DeepSeek V4 Flash 正式发布：这款便宜、快速、具备 agent 能力、支持 100 万上下文的模型，详解来了

DeepSeek V4 Flash是 DeepSeek V4 产品梯队中主打低价的那一款，而独立的评测数据如今终于印证了它的实力：在 MathArena 的 AIME 2026 题集上，它的得分为 95.83%，与 DeepSeek V4 Pro 的 96.67% 在统计上难分高下，而每道题的成本大约只有后者的九分之一。公开测试版构建 -0731 于 2026 年 7 月 31 日发布，其架构与四月的预览版相同——一个 2840 亿参数的混合专家模型，激活参数 130 亿，上下文长度为 100 万 token——但额外进行了一轮后训练，显著提升了它的智能体、编程和工具调用能力，此外还原生支持 Responses-API，并针对 Codex 风格的智能体做了专门适配。本指南将介绍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之后成本是多少，以及如何调用它。

准确性说明：下文中的发布细节和重点智能体（agentic）评分来自 DeepSeek 官方 API 变更日志（日期为 2026-07-31），由厂商报告，并在 DeepSeek 自有测试框架上运行——请将其视为方向性参考，并自行运行评估。独立数据在出现处注明来源：Intelligence Index 及其组成部分来自 Artificial Analysis，AIME 2026 来自 MathArena，定价来自 DeepSeek 自己的价格表。若某项内容依据的是单一从业者的报告而非已发布的评估，句子中会说明这一点。规格和价格会变化；构建前请核实。

简而言之。V4 Flash 是巨型 DeepSeek V4 Pro 的高性价比兄弟型号：一个 284B / 13B 激活参数的 MoE，具备 100 万 token 上下文和最高 384K 输出，面向高吞吐、低延迟的智能体工作调优。7 月 31 日的正式发布是一次后训练升级——规模相同，智能体和编码能力显著提升——还新增了原生 Responses-API 和 Codex 支持。DeepSeek 报告了强劲的智能体/编码得分（例如 Terminal-Bench 2.1 82.7、Toolathlon 70.3），而 Artificial Analysis 此后在其 Intelligence Index 上给 -0731 版本打出 50 分：比 4 月预览版高十分，比规模大得多的 V4 Pro 高六分，并与 Gemini 3.6 Flash 持平。其价格为每百万输入/输出 token 约 $0.15 / $0.29，约为 V4 Pro 价格的三分之一。只有 Flash API 升级了；V4 Pro 和 DeepSeek 应用/网页端未变。在 OrcaRouter 上，你可以通过一个 OpenAI 兼容端点以 0% 加价获得它。

关键要点

正式发布（构建 -0731，2026 年 7 月 31 日）：预览版的后训练升级——架构不变，智能体、编程与工具使用能力显著增强。

架构不变：总参数 284B / 激活 13B（MoE），1M token 上下文（1,048,576），最高 384K 输出，纯文本输入，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 风格接口。模型 ID deepseek-v4-flash。

• DeepSeek 报告的智能体/编程能力提升：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——约为 V4 Pro 的 $0.44 / $0.88 的三分之一——并且 DeepSeek 将缓存命中价格定为每 100 万 $0.0028，比全新输入低约 98%。只有 Flash API 发生了变化；Pro 以及应用/网页版保持不变。

官方发布实际升级了什么

V4 Flash 最早于 2026 年 4 月 24 日以预览版形式亮相。根据 DeepSeek 的 API 变更日志，2026 年 7 月 31 日的正式发布版本（构建号 -0731）明确并非全新架构：总参数与激活参数（284B / 13B）以及 1M 上下文均未改变。改变的是后训练环节——DeepSeek 表示，额外的微调显著提升了核心的智能体、编程和工具调用能力。有两项实用的新增内容值得关注：V4 Flash 现在原生支持 Responses API，并专门针对 Codex 风格的编程智能体进行了适配，同时仍然兼容 OpenAI ChatCompletions 以及 Anthropic 风格的接口。重要的是，本次发布仅升级了 Flash API；V4 Pro 以及 DeepSeek 应用和网页端体验均未变化。对团队而言，这意味着在价格不变的前提下，智能体工作负载可获得开箱即用的提升，且无需迁移。

架构：一款为吞吐量而打造的小激活 MoE

V4 Flash 是一个专家混合模型，总参数量约为 2840 亿，但每个 token 仅激活约 130 亿参数。较低的激活参数量正是关键所在：它让推理保持快速且低成本，同时庞大的专家池又能维持质量。上下文窗口足足有 1,048,576 个 token（约 1M），最大输出高达 384K，并且该模型支持推理（扩展思考）、工具调用和结构化 JSON。输入仅支持文本。其设计目标——高吞吐、低延迟的智能体工作——体现在服务指标上：根据 OrcaRouter 的测量，p50 首 token 时间约为 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

