開發者 roofkid 發布 Ninfer 4080，讓 RTX 4080 16GB 顯示卡以 100k 上下文執行 ISTA-DASLab-Qwen-3.8-27B-GSQ，最高預填充 2720 tok/s、生成 262 tok/s，程式碼已在 GitHub 開源並提供 Docker 映象。它採用 DFlash2 投機解碼，作者稱預填充與生成速度明顯優於 llama.cpp、vllm 等通用推理引擎，代價是 KV 量化帶來輕微精度損失。
DeepSeek 彈性計算團隊大量 HC 招人，尤其需要資深工程師，並甩出技術報告《DeepSeek 彈性計算（DSec）：面向大規模 Agent 訓練的沙盒基礎設施》代替崗位 JD。DSec 一套擴充套件分片約 160 臺伺服器、3 萬 CPU 核心、250TB 記憶體，每天服務約 300 萬個沙盒，高峰期同時線上超 38 萬個，每秒建立 5000 多個。團隊接下來要把 Agent 執行環境的數量和種類擴充成百上千倍。
DeepSeek 發布 V4.1-Flash：552B MoE、原生多模態，已上線 DeepSeek API（模型名 deepseek-flash），舊版 V4-Flash 與 V4-Flash-Vision-Exp 退役。新因果編碼器–解碼器架構只有 8B 輸入、16B 輸出啟用引數，KV 快取降至上一代的 1/4 HBM 與 1/8 SSD，官方稱多方測試顯示其在效能、成本、速度和總執行時間上超過 V4-Pro，V4-Pro 將逐步淘汰。
DeepSeek 推出 DeepSeek Harness 的打包桌面版，覆蓋 macOS 與 Windows，Linux 使用者可通過 npm 上的 @deepseek-ai/dsh 包獲取。官方在社交平台公布了這一訊息，並給出下載地址 deepseek.com/harness。
OpenRouter 推出 Model Router Benchmarks 頁面，用品質、速度、成本三個維度對比各家模型路由器，併合成 0 到 10 分的 Router Index。預設權重是品質 60%、每任務時間 20%、成本 20%，頁面上可拖動滑塊自行調整。
NVIDIA 提出衡量 AI 工廠投資回報的三個變數：產能（每兆瓦吞吐與每 token 成本）、使用壽命和需求。它援引 SemiAnalysis AgentX 資料稱，Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百萬 token 成本最多低 45 倍；每兆瓦 AI 工廠造價約 6000 萬美元。
DeepSeek 表示將與開源社群緊密合作，為 V4.1-Flash 提供推理支援，並探索更多部署選項。官方同時放出模型與論文連結，並稱可承接 2000 塊 GPU 加儲存叢集的大規模部署需求。
DeepSeek 發布 V4.1-Flash，採用更高效架構，API 價格下調，新價格於 2026 年 9 月 10 日 04:00 UTC 生效。繼續實行峰谷定價，低谷費率為高峰的 50%，彈性工作負載可安排在低谷時段以節省成本。
DeepSeek 在 API 上線 V4.1-Flash，原生支援多模態，模型名設為 deepseek-flash。V4-Flash 與 V4-Flash-Vision-Exp 已退役，舊名暫時路由到新模型；多方測試稱 V4.1-Flash 在效能、成本、速度和總執行時間上均超過 V4-Pro，V4-Pro 正被淘汰。
DeepSeek 發布 V4.1-Flash，其 KV cache 相比上一代只需 1/4 的 HBM 和 1/8 的 SSD 儲存。官方指出快取命中費用常佔 agent 成本很大比例，壓縮快取可顯著降低這部分開銷。
2026 年 2 月 12 日發布的 v0.30.7 修復了 Kimi Linear 與 DeepSeek V3.2 的 indexer 和權重載入問題，並加快 DSV32 生成速度。這一版新增 GLM5、不含視覺能力的 Qwen3.5 系列與 LongCat MLA 支援，LFM2 模型可用 Pythonic 方式呼叫工具，另加入 Mistral 工具解析器。訓練流程中的驗證集改為可選，還有一項為下一版本提號的版本號變更。
MLX LM 發布 v0.30.6，新增 Kimi-K2.5、LongCat Flash/Lite 和 Step 3.5 Flash 等模型支援，並引入 Transformers v5。服務端加入分散式推理，支援 chat_template_kwargs、top_logprobs 與載入自訂模型，同時新增 CLI。