DeepSeek V4 Flash Rilis Resmi: Model Konteks 1M yang Murah, Cepat, dan Agentik, Dijelaskan

DeepSeek V4 Flash adalah varian murah dari jenjang V4 DeepSeek, dan skor independennya akhirnya menyusul: pada set AIME 2026 milik MathArena, model ini mencetak skor 95.83%, secara statistik tidak dapat dibedakan dari 96.67% milik DeepSeek V4 Pro, dengan biaya per soal kira-kira sepersembilannya. Build beta publik resmi, -0731, dirilis pada 31 Juli 2026 dengan arsitektur yang sama dengan pratinjau April — model mixture-of-experts dengan 284 miliar parameter, 13B aktif, dan konteks 1 juta token — tetapi dengan satu putaran pasca-pelatihan tambahan yang secara tajam meningkatkan kemampuan agentik, pengodean, dan pemanggilan alatnya, plus dukungan Responses-API bawaan dan adaptasi khusus untuk agen bergaya Codex. Panduan ini membahas apa yang sebenarnya diubah oleh rilis ini, apa yang dikatakan evaluasi vendor dan evaluasi independen, berapa biayanya setelah memperhitungkan seberapa banyak ia berpikir, dan cara memanggilnya.

Catatan akurasi: detail rilis dan skor agenik utama di bawah berasal dari changelog API resmi DeepSeek (tertanggal 2026-07-31) dan dilaporkan oleh vendor, dijalankan pada harness DeepSeek sendiri — anggap saja sebagai indikasi arah dan jalankan evaluasi Anda sendiri. Angka independen diatribusikan sesuai sumbernya: Artificial Analysis untuk Indeks Intelijen dan komponennya, MathArena untuk AIME 2026, daftar harga DeepSeek untuk penetapan harga. Jika sesuatu didasarkan pada laporan praktisi tunggal, bukan evaluasi yang dipublikasikan, kalimatnya menyatakan demikian. Spesifikasi dan harga dapat berubah; verifikasi sebelum membangun.

Singkatnya. V4 Flash adalah saudara yang hemat biaya dari raksasa DeepSeek V4 Pro: sebuah MoE dengan 284B / 13B aktif, konteks 1M token, dan output hingga 384K, yang disetel untuk pekerjaan agen bervolume tinggi dan berlatensi rendah. Rilis resmi 31 Juli merupakan peningkatan pasca-pelatihan — ukuran sama, agen dan pengodean yang jauh lebih baik — yang juga menambahkan dukungan native untuk Responses-API dan Codex. DeepSeek melaporkan skor agen/pengodean yang kuat (mis., Terminal-Bench 2.1 82.7, Toolathlon 70.3), dan Artificial Analysis sejak itu memberikan skor 50 pada build -0731 di Intelligence Index-nya: sepuluh poin di atas pratinjau April, enam poin di atas V4 Pro yang jauh lebih besar, dan sejajar dengan Gemini 3.6 Flash. Harganya sekitar $0.15 / $0.29 per juta token input/output, kira-kira sepertiga dari harga V4 Pro. Hanya API Flash yang ditingkatkan; V4 Pro serta aplikasi/web DeepSeek tidak berubah. Di OrcaRouter Anda mendapatkannya dengan markup 0% melalui satu endpoint yang kompatibel dengan OpenAI.

Poin-poin penting

• Rilis resmi (build -0731, 31 Juli 2026): peningkatan pasca-pelatihan dari pratinjau — arsitektur yang sama, agen yang jauh lebih kuat, pengodean, dan penggunaan alat.

• Arsitektur tidak berubah: total 284B / 13B aktif (MoE), konteks 1M-token (1.048.576), hingga output 384K, input teks saja, dengan penalaran, alat, dan JSON.

• Baru: dukungan API Responses native plus adaptasi Codex spesifik; terus mendukung OpenAI ChatCompletions dan antarmuka bergaya Anthropic. ID model deepseek-v4-flash.

• Peningkatan agentic/coding yang dilaporkan DeepSeek: Terminal-Bench 2.1 82.7, Toolathlon (terverifikasi) 70.3, Cybergym 76.7, DeepSWE 54.4, NL2Repo 54.2, DSBench-FullStack 68.7.

