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

摘要

DeepSeek-AI 报告了一套面向百万 token、多模态和长程 agent workload 的模型与 serving 优化。CED 减少 prefill 计算，CSA2、FP4 KV 与 SWA Bounded Replay 压缩运行时及持久 KV cache；这些是 CUA 长轨迹部署的基础设施优化，不是 GUI grounding 或策略训练方法。（来源：原始资料（本地存档），摘要、§1-3）

核心内容

• 552B backbone、1M token context；prefill/decode 分别激活 8B/16B 参数。（来源：原始论文记录，摘要）
• CED 让上半层 global KV 由 encoder 隐状态投影，长序列 prefill 复杂度约减半。（来源：原始论文记录，§2.2）
• CSA2 跨层复用 global KV、indexer K 和 Top-K 索引，配合 FP4 cache；global KV 约 890 bytes/token，作者报告约为 DeepSeek-V4-Flash 的 1/4。（来源：原始论文记录，摘要、§2.3）
• SWA Bounded Replay 以最近窗口重建局部 KV，作者报告 persistent KV footprint 约降至 1/8，性能退化可忽略。（来源：原始论文记录，摘要、§3.2.2）
• 对 CUA 的含义是降低长截图、DOM/a11y 历史和工具调用带来的 prefill、显存、SSD 与带宽成本；尚未证明会提升点击 grounding、动作成功率或安全性。（综合：原始论文记录）

相关页面

• 概念：Computer-Use Agent、GUI Agent Efficiency、Context Engineering
• 主题：Browser and Computer-Use Agents、Agent Harness 与 Agentic RL 开源生态

来源

• 原始文件：原始资料（本地存档）
• alphaXiv：https://www.alphaxiv.org/abs/2609.deepseek-v4-1-flash
• 定位信息：摘要、§1、§2.2-2.3、§3.2.2

待核实问题

• alphaXiv 的非传统编号与正式出版状态待独立确认。
• agentic benchmark 的硬件、完整数字、消融和 checkpoint 下载尚未独立复现。