中金发布研报称，DeepSeek V4.1 Flash的核心意义，是通过架构和推理系统优化，以更低的计算、存储和访存成本，实现更高的任务完成效率与单位GPU产出。以V4.1 Flash的优化逻辑推演，该行看到原本需在NVIDIA Blackwell系列64卡系统承载的10T模型，有望在64卡Hopper系列系统完成部署，即2026-2027年主流性能的国产算力芯片(如昇腾960系列)有望支持国产模型向10T-20T参数量平台持续扩张，国产算力需求的逻辑闭环再一次被印证。

中金主要观点如下：

降本：V4.1 Flash并非简单缩小模型，而是系统性减少长上下文推理中的重复计算、存储和数据搬运

CED将40层Transformer拆分为20层Encoder与20层Decoder，使长Prompt无需完整经过后20层Decoder，从而降低Prefill计算量。CSA2通过Full、Reindex、Reuse三类层分工复用Global KV与Top-K;叠加FP4 Main KV和SWA Bounded Replay后，Global KV Cache降至V4 Flash的约1/4，Persistent KV Cache降至约1/8。同时，Single-Pass mHC通过Kernel Fusion减少Activation重复读写，进一步缓解HBM带宽压力。

增效：V4.1 Flash通过更小动态计算、外置记忆和更高Decode吞吐，以更低单位资源消耗获得更高任务完成效率

其Prefill和Decode阶段每Token分别仅激活约8B和16B参数;Engram将部分静态知识从主干动态计算中剥离并按需检索;DSpark则通过轻量Draft、置信度预测和动态调度提升Decode效率。

风险

模型价格竞争风险，硬件供应链风险，AI商业化风险。