• Sangat murah: sekitar $0,15 / $0,29 per 1M token input/output — kira-kira sepertiga dari $0,44 / $0,88 milik V4 Pro — dan DeepSeek mematok cache hits sebesar $0,0028 per 1M, sekitar 98% di bawah input baru. Hanya Flash API yang berubah; Pro dan app/web sama saja.

Apa yang sebenarnya ditingkatkan oleh rilis resmi

V4 Flash pertama kali muncul sebagai pratinjau pada 24 April 2026. Rilis resmi 31 Juli 2026 (-0731 build, menurut log perubahan API DeepSeek) secara eksplisit bukan arsitektur baru: parameter total dan aktif (284B / 13B) serta konteks 1M tidak berubah. Yang berubah adalah post-training — fine-tuning tambahan yang menurut DeepSeek secara signifikan meningkatkan kemampuan inti agentik, coding, dan pemanggilan alat. Dua tambahan praktis yang penting: V4 Flash kini mendukung secara native Responses API dan secara khusus diadaptasi untuk agen coding bergaya Codex, sambil tetap menggunakan antarmuka OpenAI ChatCompletions dan bergaya Anthropic. Yang penting, hanya API Flash yang ditingkatkan dalam rilis ini; V4 Pro dan pengalaman aplikasi/web DeepSeek tidak berubah. Bagi tim, itu berarti peningkatan langsung untuk beban kerja agentik dengan harga yang sama, tanpa migrasi.

Arsitektur: MoE aktif-kecil yang dibangun untuk throughput.

V4 Flash adalah model mixture-of-experts dengan total sekitar 284 miliar parameter, tetapi hanya sekitar 13 miliar yang aktif per token. Jumlah parameter aktif yang rendah itulah kuncinya: hal ini menjaga inferensi tetap cepat dan murah, sementara kumpulan pakar yang besar menjaga kualitas. Jendela konteksnya mencapai 1.048.576 token penuh (sekitar 1M), dengan output maksimum yang sangat besar yaitu 384K, dan model ini mendukung penalaran (extended thinking), pemanggilan alat, dan JSON terstruktur. Inputnya hanya berupa teks. Tujuan desain — pekerjaan agentic dengan volume tinggi dan latensi rendah — terlihat dari angka pelayanannya: p50 time-to-first-token sekitar 394 milidetik dan output sekitar 184 token per detik berdasarkan pengukuran OrcaRouter.

Tolok ukur: apa kata angka resmi

Rilis resmi sangat mengandalkan evaluasi agentik dan koding, yang dijalankan dengan harness milik DeepSeek sendiri (pengaturan mode minimal / upaya maksimal). Berikut cara membaca hasil utama, semuanya dilaporkan oleh DeepSeek:

• Terminal-Bench 2.1: 82.7 — tugas agenik command-line/perangkat lunak di terminal nyata. Skor tinggi di sini menandakan model yang benar-benar dapat mengoperasikan alat dan shell, bukan sekadar menjawab pertanyaan.

• Toolathlon (terverifikasi): 70.3 dan Automation Bench (Publik): 25.1 — keluasan dan keandalan penggunaan alat serta otomasi ujung-ke-ujung. Keandalan pemanggilan alat adalah sifat penentu bagi agen.

• Cybergym: 76.7 — pemecahan masalah agentif bergaya keamanan/CTF.

• DeepSWE: 54.4, NL2Repo: 54.2, DSBench-FullStack: 68.7, DSBench-Hard: 59.6 — rekayasa perangkat lunak dan pengkodean full-stack, dari pembuatan tingkat repositori hingga tugas-tugas ilmu data yang sulit. DSBench-FullStack yang kuat (68.7) menunjukkan kompetensi pengkodean multi-file yang praktis.

• Agent Last Exam: 25.2 — sebuah tantangan penalaran agen yang sengaja dibuat sulit, di mana bahkan model terbaik pun mendapat skor rendah; berguna sebagai sinyal relatif, bukan absolut.

