DeepSeek-V4.1-Flash 多模态 MoE 模型现身 Hugging Face 热门榜

Hugging Face Trending 出现名为 DeepSeek-V4.1-Flash 的模型，任务为 image-text-to-text，热度分 1683、点赞 1801、下载 75774，作者标注为未知。其技术报告称这是一个多模态 MoE 模型，骨干参数 552B，支持最长一百万 token 上下文，原生处理图像与文本并自回归生成文本。

相较此前同类模型，该模型宣称在 prefill 阶段每 token 仅激活 8B 参数、decode 阶段 16B，并把持久化 KV cache 占用压缩到 DeepSeek-V4-Flash 的约八分之一，指向长上下文与高输入量场景的成本变化。

它采用 Causal Encoder-Decoder 架构，20 层因果编码器加 20 层解码器，解码器全局 KV cache 由编码器最终隐藏状态投影而来，而非逐层从解码器自身隐藏状态推导；SWA Bounded Replay 只重放最近 n_win 个 token 来重建缺失的 SWA KV 状态，避免把 SWA KV 持久化到 SSD；CSA2 给注意力层分配 Full、Reindex、Reuse 三种静态模式以跨层共享 KV 与索引，并用分层稀疏索引器收窄候选池。

若上述指标成立，产品侧可在长文档、图像加文本的 agentic 输入密集型流程中降低显存与存储压力，用更少激活参数承接百万 token 上下文；研发侧需要评估 CED 与 CSA2 对现有推理框架、KV 复用和缓存调度的兼容成本。

• 在长上下文文档问答或图像理解产品中，用小规模灰度测试对比该模型与现有模型的单请求成本与延迟
• 针对输入密集的 agent 工作流，评估把持久化 KV cache 从 SSD 迁移到重放机制的可行性与收益
• 跟踪其开源权重与推理实现是否公开，以决定是否纳入自建推理栈的候选清单

• 作者标注为未知，模型是否由 DeepSeek 官方发布尚未确认
• 技术报告中的参数规模、上下文长度与 KV cache 压缩比例缺少独立复现验证
• 模型权重、许可证与可用推理代码是否公开未知
• 下载量与点赞数是否来自真实使用而非榜单短期波动未知