DeepSeek V4.1 Flash上线后，运行效率提升，输出准确性增强，并集成了原生多模态功能。

网络上对DeepSeek V4.1 Flash的评价普遍积极，梁文锋再次被尊称为“梁圣”。

与V4 Flash相比，V4.1 Flash的核心变化在于彻底重构，采用了与V4 Flash截然不同的非对称架构。

这意味着，V4在架构层面积累的训练配方、优化方法以及工程适配，到了V4.1这里，大部分都已失效。

如今的DeepSeek早已不是初创的小团队，而是一家拥有数百名员工的企业，重新构建一套新架构既耗费时间又耗费精力。即便如此，梁文锋仍决心对V4进行彻底重构。

新架构听起来确实像是一个营销噱头，但答案实际上藏在DeepSeek V4.1 Flash的官方论文中——DeepSeek的旧架构已无法容纳新的训练目标。

那么，这个新目标是什么？我认为，很可能是“入口”。

DeepSeek为何要彻底重构？

通常情况下，是先有模型，后有Harness。厂商根据模型的能力和特点来构建Harness。然而，DeepSeek V4.1 Flash却是被DSH“反哺”出来的。

官方论文指出，V4.1 Flash的后训练遵循标准的SFT→RL→在线蒸馏（OPD）流程，没有算法上的变动。关键在于，所有实质性的变化都发生在数据流水线中，包括大规模自动合成Agent任务与环境，以及数据、任务、rollout的渐进式扩展。

在RL训练中，模型在6种不同的Agent框架内反复试错，数据量、任务种类和试错轮次逐步放大。DSH是这6个训练场中最重要的一个，V4.1 Flash还专门针对DSH的不同操作模式进行了定向训练。

DSH从DeepSeek V4 Pro的伴生产品，转变成了V4.1 Flash的“老大哥”。

为了迎合DSH的偏好，DeepSeek V4.1采用了全新的架构。

论文中介绍，新架构让模型在prefill阶段每token只需激活8B参数，在decode阶段激活16B参数，从而显著提升“输入密集的agent工作负载”的成本效率。

为什么“输入密集”会成为问题？

过去的模型架构是为“聊天”设计的，用户提问一句，模型回答一句。这导致输入短、输出长，模型只记忆当前对话的上下文。

但在Agent时代，几十轮的中间状态一直挂在上下文中，输入动辄几十万token，远超输出。

2026年4月，密歇根大学、斯坦福大学等院校联合发表论文《AI是怎么花你钱的？》（How Do AI Agents Spend Your Money?），其中提到，在agentic代码任务中，输入与输出的token比高达154:1。

于是DeepSeek选择彻底重构。V4.1 Flash采用了非对称架构Causal-Encoder-Decoder（CED）。

V4.1 Flash的语言主干共40层，如果按照传统的Transformer（decoder-only）架构，这40层应该完全相同。每一层都同时负责“读”和“写”，处理输入也处理输出，并且每层都要自己维护一份KV Cache。

CED的“非对称”体现在，将这40层拆分为前20层编码器和后20层解码器。编码器只负责“读”，将输入压缩成摘要；解码器只负责“写”，根据摘要生成回答。

就像汽车的流水线一样。 过去是一个车间完成所有工作，要增加产能就得不断复制这个车间。现在是流水线，冲压车间只负责冲压，电泳车间只负责电泳。

并且记忆只生成一次，解码器的全局KV Cache直接从编码器的最终结果投影出来。DeepSeek V4.1 Flash的全局KV Cache被压缩到890字节/token，降至V4 Flash的1/4。

这是因为DeepSeek V4.1 Flash采用了CSA2（Compressed Sparse Attention 2），即第二代压缩稀疏注意力。

在V4时，DeepSeek使用的是第一代CSA。到了第二代，不同层之间可以共享KV和索引，从而解决了前面提到的痛点。

仍然像汽车流水线一样，CSA2将这40层分为三个不同的车间：Full、Reindex和Reuse。

Full负责完整记录，就像传统Transformer的每一层。Reindex负责提炼重点，然后根据提炼结果执行操作。Reuse则直接复制Full的结果，连提炼都省去了。

虽然使用第一层Full、其余39层全部用Reuse是最节省成本的做法，但每层关注的重点不同，能力也不同。浅层做的是“字面理解”，深层做的是“逻辑推理”，它们需要的上下文内容不同。如果全部使用Reuse，只会生成没有价值的回答。

去年还是先造车、再修路，今年已经是先修路，再造车。

模型性能强弱、性价比高低，都不是叙事核心。只有掌握了入口，才能吸引更多用户。

但梁文锋不是第一个这么做的，姚顺雨的Hy4 preview走在他前面。

Hy4 preview的官方技术报告显示，通过腾讯内部的软件工程师、游戏开发者、金融分析师、安全专家，围绕他们实际交付的工作共建数据，再与CodeBuddy、WorkBuddy等产品共同设计。

在163名内部专家参与的203个真实工程任务盲测中，Hy4 preview平均得分2.99，GLM-5.3为2.92，Kimi K3为2.94。

入口的重要性不言而喻，腾讯产品矩阵的优势得以发挥。

DSH和WorkBuddy本质上是一种产品闭环，是整条训练流水线的一部分。

有趣的是，2026年7月24日，腾讯撤销了大语言模型部和多模态模型部，合并成立基础模型部，由姚顺雨统一负责。他将混元多模态的发展重点放在Agent强相关的多模态理解上，这与梁文锋此前对多模态的看法一致。