Untuk konteks independen, Artificial Analysis kini telah mengevaluasi build -0731 itu sendiri dan memberinya skor 50 pada Artificial Analysis Intelligence Index — sepuluh poin di atas pratinjau April yang digantikannya, enam poin di atas V4 Pro yang jauh lebih besar, dan sejajar dengan Gemini 3.6 Flash. Hasil komponennya: GPQA Diamond 91%, AA-LCR 66%, Humanity's Last Exam 37%, SciCode 50%, τ³-Bench Banking 31%, CritPt 17%, dan Elo 1559 pada GDPval-AA v2. Dua di antaranya perlu ditinjau ulang. Artificial Analysis mengukur Terminal-Bench 2.1 pada 79% dibandingkan dengan 82,7 yang dilaporkan DeepSeek — dekat, tetapi lebih rendah, yang merupakan arah yang biasanya meleset pada angka vendor-harness. Dan pada AA-Omniscience model ini berada di -16 dengan tingkat halusinasi terukur yang tinggi, sehingga narasi murah-dan-agentik tidak berlaku untuk pengambilan fakta tanpa pengawasan. Itulah cara yang lebih tajam untuk membaca model ini: penalaran yang kuat per dolar, pengetahuan yang lemah per kueri.

Matematika kompetisi: satu-satunya tempat Flash menyamai Pro.

Pembacaan independen paling berguna tentang penalaran V4 Flash berasal dari MathArena, yang menjalankan setiap model empat kali pada setiap soal dari kompetisi yang baru dirilis dan memublikasikan grid per soal. Pada AIME 2026 — kedua makalah, 30 soal, masing-masing empat kali proses — V4 Flash dalam mode penalaran maksimal mencetak 95,83% ±3,58%, dibandingkan dengan DeepSeek V4 Pro yang 96,67% ±3,21%. Interval-interval tersebut hampir sepenuhnya tumpang tindih: pada tolok ukur ini model kecil tidak terukur lebih buruk daripada model unggulan. Kolom biaya adalah tempat mereka berbeda. MathArena menempatkan satu kali proses V4 Flash sebesar $0,009 per soal dibandingkan $0,082 untuk V4 Pro — sekitar sembilan kali lebih murah untuk akurasi yang sama, yang merupakan argumen yang lebih kuat untuk tingkat efisiensi daripada apa pun dalam pengumuman DeepSeek sendiri.

Dua catatan penting perlu disampaikan sekaligus. MathArena memberi peringatan kontaminasi pada kedua entri DeepSeek—label untuk model yang dirilis setelah kompetisi muncul—jadi sebagian akurasi itu mungkin hasil mengingat, bukan penalaran. Dan versi yang diuji MathArena bertanggal 2026-04-24—pratinjau April, bukan build -0731. Hingga tulisan ini dibuat, belum ada skor AIME 2026 independen untuk rilis resmi, dan kartu model DeepSeek sendiri tidak mempublikasikan tolok ukur matematika sama sekali untuk model itu, hanya tolok ukur agenik.

Grid ini juga menunjukkan di mana batas atasnya berada. Hampir semua model di papan ini berhasil menyelesaikan sebagian besar soal AIME 2026; soal yang memilah mereka adalah soal nomor 15. Hanya dua entri yang menyelesaikannya dalam empat kali percobaan — GPT-5.5 dengan upaya ekstra-tinggi dan Claude Opus 4.8 dengan upaya maksimal. V4 Flash mendapat nilai nol dari empat di sana, begitu pula V4 Pro, bersama dengan GLM-5.2, Gemini 3.6 Flash, Kimi K2.6, dan Claude Opus 4.7.

Detail terakhir itulah yang membuat satu laporan dari 5 Agustus 2026 layak disoroti. Komentator AI @teortaxesTex mengunggah bahwa build -0731 memang menyelesaikan soal 15 AIME 2026, memakan waktu sekitar 1.006 detik dan sekitar 100.000 token keluaran, serta menggambarkan model tersebut tampak mulai mengakali soal sebelum meninggalkan jalan pintas itu dan mengerjakannya secara jujur. Ini adalah satu kali proses dari seorang praktisi, bukan hasil benchmark: belum direproduksi, tidak ada papan peringkat publik yang menilai build -0731, dan transkrip tunggal bukanlah sebuah evaluasi. Yang bisa diperiksa adalah konsistensi internalnya, dan itu tetap konsisten — Artificial Analysis mengukur keluaran model ini sekitar 116 token per detik, dan 1.006 detik pada kecepatan tersebut kira-kira 117.000 token, kurang lebih sama dengan jumlah yang dilaporkan. Jawaban 100.000 token juga berada jauh di dalam batas yang diharapkan DeepSeek, karena DeepSeek merekomendasikan izin hingga 384K token keluaran pada upaya penalaran tinggi atau maksimum. Kedua angka itu sekitar tiga kali rata-rata hasil pengukuran MathArena untuk model ini (33.588 token keluaran dan 6 menit 50 detik per jawaban), yang memang sesuai ekspektasi untuk satu soal terberat dalam set tersebut. Jadi: masuk akal secara bentuk, belum terverifikasi hasilnya, dan jika dapat direplikasi, ini adalah lompatan nyata dibandingkan build pratinjau yang gagal pada soal tersebut empat kali dari empat percobaan.

