DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression

DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression论文：DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression（arXiv:2609.19969，DeepSeek-AI，2026-09-17）一句话：DeepSeek 又整了个"胃口很小、脑子很大"的模型——552B 的 MoE 大模型，能吃100 万 token 的上下文，但推理时占的显存/硬盘（KV Cache）只有上一代 V4-Flash 的1/4 ~ 1/8，speed 和效果反而更好。它的杀手锏是四个字母缩写：CED、CSA2、FP4 KV、SWA Bounded Replay。二、先补一个"傻子都能懂"的背景：什么是 KV Cache？大模型每生成一个字，都要"回头看"前面所有字。为了不重算，它把每个字算过的 Key、Value 向量存起来，这叠"小抄"就是 KV Cache。打个比方：你在写小说，写到第 100 章。为了保持人设不崩，每写一个字都要翻前 99 章的笔记（KV Cache）。