如今，梁文锋又在模型上向姚顺雨靠拢，相互学习。

智谱与Kimi有类似的闭环吗？

智谱和月之暗面这两家并非没有工具。Kimi有Kimi Claw，智谱也有ZCode、AutoClaw和GLM Coding Plan。

但这些工具无法像DSH和WorkBuddy那样“反哺”模型。智谱和Kimi的工具是后挂的外壳：模型先在合成环境里训练好，再做成产品给用户使用。

智谱现在将所有精力都放在模型自进化上。8月31日，在智谱半年度业绩会上，唐杰首次明确表示，GLM-6.0是一款Full Self-Training（完全自训练）模型，与OpenAI的RSI（Recursive Self-Improvement，递归自我改进）相似。

唐杰表示，从预训练、中训练到后训练，全流程让模型自己训练自己，不再依赖人写代码、清洗数据、调参、设计实验。人只负责给模型设定目标，以及做最终的验收工作。

在GLM-5.3上，智谱已经展示了他们自进化方法的一部分。GLM-5.3和5.2使用相同的基座，但性能大幅提升。

具体情况是，GLM-5.3建立了一套端到端的任务环境合成流水线。Agent从真实世界的软件工程和终端操作场景收集种子任务，接着模型自己头脑风暴，生成大量可验证的任务草稿，再构建用于做题的Agent，将这些草稿实例化为具体的可运行环境。

对Agent输出的回答进行精炼，根据研究员定义的评分标准，检查并迭代优化任务质量。

最终产出了数千个多样化、可验证的终端Agent环境。GLM-5.3的长程任务环境数量是GLM-5.2的几十倍，而且都是Agent自己构建的。

月之暗面走的是“在自建合成环境中将Agent能力练到极致”的路线，相当于闭关修炼。

具体做法是通过AgentENV来完成模型训练。这是一个基于Firecracker微虚拟机的分布式沙箱系统。

在K3训练期间，系统运行了5100万个沙箱，支持暂停、恢复、复制、快照，专门解决长程Agent强化学习中“任务跑不完、环境容易污染”的基础设施难题。

Agent的强化学习训练与普通大模型RL不同。普通RLHF是给模型一个prompt，模型生成一段回答，打分，更新参数。环境是无状态的，跑完就结束。

但Agent训练不同。模型要在真实的运行环境中工作，一个任务可能跑几十步甚至几百步，持续几分钟到几小时。

如果在工作过程中，模型发现缺少某个依赖，它会为了完成任务，自己在沙箱中安装依赖、修改配置文件。

虽然任务完成了，但环境也改变了，即环境被污染了。那么下一轮训练不能接着使用，需要重新启动一个干净环境。重新启动过程大约需要几秒，虽然不长，但在大规模训练时会浪费大量时间。

就像学开车一样，如果一上来就从科目三开始，那必定会成为马路杀手。所以需要驾校，准备一个没有行人和车辆的空地，练习起步、上坡和侧方停车。

AgentENV就是Kimi的驾校，让Kimi在训练时可以大展拳脚，而不受环境因素的影响。

所以智谱和月之暗面并非没有闭环，只是这个闭环没有触及外界，练得再好也是闭关修炼。

DSH和WorkBuddy提供的是入口，用户在真实环境中工作，数据自然回流，模型在实战中成长。

梁文锋要抢占入口

就在DeepSeek V4.1 Flash发布的同时，DSH也宣布更新到v0.1.5版本。新版本为插件作者提供了更多标准化的UI扩展入口，新增了文件上传、侧边栏文件预览等功能，优化了UI的性能与交互，并持续增加与模型研究前沿深度结合的实验性功能。

DSH刚发布时，与其说它是一个产品，不如说它是一个属于极客的玩具。就连安装都能难倒一大片。

DSH的理念是一切皆插件：需要用什么插件，DSH自己安装，用完了再删除。结果就是真正好用的插件，全是社区提供的，包括UI本身。

到了0.1.5版本，DSH已经从“框架”逐渐蜕变成了“产品入口”。除了适配V4.1 Flash外，全是终端用户产品功能。

举个例子，0.1.5版本中，Agent可以显式交付文件。生成的代码、文档、分析报告直接作为文件出现在侧边栏，用户可以预览、打开、定位到本地文件夹。

以前的DSH中，Agent只能输出文字和代码到回答框，用户必须亲自复制粘贴到文件中。

不仅如此，新版本还有一个极其实用的功能，叫做“支持在保留已有KV Cache的情况下更新系统提示词”。

传统Agent有一个痛点：长会话运行到一半，你想修改系统提示词，比如让Agent从“写代码模式”切换到“写文档模式”，那就必须清除整个KV Cache并重新prefill。

在1M上下文的前提下，切换系统提示词意味着Agent要花费几十万甚至上百万token去重新规划任务。

所以现有Agent产品基本不允许中途修改系统提示词，Agent的角色和目标从会话开始就锁死了。

这表明，DeepSeek有意识地将DSH从“极客工具”往前推，让它成为一个面向更多用户的Agent产品。核心目的就是扩大入口，吸引更多人进来。

现在的DeepSeek，反而有点像卖剃须刀的吉列。它的刀架不赚钱，甚至免费，主要靠刀片赚钱。但真正锁定客户的却是刀架。

DeepSeek也一样，想换新模型，复制粘贴一段API Key就完事了。但想换新Harness，则需要很长时间适应。

所以DSH大量优化用户体验，不仅是为了继续“反哺”未来的DeepSeek V4.1 Pro，乃至5、6、7、8，更是为了抢占入口。

DeepSeek已经在朝着“入口公司”的方向发展。

本文来自微信公众号“字母AI”，作者：苗正，36氪经授权发布。