Penetapan harga: angka yang mengubah anggaran

Pada OrcaRouter, yang meneruskan harga penyedia dengan markup 0%, V4 Flash sekitar $0,15 per juta token input dan $0,29 per juta token output, dan DeepSeek mempertahankan harga tetap untuk peningkatan ini. Itu kira-kira sepertiga dari $0,44 / $0,88 milik DeepSeek V4 Pro. Cache hits lebih murah daripada dugaan kebanyakan orang: DeepSeek mencantumkan input cache sebesar $0,0028 per juta, sekitar 98% di bawah input segar, itulah yang membuat agen dan obrolan dengan system prompt yang stabil menjadi sangat murah untuk terus dijalankan. Secara riil, 10 juta token per bulan dengan pembagian 70% input / 30% output berada pada kisaran beberapa dolar; jika dinaikkan ke satu miliar token, selisihnya terhadap model unggulan menjadi item baris yang diperhatikan bagian keuangan.

Namun, pada model penalaran, tarif yang tertera hanyalah separuh bagian yang kurang menarik dari tagihan — yang menggerakkan anggaran adalah berapa banyak token yang dipilih model untuk digunakan. Artificial Analysis membutuhkan sekitar 206 juta token keluaran untuk menjalankan Intelligence Index lengkapnya pada V4 Flash, kira-kira dua kali lipat dari median ~100 juta di seluruh model yang diujinya, dan menggambarkannya sebagai cepat tetapi sangat bertele-tele. Jika dihitung, satu jawaban dengan 100.000 token berbiaya sekitar tiga sen, dan batas keluaran 384K membatasi satu jawaban hingga mendekati sebelas sen. Secara absolut memang murah, tetapi beberapa ratus kali lipat dari biaya jawaban singkat — itulah sebabnya upaya penalaran lebih merupakan tuas anggaran, bukan kenop kualitas yang Anda biarkan di posisi maksimal. Tulisan langsung dari Simon Willison menyampaikan hal yang sama dari arah sebaliknya: pada pengaturan bawaan, hasil generasi ujinya mengecewakan, dan menaikkan upaya penalaran ke tingkat tinggi meningkatkannya secara substansial. Ukurlah sendiri permintaan berat Anda sebelum berasumsi bahwa tarif besar yang tertera adalah biaya Anda.

Di mana posisi V4 Flash: tangga DeepSeek V4

Jajaran V4 DeepSeek adalah sebuah tangga. V4 Pro adalah unggulannya — model penalaran dan pengkodean kelas atas yang jauh lebih besar. V4 Flash adalah tingkatan efisiensi: komputasi aktif yang jauh lebih sedikit, sebagian kecil dari harga, dan, setelah peningkatan pasca-pelatihan ini, kemampuan agen dan pengkodean yang benar-benar kuat. Fakta bahwa DeepSeek berinvestasi untuk membuat Flash lebih baik sebagai agen (Responses API, adaptasi Codex, benchmark penggunaan alat) memberi tahu Anda ke mana ia mengharapkan volume mengalir. Tetapi angka AIME 2026 mempersulit versi rapi dari cerita itu yang menguntungkan Flash: pada matematika kompetisi, kedua model berada dalam batas kesalahan satu sama lain, jadi "kirim soal-soal sulit ke Pro" tidak otomatis benar. Pembagian yang jujur adalah bahwa Pro memberikan keluasan pengetahuan dan pekerjaan agen yang paling sulit, bukan peluang yang lebih baik untuk soal matematika sulit — itulah sebabnya perutean berdasarkan kesulitan terukur pada tugas Anda sendiri lebih baik daripada menggunakan model terbesar sebagai default.