官方发布重点依赖智能体与编程评测，并使用 DeepSeek 自有的评测框架运行（minimal-mode / max-effort 设置）。以下是如何解读这些核心结果，均为 DeepSeek 报告：

• Terminal-Bench 2.1：82.7——在真实终端中执行智能体式命令行/软件任务。此处的高分表明，模型能够真正驱动工具和 shell，而不仅仅是回答问题。

Toolathlon（已验证）：70.3，以及 Automation Bench（公开版）：25.1——工具使用与端到端自动化的广度与可靠性。工具调用可靠性是智能体成败攸关的特性。

• 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——涵盖软件工程与全栈编码，从仓库级代码生成到高难度数据科学任务。DSBench-FullStack 的强劲表现（68.7）体现出实用的多文件编码能力。

{{1}}Agent Last Exam：25.2{{/1}} —— 一个刻意设计得极为困难的智能体推理考验，即便是顶尖模型得分也很低；它适合作为相对信号，而非绝对标准。

为了提供独立背景，Artificial Analysis 现已评估了 -0731 版本本身，并在 Artificial Analysis 智能指数上给它打出 50 分——比它所取代的四月预览版高十分，比规模大得多的 V4 Pro 高六分，与 Gemini 3.6 Flash 持平。其分项结果：GPQA Diamond 91%、AA-LCR 66%、Humanity's Last Exam 37%、SciCode 50%、τ³-Bench Banking 31%、CritPt 17%，以及在 GDPval-AA v2 上的 Elo 为 1559。其中两项值得再看一眼。Artificial Analysis 测得 Terminal-Bench 2.1 为 79%，而 DeepSeek 报告的是 82.7——很接近，但更低，而这正是厂商自测框架数字通常不会体现的方向。而在 AA-Omniscience 上，该模型得分为 -16，且测得的幻觉率很高，因此“便宜且具备智能体能力”的说法并不能延伸到无监督的事实回忆。这才是解读该模型更精准的方式：按美元计推理强，按查询计知识弱。

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估来自 MathArena，它让每个模型在一道新发布竞赛题的每个问题上运行四次，并公布逐题结果网格。在 AIME 2026 上——两套试卷、30 道题、每题运行四次——V4 Flash 在最大推理模式下得分为 95.83% ±3.58%，而 DeepSeek V4 Pro 为 96.67% ±3.21%。这两个区间几乎完全重叠：在这个基准上，小模型并没有可测量地比旗舰模型更差。成本一列才是它们拉开差距的地方。MathArena 显示，V4 Flash 每次运行每道题的成本为 $0.009，而 V4 Pro 为 $0.082——在同等准确率下便宜约九倍，这比 DeepSeek 自己公告中的任何内容都更有力地支持了效率档位。

有两点需要一并说明。MathArena 给两个 DeepSeek 条目都标上了污染警告，这是它给在竞赛出现之后才发布的模型所设的标签，因此其中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，是 4 月的预览版，而非 -0731 构建版。截至本文撰写时，官方发布版本尚无独立的 AIME 2026 分数，DeepSeek 自己的模型卡也完全没有公布该版本的数学基准成绩，只公布了智能体类基准。

该网格还显示了上限所在。榜单上几乎所有模型都能解出 AIME 2026 的大部分题目；真正拉开差距的是第 15 题。只有两个条目在全部四次运行中都解出了这道题——GPT-5.5 在 extra-high 推理强度下，以及 Claude Opus 4.8 在 max 强度下。V4 Flash 在该题四次运行中一分未得，V4 Pro 也是如此，GLM-5.2、Gemini 3.6 Flash、Kimi K2.6 和 Claude Opus 4.7 同样如此。

正是最后这个细节，让一份2026年8月5日的报告值得特别关注。AI评论员@teortaxesTex发帖称，-0731构建确实解出了AIME 2026第15题，耗时约1,006秒、输出约10万个token，并描述该模型明显开始钻这道题的空子，随后放弃捷径，老老实实地解题。这是单个实践者的一次运行，不是基准测试结果：它尚未被复现，没有公开排行榜给-0731构建打过分数，而单份记录也不等于评估。可以核查的是内部一致性，而这一点站得住脚——Artificial Analysis测得该模型的输出速度约为每秒116个token，按这个速度，1,006秒大约是117,000个token，与所报告的数量大致处于同一量级。10万token的答案也完全在DeepSeek的预期范围内，因为它建议在高或最高推理强度下允许最多384K输出token。这两个数字都大约是MathArena测得的该模型平均值的三倍（每次答案33,588个输出token、6分50秒），而这正是面对题集中最难的那道题时会预期的情况。所以：形态上合理，结果未经验证；如果能够复现，那就是相对预览版构建的真正跃升，而后者在该题上四次尝试全部失败。

