DeepSeek V4 Pro 是深度求索 V4 系列的旗舰档，DeepSeek V4.1 Flash 是 2026 年 9 月 10 日发布的新一代小尺寸模型。截至 2026 年 9 月 14 日，两者在官方 API 上并行在售：V4 Pro 的模型名是 deepseek-v4-pro（总参数 1.6T、每 token 激活 49B），V4.1 Flash 的模型名是 deepseek-flash（552B 主干参数、输入激活 8B／输出激活 16B）。两档上下文都是 1M、最大输出 384K，权重都以 MIT 许可开源。一句话区别：V4.1 Flash 更便宜、更快、Agent 编程跑分更高，还能看图；V4 Pro 世界知识更扎实、纯推理题和长文本题分数更高。
DeepSeek V4 Pro 和 V4.1 Flash 的区别
定位：V4 Pro 是 V4 一代（4 月 24 日发布）的大号旗舰；V4.1 Flash 是官方口中「全新模型结构系列中的最小尺寸」，结构换成了 Causal-Encoder-Decoder，不是 V4 Pro 的缩小版或蒸馏版。
参数：V4 Pro 为 MoE，总参 1.6T、激活 49B；V4.1 Flash 为 MoE，主干 552B，读输入（prefill）时每 token 激活 8B、生成输出（decode）时激活 16B，另带 196B 参数的 Engram 条件记忆模块（按 token 查表稀疏访问）。Hugging Face 页面按张量统计显示约 763B，与官方 552B 的主干口径不同，别混用。
能力（官方自测，max 思考档）：按 V4.1 Flash 模型卡的对照表，Agent 与编程类 V4.1 Flash 全面领先——Terminal-Bench 2.1 90.6 对 87.9、DeepSWE v1.1 74.2 对 62.7、Terminal-Bench 4.0 31.2 对 12.4、Codeforces 3471 对 3348；但纯推理与知识题 V4 Pro 仍占上风——HLE 42.7 对 36.8、GPQA Diamond 92.4 对 90.9。基座模型对比里，V4 Pro 在 SimpleQA-Verified（55.2 对 42.3）和长文本 LongBench-V2（51.5 对 45.2）上明显更强。所以官方公告说 V4.1 Flash「全面超越 V4 Pro」，指的是性能、费用、速度、总用时这组综合指标，不等于每一项跑分都赢。
速度：第三方评测机构 Artificial Analysis 实测（Intelligence Index v4.3 口径，均为最高思考档）：V4.1 Flash 输出约 214 token／秒、首 token 1.17 秒、综合指数 40；V4 Pro 0813 输出约 78 token／秒、首 token 1.67 秒、综合指数 36。实测速度随服务商和时段波动，只看量级。
价格：同一时段下，V4 Pro 的未命中输入价是 V4.1 Flash 的 4.5 倍、输出价约 3.4 倍、缓存命中输入价 7.5 倍。按高峰价粗算，100 万输入（未命中）加 100 万输出，V4.1 Flash 约 ¥10、V4 Pro 约 ¥36。
功能：两档都支持思考／非思考切换、JSON Output、Tool Calls、Responses API、Anthropic API、对话前缀续写，FIM 补全都只在非思考模式可用；图像理解只有 V4.1 Flash 支持，V4 Pro 在 API 侧不支持。并发上限 V4.1 Flash 2500、V4 Pro 500。
怎么选：跑 Claude Code、OpenCode 这类编程 Agent、批量长任务、需要看截图和图表，优先 V4.1 Flash；问答里对事实准确度要求高（冷门知识、专业百科）、或者已有流程在 V4 Pro 上调好了提示词，继续用 V4 Pro。拿不准就两档各跑一遍自己的样例再定，官方也保留了两个模型名。
正式版时间线：从预览版到 V4.1 Flash
2026-04-24：V4 预览版发布并开源，分 V4-Pro 与 V4-Flash 两档，1M 上下文成为官方服务标配；旧模型名 deepseek-chat／deepseek-reasoner 指向 V4-Flash，并于 7 月 24 日停用。2026-07-31：V4-Flash 正式版（0731）API 公测，结构与预览版一致、只重做了后训练，当时官方注明网页端与 App 未改。2026-08-13：V4 Pro 正式版（0813）在 App、网页端和 API 同步上线，API 模型名不变，同时原生支持 Responses API、思考强度改为 low／high／max 三档，并宣布峰谷定价于 8 月 17 日 0 时生效。2026-08-21：多模态实验模型 V4-Flash-Vision-Exp 上线 API。
