DeepSeek V4 Flash 正式发布：详解这款低价、快速、支持智能体的 1M 上下文模型

DeepSeek V4 Flash 是 DeepSeek V4 系列中价格较低的一档，独立的评测数据也终于追平了它的表现：在 MathArena 的 AIME 2026 测试集上，它得到 95.83% 的分数，与 DeepSeek V4 Pro 的 96.67% 在统计上没有显著差异，而每个问题的成本大约只有后者的九分之一。官方公开测试版 -0731 于 2026 年 7 月 31 日发布，架构与四月预览版相同——一个 2840 亿参数的混合专家模型、13B 活跃参数、100 万 token 上下文——但额外进行了一轮后训练，显著提升了它的智能体能力、编码能力和工具调用能力，同时还原生支持 Responses-API，并为 Codex 风格的智能体做了专门适配。本指南涵盖这次发布实际改变了什么、厂商与独立评测各自怎么说、把它的思考量算进去后实际成本是多少，以及如何调用它。

准确性说明：以下发布详情和主要智能体评分来自 DeepSeek 官方 API 变更日志（日期为 2026-07-31），属于供应商报告，并在 DeepSeek 自己的测试框架上运行——请将其视为方向性参考，并自行运行评估。文中出现的独立数据均标明了来源：Intelligence Index 及其组成部分来自 Artificial Analysis，AIME 2026 数据来自 MathArena，定价来自 DeepSeek 自己的价目表。若某内容仅基于单一从业者的报告而非已发表的评估，相关句子会注明这一点。规格和价格会变化；构建前请核实。

TL;DR。V4 Flash 是巨型 DeepSeek V4 Pro 的高性价比姊妹模型：284B 参数、13B 激活的 MoE 架构，支持 1M token 上下文和最高 384K 输出，专为高吞吐、低延迟的智能体（agentic）工作负载而调优。7 月 31 日的正式发布是一次后训练升级——尺寸不变，智能体和编码能力显著提升——同时还新增了对原生 Responses-API 和 Codex 的支持。DeepSeek 报告了强劲的智能体/编码得分（例如 Terminal-Bench 2.1 为 82.7，Toolathlon 为 70.3），而 Artificial Analysis 此后将 -0731 版本在其智能指数（Intelligence Index）上评为 50 分：比 4 月预览版高 10 分，比规模大得多的 V4 Pro 高 6 分，与 Gemini 3.6 Flash 持平。其价格约为每百万输入/输出 token 0.15 / 0.29 美元，大约是 V4 Pro 价格的三分之一。只有 Flash API 得到了升级；V4 Pro 和 DeepSeek 应用/网页版保持不变。在 OrcaRouter 上，你可以通过一个兼容 OpenAI 的端点以 0% 加价获得它。

关键要点

• 正式发布（构建版本 -0731，2026年7月31日）：预览版的后训练升级——相同的架构，更强的智能体、编程和工具使用能力。

• 架构不变：总计284B / 激活13B（MoE），1M-token上下文（1,048,576），最多384K输出，仅文本输入，支持推理、工具和JSON。

• 新增：原生支持 Responses API，并针对 Codex 进行了专门适配；继续支持 OpenAI ChatCompletions 和 Anthropic 风格的接口。模型 ID deepseek-v4-flash。

• DeepSeek 报告的智能体/编码成绩：Terminal-Bench 2.1 82.7、Toolathlon（已验证）70.3、Cybergym 76.7、DeepSWE 54.4、NL2Repo 54.2、DSBench-FullStack 68.7。

• 非常便宜：每100万输入/输出token约$0.15/$0.29——大约是V4 Pro的$0.44/$0.88的三分之一——而DeepSeek将缓存命中定价为每100万$0.0028，比全新输入低约98%。只有Flash API有所变化；Pro和应用/网页保持不变。