定价：改变预算的数字

在 OrcaRouter 上，供应商定价以 0% 加价率直接传递，V4 Flash 的输入 token 约为每百万 $0.15，输出 token 约为每百万 $0.29，而 DeepSeek 在此次升级中保持价格不变。这大约只有 DeepSeek V4 Pro 的 $0.44 / $0.88 的三分之一。缓存命中比大多数人以为的更便宜：DeepSeek 列出的缓存输入为每百万 $0.0028，比全新输入低约 98%，这正是让带有稳定系统提示词的智能体和聊天能够如此低成本持续运行的原因。实际来看，每月 1000 万 token、按 70% 输入 / 30% 输出的比例计算，大约只需几美元；扩展到 10 亿 token 时，与旗舰型号之间的差距就会成为财务部门会注意到的明细项。

在推理模型上，价目表只是账单里没那么有意思的那一半——真正影响预算的是模型选择花多少 token。Artificial Analysis 要用 V4 Flash 跑完其完整的 Intelligence Index，需要约 2.06 亿个输出 token，大约是其所测试模型约 1 亿中位数的两倍，并称它速度快但非常啰嗦。按价格算，一个 100,000 token 的答案成本约 3 美分，而 384K 的输出上限使单个答案的成本接近 11 美分。绝对金额很便宜，但仍是一个简短回复成本的数百倍——这就是为什么推理强度是预算杠杆，而不是一个可以一直固定在最大档的质量旋钮。Simon Willison 的实操文章从另一个方向说明了同一点：在默认设置下，他的测试生成结果令人失望，而把推理强度提高到 high 后，结果大幅改善。在你假定宣传费率就是你的成本之前，先计量你自己的高难度请求。

V4 Flash 的定位：DeepSeek V4 阶梯

DeepSeek 的 V4 系列是一条阶梯。V4 Pro 是旗舰——一个体量大得多的顶级推理与编程模型。V4 Flash 是效率档：活跃算力少得多，价格只是零头，而且在此次后训练升级之后，具备真正强大的智能体与编程能力。DeepSeek 肯投入把 Flash 打造成更好的 智能体（Responses API、Codex 适配、工具调用基准），这本身就说明了它预期流量会跑在哪里。但 AIME 2026 的成绩让那套对 Flash 更有利的整洁叙事变得复杂：在竞赛数学上，两个模型落在彼此的误差范围之内，所以“难题交给 Pro”并非天然成立。诚实的划分是：Pro 换来的是知识广度与最难的智能体工作，而不是在难题上更高的命中率——这正是为什么按你自己任务上实测的难度来分流，要胜过默认选用最大的模型。

三个真实场景

1. 编码智能体与 Codex 风格工作流

V4 Flash 的 -0731 构建原生支持 Responses-API 和 Codex，再加上其在 Terminal-Bench（82.7）和 DSBench-FullStack（68.7）上的得分，使其成为面向自主编码代理的强大且廉价的引擎——可用于问题修复、重构、测试生成和多步骤工具调用。

2. 大规模使用工具的智能体

快速首字元（约394毫秒）、高吞吐量（约184 tok/s）、100万上下文，以及强大的 Toolathlon（70.3）可靠性，适合大规模调用工具的生产级智能体——检索、自动化、编排。

3. 低成本处理长文档

完整的 1M token 上下文和 384K 输出能够以低成本一次性完成对超大型输入的总结、分析或转换——包括日志、代码库、长报告。

如何访问 V4 Flash

你可以直接在 DeepSeek 的 API 上调用 V4 Flash（模型 ID 为 deepseek-v4-flash；它支持 Responses API、OpenAI ChatCompletions 以及 Anthropic 风格的接口），也可以通过厂商中立的端点调用。OrcaRouter 通过一个兼容 OpenAI 的端点以 0% 加价提供 V4 Flash（deepseek/deepseek-v4-flash），并同时提供 200 多个其他模型——因此你可以在同一处将它与 GPT-5.6 Luna、Gemini 3.6 Flash、GLM-5.2、Qwen3.8-Max 和 Kimi K3 进行基准对比，并把每个请求路由到对当前任务而言最便宜的选择。由于定价是原样透传而非加价，DeepSeek 的价格变动会在其生效当天反映到你的账单上。而且由于接口兼容 OpenAI，采用 V4 Flash——或者经过一周的实测后再弃用它——只是一次配置变更，而非重新集成。

