DeepSeek V4.1 Flash 登陆 Workers AI：552B 总参数只激活 8B，长上下文智能体负载更省
核心概要
DeepSeek V4.1 Flash 的 1017 版本已在 Cloudflare Workers AI 上线，模型总参数 552B，但每个 token 在预填充阶段只激活 8B、解码阶段激活 16B，因此输入密集的智能体负载可以保持较快且成本较低。相比此前版本，1017 在推理、编程、智能体任务和视觉基准上都有改进，并能用更短的输出完成任务。模型支持图文同请求、默认开启的推理、多轮工具调用和 1,048,576 token 的上下文窗口。
深度剖析
DeepSeek V4.1 Flash 的 1017 版本现在可以通过 Workers AI 调用，开发者用绑定、REST API、OpenAI 兼容端点或 AI Gateway 都能接入这个多模态混合专家模型。 这是对 DeepSeek V4.1 Flash 的一次更新，此前该模型已在 Workers AI 上提供。 更新覆盖推理、编程、智能体任务和视觉基准，并以更短的输出完成任务，这组改进构成了版本之间的对照。
模型把总参数和每 token 激活参数分开：骨干共 552B 参数，预填充时每个 token 只走 8B，解码时走 16B。 混合专家模型按 token 选择部分参数参与计算，而不是让全部参数都参与。 这种激活方式针对的是输入密集的智能体负载，目标是让这类负载保持较快且成本较低。
调用方可以在同一请求里同时发送图像和文本，推理默认以高强度开启，并可通过 reasoning_effort 调到 low、max 或关闭。 推理不再需要额外开关才能使用，默认即处于开启状态。 模型还支持跨多轮对话调用工具和 API 的函数调用，以及 1,048,576 token 的完整上下文窗口。
启示与展望
这则更新面向在 Cloudflare Workers AI 上构建应用的开发者，说明的是模型规格、能力项和接入方式。使用需要 Workers Paid 计划或预付费 AI Gateway 额度，默认速率限制为标准计费下每分钟 20 次请求、预付费 AI Gateway 额度下每分钟 50 次请求。来源没有给出各项基准的具体分数，也没有说明更新前后的逐项对比。
来源称 1017 版本在推理、编程、智能体任务和视觉基准上有改进，但没有列出具体指标或对比基线。推理默认以高强度开启，可通过 reasoning_effort 调整或关闭，实际效果取决于调用方如何设置。速率限制随计费方式不同，标准计费为每分钟 20 次请求，预付费 AI Gateway 额度为每分钟 50 次请求。