官方正式版实际升级了什么内容

V4 Flash 最初于 2026 年 4 月 24 日以预览版形式亮相。2026 年 7 月 31 日正式发布的版本（-0731 构建版本，据 DeepSeek 的 API 变更日志）明确不是新架构：总参数和激活参数（284B / 13B）以及 1M 上下文均保持不变。变化的是后训练阶段——DeepSeek 称，额外的微调显著提升了核心智能体（agentic）、编码和工具调用能力。有两个实用新增值得关注：V4 Flash 现在原生支持 Responses API，并专门针对 Codex 风格的编码智能体进行了适配，同时仍兼容 OpenAI ChatCompletions 和 Anthropic 风格的接口。重要的是，本次发布仅升级了 Flash API；V4 Pro 和 DeepSeek 应用/网页体验均未变化。对团队而言，这意味着以相同价格即可为智能体工作负载带来即插即用的改进，且无需迁移。

架构：为吞吐量而设计的小激活MoE

V4 Flash 是一种专家混合（Mixture-of-Experts）模型，总参数约为 2840 亿，但每个 token 仅激活约 130 亿参数。低激活参数数量正是其关键所在：它既保证了推理速度快、成本低，又通过庞大的专家池维持了输出质量。其上下文窗口为完整的 1,048,576 个 token（约 100 万），最大输出长度高达 384K，同时模型支持推理（扩展思维）、工具调用和结构化 JSON。输入仅支持文本。其设计目标——高并发、低延迟、智能体工作——在服务数据中得到了体现：根据 OrcaRouter 的测量，p50 首 token 延迟约为 394 毫秒，输出速度约为每秒 184 个 token。

基准测试：官方数据说明了什么

官方发布版本大力依赖智能体（agentic）和编程（coding）评测，这些评测使用 DeepSeek 自己的测试框架运行（minimal-mode / max-effort 设置）。以下是如何解读这些头条结果——所有数据均由 DeepSeek 报告：

• Terminal-Bench 2.1：82.7 — 在真实终端中执行代理式命令行/软件任务。高分意味着该模型确实能够驱动工具和Shell，而不仅仅是回答问题。

• Toolathlon（已验证）：70.3；Automation Bench（公开）：25.1 —— 工具使用的广度与可靠性，以及端到端自动化。工具调用的可靠性是智能体成败的关键特质。

• Cybergym：76.7 — 安全/CTF风格的智能体问题求解。

• DeepSWE：54.4，NL2Repo：54.2，DSBench-FullStack：68.7，DSBench-Hard：59.6 —— 软件工程与全栈编码，涵盖从仓库级生成到高难度数据科学任务。DSBench-FullStack（68.7）的强劲表现表明其具备实用的多文件编码能力。

• Agent Last Exam: 25.2 —— 一项刻意设计的高难度智能体推理考验，即便是顶级模型也得分很低；可作为相对信号使用，而非绝对指标。

作为独立背景信息，Artificial Analysis现已对-0731版本本身进行了评估，在Artificial Analysis Intelligence Index上给出50分——比它所取代的4月预览版高出10分，比规模大得多的V4 Pro高出6分，并与Gemini 3.6 Flash持平。其分项结果如下：GPQA Diamond 91%、AA-LCR 66%、Humanity's Last Exam 37%、SciCode 50%、τ³-Bench Banking 31%、CritPt 17%，以及GDPval-AA v2上的Elo为1559。其中两项值得再仔细看看。Artificial Analysis测得Terminal-Bench 2.1为79%，而DeepSeek报告的为82.7%——接近，但更低，而供应商测试框架的数字通常会在这个方向上失准。而在AA-Omniscience上，该模型得分-16，且测量到的幻觉率很高，因此“廉价且智能体化”的说法并不适用于无监督的事实召回。这才是更准确地解读这款模型的方式：单位美元的推理能力强，但每次查询的知识能力弱。