局限性与坦诚的注意事项

V4 Flash 是一款效率型模型，而非旗舰模型，但独立数据已让这一界限比“处理难题更差”更为具体。在 AIME 2026 上，它与 V4 Pro 的差距在置信区间之内；它明显落后的地方是知识广度——AA-Omniscience 低 16 分，且测得幻觉率偏高——以及要求最高的智能体任务。输入仅支持文本，不原生支持图像输入。主要智能体分数由 DeepSeek 在其自有测试框架上报告，而独立实验室复跑过的一项数据更低（Artificial Analysis 测得 Terminal-Bench 2.1 为 79%，而报告值为 82.7%），因此厂商数字只应作方向性参考。而且“每 token 便宜”不等于“每任务便宜”：该模型明显更啰嗦，这一点可以量化，因此在简单调用中应限制推理强度和工具迭代次数，而不是默认保持最高推理强度。在投入生产流量前，请先在自己的工作负载上验证。

常见问题

DeepSeek V4 Flash 是什么？

DeepSeek V4 系列中的效率模型：一款 284B 总参数 / 13B 激活参数的混合专家模型，具备 1M token 上下文，输出最高可达 384K，针对快速、高并发的智能体与编程任务进行了调优。其正式版本（build -0731）于 2026 年 7 月 31 日发布。

官方发布版中有什么变化？

架构未变；这是一次后训练升级，显著提升了智能体、编程和工具调用能力，并新增了对 Responses-API 的原生支持以及 Codex 适配。只有 Flash API 得到了升级——V4 Pro 以及应用/网页端均保持不变。

V4 Flash 多少钱？

在 OrcaRouter 上，每百万输入 token 约 $0.15，每百万输出 token 约 $0.29（0% 加价）——约为 V4 Pro 的 $0.44 / $0.88 的三分之一——缓存命中价格列为每百万 $0.0028，比未缓存输入低约 98%。本次发布中定价保持不变。做预算时既要考虑费率，也要考虑 token 用量：这是一个输出冗长的推理模型，一个 100,000 token 的回答成本约为三美分。

V4 Flash 在智能体任务和编程任务上的表现有多好？

DeepSeek 公布了亮眼的成绩：Terminal-Bench 2.1 82.7、Toolathlon（已验证）70.3、Cybergym 76.7、DeepSWE 54.4、DSBench-FullStack 68.7——这些均为厂商自建测试框架下的数据，建议在你自己的任务上加以验证。

V4 Flash 在竞赛数学方面表现好吗？

表现优于其价格所暗示的水平。在 MathArena 的 AIME 2026 网格上，4 月预览构建版在四轮各 30 道题的运行中得分 95.83%——处于 V4 Pro 96.67% 的置信区间内，而每道题成本约为其九分之一——不过 MathArena 标记这两个模型可能存在污染，且尚未对 -0731 构建版评分。它唯一从未解决的问题是第 15 题，只有以 extra-high effort 运行的 GPT-5.5 和以 max 运行的 Claude Opus 4.8 才能稳定解出。

V4 Flash 与 V4 Pro 相比如何？

{{1}}Pro{{/1}} 是规模大得多的旗舰型号，专为最困难的推理和编程任务打造；{{2}}Flash{{/2}} 则是效率层级，价格约为前者的 1/3，具备强大的智能体与编程能力。将困难任务交给 {{1}}Pro{{/1}}，其余一切交给 {{2}}Flash{{/2}}。

上下文窗口是什么？

完整的 1,048,576 个词元（约 100 万），输出词元最高可达 384K。

V4 Flash 是多模态的吗？

不——输入仅支持文本。它支持推理、工具调用和 JSON 输出。

V4 Flash 能与 Responses API 和 Codex 配合使用吗？

是的——-0731 版本新增了原生 Responses-API 支持和针对 Codex 的特定适配，同时支持 OpenAI ChatCompletions 与 Anthropic 风格接口。

如何使用 V4 Flash？

直接通过 DeepSeek 的 API，或通过 OrcaRouter 的 OpenAI 兼容端点以 0% 加价使用（deepseek/deepseek-v4-flash），还可在此比较并在竞争模型之间进行路由。

底线

DeepSeek V4 Flash 的正式发布延续了低价、快速的路线，并让它成为强得多的智能体：同样的 284B / 13B 激活 MoE 和 1M 上下文，经过后训练以增强编程和工具使用能力，原生支持 Responses-API 和 Codex，价格仍约为 $0.15 / $0.29。独立数据如今印证了大部分宣传——Artificial Analysis 认为 -0731 构建版的智能水平与 Gemini 3.6 Flash 相当，MathArena 则显示预览构建版在 AIME 2026 上与 V4 Pro 持平，而每题成本仅为其九分之一。低费率买不到的是知识广度，也不能免于冗长：这个模型的思考 token 预算大约是中位模型的两倍，因此你的每任务账单更多取决于你允许的推理强度，而不是标价。通过像 OrcaRouter 这样 0% 加价、兼容 OpenAI 的端点运行它，测量你自己的高难度请求实际花费多少，只在测量表明必须时才路由到旗舰模型。