DeepSeek 在 Hugging Face 放出 V4.1-Flash-1017 权重（MIT 许可），并上线 Search/Fetch API：每 1000 次成功请求 0.75 美元

先把链接和事实摆清楚。Hugging Face 仓库是 deepseek-ai/DeepSeek-V4.1-Flash-1017，页面标注 License: mit，文件以 safetensors 形式提供，模型页标签包括 Image-Text-to-Text、transformers、safetensors、fp8 与 8-bit precision。仓库里的 config.json 写得很具体：架构字段为 DeepseekV41ForCausalLM，quantization_config 的 quant_method 是 fp8，activation_scheme 为 dynamic，weight_block_size 是 [32,32]，scale_fmt 为 ue8m0，expert_dtype 为 fp4。也就是说，稠密权重走 FP8，专家权重再压到 FP4。

架构参数同样写在公开配置里，不用猜。text_config 里 num_hidden_layers 是 40，hidden_size 是 5120，vocab_size 是 129280，num_attention_heads 是 64 而 num_key_value_heads 是 1，head_dim 512。MoE 部分是 n_routed_experts 384 加 n_shared_experts 1，num_experts_per_tok 是 6。上下文相关字段是 max_position_embeddings 1048576、rope_scaling 用 yarn 且 factor 16、sliding_window 128。另外还有 num_nextn_predict_layers 3 的多 token 预测层。视觉侧 vision_config 列了 32 层、hidden 1024、patch 14、max_image_tokens 1024。

接口侧的变化分三块，都能在官方文档里查到。第一块是模型名：Models & Pricing 页写明模型名用 deepseek-flash，模型版本 DeepSeek-V4.1-Flash，上下文 100 万，最大输出 384K，思考模式默认开启且可切非思考，工具调用、JSON 输出、Responses API、Anthropic API 格式都支持，视觉只 Flash 支持、V4 Pro 不支持。文档脚注还明确：旧名字 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 仍然接受，但它们对应的模型已退役，请求由 V4.1-Flash 承接并按 Flash 价格计费。

第二块是价格表，第三块是新工具接口。价格按每百万 token 计：缓存命中输入低谷 0.003 美元、高峰 0.006 美元；缓存未命中输入低谷 0.15 美元、高峰 0.3 美元；输出低谷 0.6 美元、高峰 1.2 美元。低谷是高峰的一半，高峰时段为 UTC 周一至周五 01:00–04:00 与 06:00–10:00，其余时间含周末与国内法定假日算低谷；并发上限 2500。工具接口方面，文档新增 Search & Fetch 一节：Search 是 POST https://api.deepseek.com/v1/tools/search，Fetch 是 POST https://api.deepseek.com/v1/tools/fetch，都走同一套 Bearer 鉴权，按成功请求计费，各 1000 次 0.75 美元，QPS 各 5，失败、空结果与超时不收费。文档还写了一句时间窗：通过 Claude Code 内置 Web Search 或 Codex 的 web_search 发起的搜索请求，在 Search API 上线后的前两周不收请求费。

有一个容易写错的细节必须点出来：API 的发布日和权重的仓库日不是同一天。官方 Change Log 写 DeepSeek-V4.1-Flash 是 2026 年 9 月 10 日正式发布，并称它是新架构家族里最小的模型、原生支持多模态视觉理解；而 Hugging Face 上的这个仓库名带 1017，是 10 月 17 日的权重快照。把两件事写成「今天发布了新模型」是错的，今天发生的是权重开源加接口层面的补充（Search/Fetch 与价格页更新）。

边界也要写清楚。第一，权重虽然标 MIT，但 Hugging Face 上的模型卡内容极简，正文只有一排徽章和一份技术报告链接，没有给出参数量、训练数据构成、评测分数或安全评估，所以本文不写「总参数多少亿」「跑分多少」这类数字——config.json 只能证明层数、专家数和上下文配置，证明不了能力。第二，专家权重用 FP4，意味着即便有卡，实际显存与推理精度表现也取决于推理框架对 FP4 专家的支持程度，官方页面没有给出显存占用或吞吐数据。第三，Search 与 Fetch 的 0.75 美元是「每次成功请求」计价、与返回条数无关，count 只控制条数，这一点文档写得很直白，别按 token 去算。第四，Search 的 QPS 是账号级 5，且 Fetch 另有按域名限速，做批量抓取前先算清楚会不会撞 429。