竞赛数学：Flash唯一能与Pro匹敌的领域。

关于 V4 Flash 推理能力最有用的独立评测来自 MathArena，它会对每个新发布竞赛的每道题运行每个模型四次，并公布逐题的结果网格。在 AIME 2026 上——两套试卷，30 道题，每套各运行四次——V4 Flash 在最大推理模式下得分 95.83% ±3.58%，而 DeepSeek V4 Pro 为 96.67% ±3.21%。这些置信区间几乎完全重叠：在这个基准上，小模型并没有显著逊于旗舰模型。两者在成本栏上拉开差距。MathArena 显示，V4 Flash 每次运行每道题的成本为 0.009 美元，而 V4 Pro 为 0.082 美元——在同样准确率下便宜约九倍，这一论据比 DeepSeek 自己公告中的任何内容都更有力地支持其效率档位。

有两个注意事项需要一并说明。MathArena 对 DeepSeek 的两个条目都标记了污染警告——这是其对竞赛题目公布后发布的模型所用的标签——因此部分准确率可能来自记忆而非推理。而且 MathArena 测试的版本日期为 2026-04-24，即四月预览版，而非 -0731 构建版。截至本文撰写时，官方发布版尚无独立的 AIME 2026 分数，DeepSeek 自己的模型卡也完全没有公布其数学基准，只有智能体基准。

该网格还显示了天花板所在的位置。榜单上几乎所有模型都能解决AIME 2026的大部分题目；将它们区分开来的问题是第15题。只有两个参赛模型在全部四次运行中都解决了它——GPT-5.5（超高努力）和Claude Opus 4.8（最高）。V4 Flash在那道题上四次得分为零，V4 Pro也是如此，还有GLM-5.2、Gemini 3.6 Flash、Kimi K2.6和Claude Opus 4.7。

最后这一点，正是让2026年8月5日的一份报告值得标注的原因。AI评论者@teortaxesTex发帖称，-0731构建确实解出了AIME 2026第15题，用时约1,006秒，输出约100,000个token，并描述了模型明显开始走捷径，随后放弃捷径、老老实实解题的过程。这是一位从业者的单次运行，不是基准测试结果：它尚未被复现，没有公开排行榜对-0731构建进行评分，孤立的转录文本也不构成评估。可以检查的是内部一致性，而这一点经得起推敲——Artificial Analysis测得该模型的输出速度约为每秒116个token，按此速率计算，1,006秒约合117,000个token，与报告的数量大致相当。10万个token的答案也完全在DeepSeek的预期范围内，因为它建议在高或最大推理强度下允许最多384K个输出token。这两个数字大约是MathArena对该模型测得的平均值（每次回答33,588个输出token，耗时6分50秒）的三倍，这在全集最难的一道题上正是你预期的情况。所以：形态上合理，结果上未经验证，如果它能被复现，那将是相对预览版的真正跃升——预览版在该问题上四次尝试全部失败。

定价：改变预算的数字

在OrcaRouter上，它以0%加价传递提供商定价，V4 Flash大约每百万输入令牌0.15美元，每百万输出令牌0.29美元，而DeepSeek这次升级保持定价不变。这大约是DeepSeek V4 Pro的0.44美元/0.88美元的三分之一。缓存命中比大多数人以为的要便宜：DeepSeek将缓存输入列为每百万0.0028美元，比新鲜输入低约98%，这正是让具有稳定系统提示的代理和聊天保持运行如此便宜的原因。实际来看，每月1000万令牌，按70%输入/30%输出拆分，大约只需几美元；扩展到10亿令牌，与旗舰机型的差距就成了财务部门会注意的预算项目。

不过，对于推理模型来说，费率表只是账单上比较无趣的一半——真正影响预算的是模型选择消耗多少 token。Artificial Analysis 在 V4 Flash 上运行完整的 Intelligence Index，需要大约 2.06 亿个输出 token，大约是其测试模型中位数（约 1 亿）的两倍，并称其速度很快但非常啰嗦。按价格计算，一个 10 万 token 的回答大约花费 3 美分，而 384K 的输出上限使单个回答的费用接近 11 美分。绝对价格确实便宜，但却是简短回复成本的数百倍——这就是为什么推理强度是一个预算杠杆，而不是一个你可以一直调到最大的质量旋钮。Simon Willison 的实操文章从另一个角度说明了同样的问题：在默认设置下，他的测试输出令人失望，而将推理强度调高后，效果显著改善。在把宣传费率当作你的实际成本之前，先计量一下自己的高难度请求。

