DeepSeek V4 Flash 深度测评：同一套参数重新训练一次，Agent跑分直接翻7倍

如果你只看一个数字，看这个就够了：DeepSeek-V4-Flash-0731 在 DeepSWE 基准上的得分是 54.4，而三个月前的 Preview 版本只有 7.3——同一套架构、同一个参数量，模型权重的"骨架"完全没动，DeepSeek 只是重新做了一遍后训练（re-post-trained），跑分就翻了超过 7 倍。这不是一次常规的小版本迭代，而是这条赛道里一个越来越清晰的信号：2026 年下半年，后训练阶段能带来的收益，可能已经追上甚至超过了堆参数本身。

这篇文章会把 DeepSeek V4 Flash 到底是什么、这次"最新发布"具体指哪一次版本更新、跑分和 Claude Opus 4.8、GPT-5.6、Kimi K3、GLM-5.2 这些同期热门模型摆在一起对比结果如何、真实定价是多少，以及——对我们这类关注 AI API 中转/代理生态的读者来说最实际的问题——国内中转站现在能不能用、怎么用，一次讲清楚。所有跑分和定价数字均来自 DeepSeek 官方 API 文档、官方更新日志，以及本站此前已核实过的定价数据，凡是第三方来源互相矛盾、无法交叉验证的数字，本文会明确标注，不会为了让对比表格显得"更完整"而编造。

一、DeepSeek V4 Flash 是什么：先说清楚这次"发布"发的到底是什么

先把时间线理顺，因为这次"最新发布"很容易被误读成一个全新模型。2026 年 4 月 24 日，DeepSeek 正式推出 V4 系列，一次给了两档：更大的旗舰 DeepSeek-V4-Pro（1.6T 总参数、49B 激活参数）和更轻量的 DeepSeek-V4-Flash（284B 总参数、13B 激活参数），两者共享 1M token 上下文窗口、最高 384K token 输出长度，权重以 MIT 协议开放在 Hugging Face 上。当时官方给这次发布的定性是"Preview"——预览版，意味着后续还会继续迭代。

真正把 V4 Flash 推向"正式发布"状态的，是 2026 年 7 月 31 日——也就是本文发稿的这一天。DeepSeek 官方 API 更新日志宣布，DeepSeek-V4-Flash API 正式进入公测（Public Beta）阶段，内部构建代号 DeepSeek-V4-Flash-0731。这次更新只针对 V4 Flash：V4 Pro 的 API 和 App/网页端模型都没有变化，仍停留在 Preview 阶段。换句话说，DeepSeek 这次是有意识地先把"小模型"推向成熟，而不是同步升级整条产品线。

更值得玩味的一点是，官方在更新说明里明确写道：0731 构建版本"保持了与 V4-Flash-Preview 完全相同的模型架构和参数规模，只是重新做了一次后训练"（re-post-trained）。API 调用方式完全不变——模型名依然是 deepseek-v4-flash，不需要改任何代码，服务端直接把新权重换了上去。这意味着任何在 4 月就已经接入 deepseek-v4-flash 这个模型 ID 的应用、脚本、中转站，今天起调用到的就已经是升级后的版本，不需要做任何额外配置。

二、架构拆解：284B总参数、13B激活，靠混合稀疏注意力换来的效率

V4 系列（Pro 和 Flash 共享同一套架构设计思路）的核心卖点不是参数堆得有多大，而是"如何用更少的计算量撑起 1M token 上下文"这件事。根据 DeepSeek 官方论文和技术文档，V4 系列引入了三项关键架构改进：

• 混合稀疏注意力（DSA）：把 Compressed Sparse Attention（CSA）和 Heavily Compressed Attention（HCA）两种机制交替使用——以 V4-Pro 为例，61 层 Transformer 里前两层用 HCA，后续层则是 CSA 和 HCA 交替。配合 token-wise 压缩，官方给出的效率数字是：在 1M token 上下文场景下，V4-Pro 相比上一代 DeepSeek-V3.2，单 token 推理只需要 27% 的算力（FLOPs），KV Cache 占用只需要 10%。这是"1M 上下文"能做到官方定价这个价位的技术基础，不是靠堆机器硬扛出来的。
• Manifold-Constrained Hyper-Connections（mHC）：对传统残差连接（residual connections）的改进，目的是让信息在深层网络里传递得更稳定。
• Muon 优化器：替代常见的 AdamW 类优化器，官方描述其带来"更快的收敛速度和更强的训练稳定性"。

