GB 级别的 FP8 权重摆在那，自部署门槛被写到 8 卡 H200/B300 一档的节点，KV 反而不再是瓶颈。这是"KV 骤降"叙事里最容易被忽略的小字：缓存省下来的空间，立刻被更大的总参重量（552B vs 284B）吃回去了。旧卡党想靠"KV 只要 1/4"上车 552B 的全参部署，第一本账就不成立。知乎
第二本账：TP8 实测，Prefill 里最大的单项开销是 AllReduce 的 42%
9 月 11 日深夜发出的 SGLang Trace 系列（作者 ACEEE，8×RTX 6000D / SM120，TP8+EP8，16384 token 输入），第一次把 V4.1 Flash 的执行时间线完整摊开。值得记住的是模块占比而不是绝对毫秒：
Prefill（C8 并发）：K018 AllReduce 占累计 kernel 时间 42.11%，dense FP8 GEMM 占 23.63%。也就是说跨卡通信吃掉了近一半的计算时间。知乎
Decode：FP8 GEMM 回升为主项（C8 38.10%、C32 28.70%），AllReduce 稳定在 20.5% 上下；专家 GEMM 随批次从 9.95% 涨到 16.54%——EP8 下每卡管 48 个专家、384 个专家全量铺开，批次一大，专家路由的负载就压上来了。知乎
要按证据强度说话：这是单一采样配置（前缀缓存关闭、dense GEMM 走 Triton、通信走 NCCL）的一个窗口，不是普适常数。但方向足够扎心——KV 压到 890B 之后，八卡张量并行里最贵的单项变成了卡间通信。上一周 CUDA Graph 讨论还集中在 launch 开销找回几个百分点，这一代的账本里，通信已经是大头。Engram 那条"GPU 直接读主存 FP8 表 + 各卡取分片后 AllReduce"的路径也在时间线上留了痕迹：主存查表的省显存收益，是拿通信和内核数换来的。
对集群的人，这本账的实操含义是两条：换卡之前先换互联（NVLink 域内的 TP 宽度、AllReduce 融合 kernel），以及——别急着按官方跑分规划你的集群吞吐，框架还在动：SGLang 那边 Blackwell 适配 PR #38879 一天就把 B300 TP4/EP4 的 BS64 稳定解码从 6534 tok/s 提到 13771 tok/s，翻了一倍还多，今天的数字过几天就是旧的。知乎
第三本账：最好的切点不在 P/D 边界，在第 20 层那 640 字节
前两本账还是"成本搬家"，第三本账直接动架构假设。9 月 12 日凌晨那篇 CED 部署分析提出的问题是：默认那套"Prefill 一个池、Decode 一个池"，在 V4.1 Flash 上还是最优解吗？
V4.1 Flash 的 CED 结构（Causal Encoder-Decoder）把 40 层从中间切开，Decoder 的全局 KV 不是 Decoder 自己注意出来的，而是 Encoder 末层隐状态（H_L/2）的一个纯投影。这个结构事实翻译成部署语言，就是跨界传输有三种载荷可选：H_L/2 本体 5120 B/token、全量源层 KV 1792 B/token、投影后 KV 640 B/token——最大和最划算差 8 倍。选第三个的原因很具体：Decoder 侧只有一个真正的 KV 源层（L20 Full 模式，其余层跨层复用），所以"投影成 KV"每 token 只做一次；而 Encoder 侧三个源层（L2/L8/L14）那 1152 B/token 只要 Encoder 还在线就根本不用过网；滑动窗口注意力（窗口 128）那份 2.62 MB/会话的小 KV 干脆不持久化，用时重放最近 128 个 token 重建（官方叫 SWA Bounded Replay）。合起来：跨界只剩 640B，其他一切留在原地或本地生成。知乎
但作者把最容易误读的地方也标红了：EG 分离不是 PD 换了个名字。PD 是时间上的阶段切片——P 算完就退出；EG 是模型结构上的层界，而且因为 DSpark（半自回归草稿+置信度调度验证）的输出期验证需要跨 E/G 两侧条件，出 token 阶段两侧依然配对工作，每轮 verify 都有一次跨机往返。账面收益是单机 KV 预算从 148GB 涨到 300–307GB、可驻留会话量级上界约为全参 PD 的 3.2x/10.8x——注意是"驻留上界"，没扣分页碎片、CUDA Graph、缓冲和排队，不是"能服务这么多并发"。还有一条硬约束：D 侧必须能把新 token 送过 L0–L19，不存在只装 L20–39 的"纯解码节点"。这直接否决了很多人第一反应的部署形态。知乎
三本账之后：谁现在动手，谁再等等
API 用户（不需要集群）：这轮降价是真金白银。闲时价缓存命中输入 0.02 元/百万 token（约等于白送）、未命中 1 元、输出 4 元，高峰（工作日 9–12、14–18）双倍。有开发者按一天 1000 万输入 + 50 万输出、80% 命中的 Agent 负载测算：V4 Pro 闲时要 16.95 元，Flash 只要 4.16 元。知乎
坑在默认思考模式：实测一次简单问答，912 个补全 token 里 879 个是 reasoning token——max_tokens 给小了拿到空回复，高频调用记得显式关思考。知乎
另外 9/14 那次"V4 Pro 强制路由"风波 48 小时里反复了三次、最终以继续提供 V4 Pro 收场，社区情绪的教训是：计费口径变动比模型名更值得盯。知乎
有 8 卡 H200/B300 级机器的：可以上车但要接受在分支上跑——vLLM 走 deepseekv41-flash-0909 预览镜像（需 0.30.0+，主 PR #56214 的 dsv41-feat 特性分支尚未合入主线），SGLang 走 dev-dsv41；AMD 这边 MI350X 八卡节点已验证通过（AITER 后端）。融合 kernel（QK-Norm+RoPE+KV 插入三合一、KV-only 插入让 H100 上 2048 token 插入快 4.14~5.93 倍）收益已经落在 PR 里，值得盯的就是主线合并节奏。知乎
旧卡/中小集群的：三本账合起来就一句话——KV 省下的钱买不回权重的地。510GB 级别的 FP8 权重是入场券，"8G 跑 8B"那套旧规矩在这代模型上对全参部署依然不成立。真想吃这代架构红利，短期内更现实的路径是租用已经跑通 EG/优化配方的推理服务，或者等量化 GGUF 在 HF 热榜上发酵之后的实测帖（Qwen3.8 GGUF 的路径已经演示过一遍了），别拿自家旧卡去赌首发。
最后照例把不确定项摆出来，免得这篇被当成新口径去传：40 分 vs 90.6 分是两套评测体系，都真实，谁代表你的负载谁才算数；GPQA 上 V4.1 Flash（90.9）仍低于 GPT-5.6 Sol（94.1）和 Opus 5（93.4），302.AI 的结论是"Pro 级能力、Flash 级价格初步坐实，极限复杂任务仍有瑕疵"。Trace 是单配置采样，CED 切点推演是第三方从论文出发的工程分析而非官方参考实现——9/14 之后 V4 Pro 的最终计费怎么收、EG 会不会出官方部署配方、SGLang 作者会不会补多配置对照的 Trace，这三个信号出来之前，账本先记着，钱别急着花。知乎
