服务对象与地域限制
PuppyIP 仅面向海外合规企业及其授权人员提供服务，不面向中国大陆地区开放或提供代理服务。本服务仅限用于中国大陆境外的合法业务活动，严禁在中国大陆境内使用本服务。
代理 IP 或服务器位于境外，不改变上述限制。不得通过中转、转接、共享或转售向中国大陆境内的最终使用者提供本服务。使用前请阅读用户服务协议。
本文要点
- 这是 AWS SageMaker JumpStart 的可用性更新，涉及三种模型；不代表 DeepSeek 的所有产品或其他云平台同时开放。
- V4-Pro 面向复杂推理，V4-Flash 更强调成本和时延，V4.1-Flash 面向代理、编程和视觉类任务；这些是 AWS 的定位，不是 PuppyIP 的实测排名。
- 三个型号均列出 1M token 上下文；V4.1-Flash 另列最高 384K 输出。上下文、最大输出和单次请求限制不能混为一谈。
- 发布说明没有给出调用 ID、区域资格、实例规格或具体价格；部署前应在自己账户的 JumpStart 模型目录和当前计费资料中核实。
先看清这次开放的范围
AWS 在 2026 年 11 月 11 日发布说明中宣布 DeepSeek-V4-Pro、DeepSeek-V4-Flash 与 DeepSeek-V4.1-Flash 可通过 Amazon SageMaker JumpStart 使用。本文讨论的是 AWS 上的托管目录和部署入口；它不等于 DeepSeek 直接 API、其他云平台或整个 DeepSeek 产品线同时发生了同一项变更。
发布说明使用“现在可用”的表述，并指向 SageMaker JumpStart 模型目录或 SageMaker Python SDK。它证明 AWS 公布了这项平台可用性，但不证明每个 AWS 账户、组织策略或区域都能立即部署。实际资格要以你所在账户能看到的模型卡为准。
按任务比较三种型号
DeepSeek-V4-Pro 是面向复杂推理和高质量文本生成的旗舰型号。它采用混合专家（MoE）架构，即每个 token 只激活部分参数；token 是模型处理内容的基本单位。AWS 列出的总参数量为 1.6T，每个 token 激活 49B 参数，上下文窗口为 1M tokens。若任务需要多步推理或较长材料，可把它列为候选，但参数规模本身不保证答案质量。
DeepSeek-V4-Flash 为 284B 参数、每个 token 激活 13B，并提供同样的 1M-token 上下文。AWS 将它定位为更低计算成本的选择，适用于对成本或响应时延敏感的工作负载。
DeepSeek-V4.1-Flash 则采用 552B 参数的 因果编码器—解码器（Causal Encoder-Decoder，CED）架构，预填充（处理输入）阶段激活 8B、解码（生成输出）阶段激活 16B；AWS 将其用于代理、编程和视觉类任务，并说明它支持原生多模态。上述能力和定位来自发布说明，不是同一数据集上的比较测试。
把上下文、输出与缓存数字分开读
三种型号都标有 1M-token 上下文。AWS 还为 V4.1-Flash 列出最高 384K 输出 tokens；这个输出上限是该型号的单独规格，不能直接与 1M 上下文相加，也不能保证每个请求都能用满两项额度。部署时仍须按模型卡和接口实际限制安排输入、输出和截断策略。
V4.1-Flash 使用 Compressed Sparse Attention 2（CSA2）和 FP4 KV 缓存，后者保留注意力计算所需的信息以供后续生成使用。发布说明称其全局 KV 缓存占用约为 V4-Flash 的四分之一，并据此强调代理、编程和视觉工作负载的成本效率。这是缓存占用方面的规格描述，不是 AWS 账单金额、整体吞吐测试或对每种任务都更便宜的保证。
部署前到模型目录确认实际参数
AWS 的公告列出面向读者的模型名称，没有给出 SageMaker 调用所需的精确模型 ID、端点参数或统一请求格式。打开 JumpStart 模型卡或查阅对应 SDK 文档，记录当前可用的模型标识和调用方法；不要把本文中的产品名称当作 API 参数直接复制。
公告也没有列出适用区域、账户资格、部署实例类型或数值单价。按计划部署的账户和区域逐项确认模型是否可选、需要哪些计算资源以及采用什么计费方式。模型权重采用 MIT 许可，不代表 AWS 托管推理免收服务费；发布说明本身没有提供价格表。
用真实任务做小范围评估
先从一组有代表性的提示和输入样本开始，让候选模型处理相同任务，再分别检查结果质量、响应时间、失败表现和实际计费信息。保存测试时使用的模型 ID、版本、区域、输入长度与输出限制，避免把不同配置的结果当作纯模型差异。
这套流程是便于团队比较候选型号的建议，不是 AWS 对客户的部署要求，也不是本文声称已经完成的基准测试。尤其当业务依赖视觉输入、长上下文或工具调用时，应先验证所选模型卡列出的能力和 SDK 行为，再决定是否扩大流量。
资料来源
常见问题
MoE 的总参数量或激活参数量能直接决定要选哪种 SageMaker 实例吗？
不能。发布说明给出的是模型参数规模，没有给出对应实例、显存要求或部署拓扑。应以当前 JumpStart 模型卡提供的部署选项为准，并用账户实际配置验证资源与成本。
V4.1-Flash 标注“原生多模态”，是否就代表它支持音频和视频输入？
不能仅凭这条公告得出结论。AWS 将它用于视觉类任务并称其具有原生多模态能力，但没有在发布说明里列出全部输入模态或格式；需要查看该型号的当前模型卡和接口说明。