V4 Flash 的定位：DeepSeek V4 产品阶梯

DeepSeek 的 V4 产品线是一个阶梯。V4 Pro 是旗舰——一个规模大得多的顶级推理与编码模型。V4 Flash 是效率层级：活跃算力少得多，价格只是 Pro 的一小部分，而且经过这次后训练升级，其智能体与编码能力确实很强。DeepSeek 投入资源让 Flash 成为更好的智能体（Responses API、Codex 适配、工具使用基准测试）这一事实，说明了它预期流量会流向哪里。但 AIME 2026 的成绩让那个对 Flash 有利的简洁叙事变得复杂：在竞赛数学上，两个模型处于彼此的误差棒之内，所以“把难题交给 Pro”并不自动正确。诚实地说，Pro 买到的是知识广度和最难的智能体工作，而不是在数学难题上有更大的胜算——这就是为什么根据你自己任务的实际难度进行路由，胜过默认使用最大的模型。

三个现实场景

1. 编码代理与Codex风格的工作流程

-0731 构建的原生 Responses-API 与 Codex 支持，再加上其在 Terminal-Bench（82.7）和 DSBench-FullStack（68.7）上的得分，使 V4 Flash 成为自主编码代理的一个强大而廉价的引擎——可用于问题修复、重构、测试生成和多步骤工具使用。

2. 高容量工具使用智能体

快速首token（约394毫秒）、高吞吐量（约184 token/秒）、100万上下文，以及强大的Toolathlon（70.3）可靠性，非常适合大规模调用工具的生产级智能体——涵盖检索、自动化与编排。

3. 低成本长文档处理

完整的 1M token 上下文和 384K 输出能力，可以单次低成本地总结、分析或转换超大规模输入——日志、代码库、长报告。

如何访问 V4 Flash

您可以直接在 DeepSeek 的 API 上调用 V4 Flash（模型 ID 为 deepseek-v4-flash；它支持 Responses API、OpenAI ChatCompletions 和 Anthropic 风格的接口），也可以通过供应商中立的端点调用。OrcaRouter 通过一个兼容 OpenAI 的端点（deepseek/deepseek-v4-flash）以 0% 加价提供 V4 Flash，同时还提供 200 多个其他模型——因此您可以在同一个地方将其与 GPT-5.6 Luna、Gemini 3.6 Flash、GLM-5.2、Qwen3.8-Max 和 Kimi K3 进行基准对比，并将每个请求路由到成本最低的模型。由于定价是原样传递而非加价，DeepSeek 的价格变动会在发布当天反映到您的账单上。而且由于接口兼容 OpenAI，采用 V4 Flash——或在一周测量后换掉它——只是配置变更，而非重新集成。

局限性与坦诚告诫

V4 Flash 是一款效率型模型，而非旗舰模型，但独立数据让这一界限比“在困难任务上表现更差”更加具体。在 AIME 2026 上，它与 V4 Pro 在置信区间内持平；其明显落后之处在于知识广度——AA-Omniscience 低 16 分、实测幻觉率偏高——以及要求最高的智能体任务。输入仅支持文本，没有原生图像输入。对外宣传的智能体得分是 DeepSeek 在其自有测试框架上报告的，而独立实验室复测的一项数据更低（Artificial Analysis 测得 Terminal-Bench 2.1 为 79%，报告值为 82.7），因此厂商数字只能视为方向性参考。此外，“每 Token 便宜”并不等于“每任务便宜”：该模型输出的冗长程度可观，因此在简单调用中应限制推理力度和工具迭代次数，而非默认开启最大力度。在投入生产流量之前，请先用自己的工作负载进行验证。

