一个552B模型、四分之一的HBM，以及寒武纪的首日移植

DeepSeek发布了DeepSeek-V4.1-Flash的检查点，寒武纪表示该模型当天即在其加速器上运行。集成目标是vLLM, , 运营方已标准化采用的这一开源推理技术栈，而非其私有分支。

这类新闻总是以模型新闻的面目出现。真正值得检验的说法更为具体：一家芯片厂商在发布首日就交付了一条可用的服务路径，并且对各个环节的描述足够详细，可以依据工程细节、而非发布话术来评判。

寒武纪为DeepSeek-V4.1-Flash究竟交付了什么

交付物是一个融合算子库、一组手写内核以及一份服务配置。寒武纪工程师使用Torch-MLU-Ops来加速公司命名为Engram和Compressor的结构，并为稀疏与压缩注意力编写了优化后的BangC内核。在vLLM内部，寒武纪称其路径支持张量、流水线、序列、数据与专家五个维度的混合并行，通信与计算相互重叠，此外还支持低精度量化与预填充-解码分离。整个技术栈构建于NeuWare之上, , 这是寒武纪长期以来的软件平台。

这涵盖了决定集群能否保持忙碌的服务栈的各个环节，却没有给出任何数字。公告中没有吞吐量数据、没有延迟数据，也没有与其他加速器的对比，因此首日可用性只是一种排期上的声明，而非性能上的声明。

几天前，寒武纪以白金会员身份加入了PyTorch基金会，这使其与其他硬件及云厂商贡献者一同进入董事会。结合这次首日移植来看，这一连串动作指向的是上游投入，而非一次性的补丁。

首日移植背后的内存算术

DeepSeek-V4.1-Flash是DeepSeek较新架构家族中体量最小的成员。它是一个拥有5520亿参数的混合专家模型，输入端激活约80亿参数，输出端激活约160亿参数，并原生支持视觉。其架构布局为因果编码器-解码器（Causal-Encoder-Decoder）。

压缩才是加速器厂商所关心的。DeepSeek称，KV缓存压缩将HBM需求降至上一代的大约四分之一，SSD需求降至大约八分之一，缓存规模据称比第一代设计小数百倍。

指标	DeepSeek-V4.1-Flash对比上一代
HBM需求	大约四分之一
SSD需求	大约八分之一
KV缓存规模	据称比第一代设计小数百倍

在密集服务节点上，KV缓存决定了内存中能容纳多少并发序列，而这些节点本已让HBM预算吃紧。节省四分之三，要么意味着每张卡能服务更多用户，要么意味着每次部署可用更少的卡，这也是更小的缓存首先表现为芯片厂商热情高涨的原因。这些是DeepSeek给出的数字，是针对模型本身的陈述，而非在寒武纪硬件上测得的结果，且目前尚无独立的验证公布。

五条模型线，一套配方

寒武纪列出对五条中国模型线提供首日或生产级推理支持：智谱AI的GLM、DeepSeek、阿里巴巴的Qwen、月之暗面的Kimi以及MiniMax。

这一措辞所宣告的内容比表面上要少。“首日或生产级”既涵盖发布首日就绪，也涵盖对数月前已发布的模型追加的支持，而这份清单并未将两者区分开来。

模型线	开发者	寒武纪所述状态
GLM	智谱AI	首日或生产级推理支持
DeepSeek	DeepSeek	首日或生产级推理支持
Qwen	阿里巴巴	首日或生产级推理支持
Kimi	月之暗面	首日或生产级推理支持
MiniMax	MiniMax	首日或生产级推理支持

对集群运营方而言，这一区分正是该声明的全部价值所在。发布首日移植意味着检查点一经发布就有据可查的配方。事后适配则意味着要等厂商事后追赶。

闭源分支与公共框架之争

财新全球（Caixin Global）将这一当日启用视为一个标志，表明国内从模型到芯片的软件闭环正在缩短, , 从长达数月的私有移植，转向在运营方已经运行的公共框架上实现发布首日就绪。这里衡量的短板是软件短板，而非芯片短板。能够跟进上游vLLM版本的厂商，其支持负担要低于为所服务的每个模型都维护一套闭源分支的厂商。

这份公告悬而未决的问题是：这一模式能否规模化。DeepSeek-V4.1-Flash是其家族中体量最小的成员，而寒武纪自己的表述也指向了下一次考验：更大的DeepSeek变体以及多模态服务组合。一天之内移植小模型是个好迹象，但尚不能证明同一支团队能按同样的时间表消化一个更大的检查点，或是一项同时服务视觉与文本的工作负载。

“首日”已成为多家厂商都能宣称的事。而随着检查点越来越大仍能持续做到的那一家，才是值得关注的。