2026-09-10：V4.1 Flash 发布，新价当天 12:00 生效；旧的 V4 Flash 与 V4 Flash Vision Exp 下线，两个旧名暂时路由到 V4.1 Flash、按 Flash 价计费。公告原本还写着「北京时间 9 月 14 日 12:00 之后、V4.1 Pro 上线之前，deepseek-v4-pro 的请求全部路由到 V4.1 Flash」——但官方随后改口，更新日志与定价页脚注现写明：「为响应广大用户的需求，我们决定在 2026 年 9 月 14 日之后继续提供 DeepSeek V4 Pro 的 API 调用服务，计费方式保持不变」。所以并档没有发生，V4 Pro 正式版仍在售；官方同时说了「如有变动，我们将另行通知」。
搜索里常见的 expires-on-0910：据博客园一篇技术博文，9 月 8 日起官方曾限时开放内测模型名 deepseek-v4.1-flash-expires-on-0910（每账号 20 并发、按 V4 Flash 价计费、9 月 10 日自动过期）。官方更新日志没有收录这一条，本页未能在官方文档核实；无论如何它已过期，现在直接调 deepseek-flash 即可。
思考模式怎么开
API 里两档默认开启思考模式、强度默认 high。OpenAI 格式用 thinking.type（enabled／disabled）开关、reasoning_effort（low／high／max）调强度；Anthropic 格式用 output_config.effort；Responses 格式用 reasoning.effort，传 none 即关闭。出于兼容，minimal 会映射为 low、medium 与 xhigh 映射为 high、ultra 映射为 max。思考模式下 temperature、presence_penalty、frequency_penalty 设了不报错但不生效，top_p 下限抬到 0.95。官方建议复杂 Agent 任务用 max。V4.1 Flash 模型卡另写明权重本身支持 1–100 的连续思考强度，但官方 API 只开放上面三档。
走 Anthropic 兼容口（https://api.deepseek.com/anthropic）接 Claude Code 时，官方做了模型名映射：claude-opus 开头的名字映射到 deepseek-v4-pro 并按 V4 Pro 价计费，claude-sonnet／claude-haiku 开头的映射到 deepseek-flash，不认识的名字也一律落到 deepseek-flash。想用 Pro 却没显式指定，账单和效果都会是 Flash。
网页版和 App 里用的是哪个
按 8 月 13 日官方公告，网页端和 App 里选「专家模式」用的是 V4 Pro 正式版；9 月 10 日的 V4.1 Flash 公告只写了「已同步上线 API」，没提网页端与 App，快速模式此刻对应哪个模型官方未公示，本页不替它断言。网页版入口、登录方式和各模式的用法，见 DeepSeek网页版。
开源权重与本地部署：Flash 能不能自己跑
两档权重都在 Hugging Face 的 deepseek-ai 组织下、许可证都是 MIT（可商用、无营收门槛），ModelScope 魔搭同步上架、大陆直连更快。体量（按 Hugging Face 仓库文件大小统计）：V4.1 Flash 约 510 GB、V4 Pro 0813 约 893 GB；已停 API 的旧版 V4-Flash-0731 约 167 GB，权重仍可下载。V4.1 Flash 的官方参考推理代码默认把权重转换成 8 卡张量并行、专家权重用 FP4，多机则用 torchrun 多节点启动；V4 Pro 0813 模型卡给的 vLLM 示例是单台 4×GB300 节点。官方在 V4.1 Flash 公告里还说，有大规模部署需求且具备「2k 卡 GPU、有存储集群」资源的可以直接联系他们。
换算成硬件（本站按权重体积估算，非官方要求）：约 510 GB 的 V4.1 Flash 放进单台 8 卡 H200（8 × 141 GB ＝ 1,128 GB）绰绰有余，剩余显存可给 KV 缓存；8 卡 80 GB 机型（合计 640 GB）只是勉强装下权重、留给并发与长上下文的余量很小，而且老一代卡能否跑 FP4 内核本页未核。V4.1 Flash 的长上下文很省显存：模型卡写明全局 KV 缓存每 token 约 890 字节，1M 上下文单条请求约 0.9 GB。约 893 GB 的 V4 Pro 则超过 8 卡 80 GB 机型总显存，至少要 8 卡 H200 这一级。
结论：个人电脑跑不动任何一档。消费级显卡单卡 24～32 GB，离 510 GB 差一个数量级；Ollama 官方库里的 deepseek-v4.1-flash、deepseek-v4-flash、deepseek-v4-pro 只有 :cloud 标签，拉下来实际是调 Ollama 的云端推理，不是在本机跑。所谓「DeepSeek V4 Flash 本地部署教程」若教你在普通电脑上装，多半是在装别的小模型。真想本地跑，按显存挑千问等小尺寸开源模型，对照表见 本地部署显卡选型。