Tiga skenario dunia nyata

1. Agen pengodean dan alur kerja bergaya Codex

Build -0731 dengan dukungan native Responses-API dan Codex, ditambah skor Terminal-Bench (82.7) dan DSBench-FullStack (68.7)-nya, menjadikan V4 Flash sebagai mesin yang kuat dan murah untuk agen coding otonom — perbaikan isu, refactoring, pembuatan tes, penggunaan alat multi-langkah.

2. Agen-agen pengguna alat bervolume tinggi

Token pertama yang cepat (~394 ms), throughput tinggi (~184 tok/s), konteks 1M, dan keandalan Toolathlon (70.3) yang kuat cocok untuk agen produksi yang memanggil alat dalam skala besar — pengambilan, otomasi, orkestrasi.

3. Pemrosesan dokumen panjang dengan anggaran terbatas

Konteks 1M-token penuh dan output 384K mampu menangani peringkasan, analisis, atau transformasi input yang sangat besar — log, codebase, laporan panjang — dalam satu proses tunggal, dengan biaya murah.

Cara mengakses V4 Flash

Anda dapat memanggil V4 Flash langsung di API DeepSeek (model id deepseek-v4-flash; mendukung Responses API, OpenAI ChatCompletions, dan antarmuka bergaya Anthropic), atau melalui endpoint yang netral terhadap vendor. OrcaRouter menyediakan V4 Flash dengan markup 0% melalui satu endpoint yang kompatibel dengan OpenAI (deepseek/deepseek-v4-flash) bersama 200+ model lainnya — sehingga Anda dapat melakukan benchmark terhadap GPT-5.6 Luna, Gemini 3.6 Flash, GLM-5.2, Qwen3.8-Max, dan Kimi K3 di satu tempat, serta mengarahkan setiap permintaan ke opsi yang paling murah untuk pekerjaan tersebut. Karena harga diteruskan, bukan diberi markup, perubahan harga DeepSeek akan sampai ke tagihan Anda pada hari perubahan itu berlaku. Dan karena antarmukanya kompatibel dengan OpenAI, mengadopsi V4 Flash — atau beralih darinya setelah seminggu pengukuran — hanyalah perubahan konfigurasi, bukan integrasi ulang.

Keterbatasan dan peringatan yang jujur

V4 Flash adalah model efisiensi, bukan model unggulan, tetapi data independen telah membuat batas itu lebih spesifik daripada "lebih buruk dalam hal-hal sulit." Pada AIME 2026, ia cocok dengan V4 Pro dalam interval kepercayaan; yang jelas tertinggal adalah keluasan pengetahuan — AA-Omniscience -16 dan tingkat halusinasi terukur yang tinggi — serta pekerjaan agen yang paling menuntut. Input hanya berupa teks, tanpa input gambar asli. Skor agen utama dilaporkan sendiri oleh DeepSeek pada harness miliknya, dan satu angka yang diuji ulang oleh laboratorium independen lebih rendah (Artificial Analysis mengukur Terminal-Bench 2.1 pada 79% dibandingkan dengan 82,7 yang dilaporkan), jadi anggap angka vendor sebagai indikatif. Dan "murah per token" bukan berarti "murah per tugas": model ini terukur banyak bicara, jadi batasi upaya penalaran dan iterasi alat pada panggilan sederhana daripada membiarkan upaya maksimal aktif secara default. Validasi pada beban kerja Anda sendiri sebelum mengalihkan lalu lintas produksi.

FAQ

Apa itu DeepSeek V4 Flash?

Model efisiensi DeepSeek dalam lini V4: model mixture-of-experts dengan 284B parameter / 13B aktif, berkonteks 1M token, hingga 384K output, disetel untuk pekerjaan agenik dan coding yang cepat serta bervolume tinggi. Rilis resminya (build -0731) dirilis pada 31 Juli 2026.

Apa yang berubah dalam rilis resmi?

Arsitekturnya tidak berubah; ini adalah peningkatan pasca-pelatihan yang secara signifikan meningkatkan kemampuan agen, pengkodean, dan pemanggilan alat, serta menambahkan dukungan Responses-API asli dengan adaptasi Codex. Hanya Flash API yang ditingkatkan — V4 Pro dan aplikasi/web sama.

Berapa harga V4 Flash?