常见问题

DeepSeek V4 Flash 是什么？

DeepSeek V4系列中的效率模型：一个284B/13B激活参数的混合专家模型，支持100万token的上下文，最多384K输出，专为快速、高吞吐量的智能体与编码任务而调优。其官方版本（构建-0731）已于2026年7月31日发布。

官方发布版有什么变化？

架构保持不变；这是一次训练后升级，显著提升了智能体、编码和工具调用能力，并新增了原生Responses-API支持与Codex适配。仅Flash API获得了升级——V4 Pro和应用/网页均保持不变。

V4 Flash 多少钱？

在OrcaRouter上，每百万输入代币约0.15美元，每百万输出代币约0.29美元（0%加价）——大约是V4 Pro的0.44美元/0.88美元的三分之一——缓存命中列出的价格为每百万0.0028美元，比全新输入低约98%。本次发布中定价保持稳定。预算时要考虑代币总量和费率：这是一个冗长的推理模型，一个100,000代币的答案大约花费三美分。

V4 Flash 在 agentic 和编程任务方面的表现如何？

DeepSeek 报告了强劲的得分：Terminal-Bench 2.1 82.7、Toolathlon（已验证）70.3、Cybergym 76.7、DeepSWE 54.4、DSBench-FullStack 68.7 —— 全部为厂商测试框架数据，请在自己的任务上自行验证。

V4 Flash 擅长竞赛数学吗？

表现优于其价格所暗示的水平。在 MathArena 的 AIME 2026 测试集上，四月预览版在四轮各 30 道题的测试中得分 95.83%，落在 V4 Pro 96.67% 的置信区间内，而每道题的成本约为其九分之一——不过 MathArena 指出这两款模型可能存在数据污染，且尚未对 -0731 版本进行评分。该模型唯一从未解出的是第 15 题，而这道题只有 GPT-5.5（超高努力模式）和 Claude Opus 4.8（最高设定）能稳定求解。

V4 Flash 与 V4 Pro 相比如何？

Pro 是面向最困难推理与编码的更大旗舰产品；Flash 是效率层级，价格约为其三分之一，具备强大的智能体/编码能力。将困难任务路由到 Pro，其余全部路由到 Flash。

什么是上下文窗口？

完整的 1,048,576 tokens（约 1M），最高可输出 384K tokens。

V4 Flash 支持多模态吗？

不——输入仅为文本。它支持推理、工具调用和 JSON 输出。

V4 Flash 是否兼容 Responses API 和 Codex？

是的——-0731版本新增了原生Responses-API支持和针对Codex的特定适配，同时还提供了OpenAI ChatCompletions和Anthropic风格的接口。

如何使用V4闪存？

直接通过 DeepSeek 的 API，或通过 OrcaRouter 的 OpenAI 兼容端点（0% 加价）（deepseek/deepseek-v4-flash），您还可以在其中比较并路由到不同竞争模型。

底线

DeepSeek V4 Flash 的正式发布保留了廉价、快速的配方，并使其成为一个更好的智能体：同样的 284B / 13B 激活 MoE 和 1M 上下文，经过后训练以增强编码和工具使用能力，原生支持 Responses-API 和 Codex，价格仍为约 $0.15 / $0.29。独立的数字现在支撑了大部分宣传——Artificial Analysis 将 -0731 构建级别与 Gemini 3.6 Flash 在智能上持平，而 MathArena 显示预览构建在 AIME 2026 上匹配 V4 Pro，而每个问题的成本仅为后者的九分之一。低费率并不能买到知识的广度或冗长的豁免权：这个模型的思考令牌预算大约是中等模型的两倍，因此你的每任务账单更多取决于你允许的推理努力，而不是标题价格。通过像 OrcaRouter 这样的 0% 加价、OpenAI 兼容端点运行它，测量你自己的困难请求实际花费，并且只有在测量表明必须时才路由到旗舰模型。