Sekitar $0,15 per juta token masukan dan $0,29 per juta token keluaran di OrcaRouter (markup 0%) — kira-kira sepertiga dari $0,44 / $0,88 milik V4 Pro — dengan cache hits tercantum sebesar $0,0028 per juta, sekitar 98% di bawah masukan baru. Harga tetap stabil dalam rilis ini. Anggarkan untuk volume token serta kecepatan: ini adalah model penalaran yang verbose, dan jawaban 100.000 token berbiaya sekitar tiga sen.

Seberapa bagus V4 Flash dalam tugas agen dan pengkodean?

DeepSeek melaporkan skor yang kuat: Terminal-Bench 2.1 82.7, Toolathlon (terverifikasi) 70.3, Cybergym 76.7, DeepSWE 54.4, DSBench-FullStack 68.7 — semua angka dari vendor harness, jadi verifikasi pada tugas Anda sendiri.

Apakah V4 Flash bagus dalam matematika kompetisi?

Lebih baik daripada yang disarankan harganya. Pada grid AIME 2026 milik MathArena, build pratinjau April mencetak 95,83% dalam empat putaran yang masing-masing berisi 30 soal — berada dalam interval kepercayaan dari 96,67% milik V4 Pro, dengan biaya per soal sekitar sepersembilannya — meskipun MathArena menandai kedua model tersebut karena kemungkinan kontaminasi, dan build -0731 belum dinilai. Satu-satunya soal yang tidak pernah dipecahkan oleh build tersebut adalah soal 15, yang hanya dapat dipecahkan secara andal oleh GPT-5.5 dengan upaya ekstra-tinggi dan Claude Opus 4.8 dengan pengaturan maksimal.

Bagaimana V4 Flash dibandingkan dengan V4 Pro?

Pro adalah flagship yang jauh lebih besar untuk penalaran dan pengodean tersulit; Flash adalah tingkatan efisiensi dengan harga sekitar 1/3-nya dengan kemampuan agen/pengodean yang kuat. Arahkan tugas sulit ke Pro, sisanya ke Flash.

Apa itu jendela konteks?

Sebanyak 1.048.576 token penuh (sekitar 1M), dengan hingga 384K token output.

Apakah V4 Flash multimodal?

Tidak — input hanya berupa teks. Ini mendukung penalaran, pemanggilan alat, dan keluaran JSON.

Apakah V4 Flash berfungsi dengan Responses API dan Codex?

Ya — rilis -0731 menambahkan dukungan asli Responses-API dan adaptasi Codex spesifik, di samping antarmuka gaya OpenAI ChatCompletions dan Anthropic.

Bagaimana cara menggunakan V4 Flash?

Langsung melalui API DeepSeek, atau melalui endpoint OrcaRouter yang kompatibel dengan OpenAI dengan markup 0% (deepseek/deepseek-v4-flash), di mana Anda juga dapat membandingkan dan merutekan antar model pesaing.

Intinya

Rilis resmi DeepSeek V4 Flash mempertahankan formula murah dan cepatnya sekaligus menjadikannya agen yang jauh lebih baik: tetap dengan MoE 284B / 13B-aktif dan konteks 1M, dilatih lanjut untuk coding dan penggunaan alat yang lebih kuat, dengan dukungan native Responses-API dan Codex, pada harga yang sama sekitar $0,15 / $0,29. Angka-angka independen kini mendukung sebagian besar klaim pemasarannya — Artificial Analysis menempatkan build -0731 sejajar dengan Gemini 3.6 Flash dalam hal kecerdasan, dan MathArena menunjukkan build preview menyaingi V4 Pro pada AIME 2026 dengan biaya sepersembilan per soal. Yang tidak didapat dari tarif murah ini adalah keluasan pengetahuan atau kebebasan untuk bertele-tele: model ini berpikir dengan anggaran token kira-kira dua kali lipat model median, jadi tagihan per-tugas Anda lebih bergantung pada upaya penalaran yang Anda izinkan daripada harga utamanya. Jalankan melalui endpoint yang kompatibel dengan OpenAI dengan markup 0% seperti OrcaRouter, ukur berapa banyak yang sebenarnya dihabiskan oleh permintaan-permintaan sulit Anda sendiri, dan arahkan ke flagship hanya jika hasil pengukuran mengharuskannya.