MoE 路由层面，每个 MoE 层由 1 个共享专家（shared expert）和 256 个路由专家（routed experts）组成，每个专家的中间隐藏维度为 2048，每个 token 会激活其中 6 个路由专家。V4-Flash 的 284B 总参数、13B 激活参数，正是在这套路由规则下压缩出来的更轻量版本——总参数量约为 V4-Pro 的六分之一，激活参数量约为四分之一。预训练数据规模方面，官方论文给出的数字是 32 万亿以上高质量 token。

官方对两档模型的定位描述也值得留意：V4-Pro 被描述为"在数学/STEM/编程上超越所有当前开放模型"，知识类任务的表现"仅次于 Gemini-3.1-Pro"；V4-Flash 则被定位为"推理能力接近 V4-Pro，在基础 Agent 任务上表现相当"，换来的是更快的响应速度和更低的调用成本。这也是为什么 V4-Flash 这次单独拿出来做一次后训练升级、且升级幅度如此之大，会成为一件值得单独写一篇文章的事——它不是那个"够用就行"的廉价备胎，而是一个正在被认真投入资源迭代的产品线。

三、从4月24日Preview到7月31日0731正式版：同一个模型，换了一次后训练

把这次更新的"前后对比"数字摆出来，比任何形容词都更有说服力。以下是官方更新日志里公开的、Preview 版本与 0731 版本在同一套 Agent 能力基准上的得分对比：

基准	V4-Flash-Preview（4月）	V4-Flash-0731（7月31日）	变化
Terminal-Bench 2.1	61.8	82.7	+20.9
DeepSWE	7.3	54.4	+47.1（约7.5倍）
Cybergym	38.7	76.7	+38.0
NL2Repo	39.4	54.2	+14.8
Toolathlon-Verified	49.7	70.3	+20.6

除了这五项有明确前后对比的基准，0731 版本还公布了 DSBench-FullStack（68.7）、DSBench-Hard（59.6）、Agent Last Exam（25.2）、Automation Bench Public（25.1）等新增指标，但官方没有给出这几项在 Preview 版本上的对照分数，所以无法计算涨幅，本文也不会替官方去凑一个数字。

DeepSWE 这一项的涨幅尤其值得多说一句：从 7.3 分到 54.4 分，意味着 Preview 版本在这项基准上基本处于"几乎不能用"的水平，而 0731 版本已经是一个能拿出手的分数。官方的解释是这次更新"只是重新做了一次后训练"，架构和参数规模都没变——这恰恰说明了后训练/强化学习阶段对 Agent 类任务的影响有多大：同样的底座模型，光靠调整训练数据和训练方法，就能在特定任务类型上实现数量级的提升。这也是 2026 年下半年大模型竞争里一个越来越明显的趋势——"预训练参数规模"作为唯一竞争维度的重要性正在下降，"后训练怎么调"正变得同样关键甚至更关键。

官方更新说明里还提到一句很直接的判断：0731 版本的 Agent 能力"远超"（far exceed）同系列里参数量大得多的 V4-Pro-Preview。也就是说，目前公开可用的版本里，经过这轮重新训练的"小模型" V4-Flash，在 Agent 相关任务上反而比还停留在 Preview 状态、参数量是它 6 倍的"大模型" V4-Pro 更能打。这也解释了为什么 DeepSeek 这次没有选择同步升级两个型号——先把迭代速度更快、成本更低的 Flash 打磨好，再决定 Pro 什么时候跟进，是一个说得通的产品节奏。

另外两项技术细节值得记录：0731 版本原生支持 Responses API 格式（OpenAI 推出的新一代 API 范式，把多轮工具调用、状态管理都收进同一套接口里，逐步取代旧的 Chat Completions），并且专门针对 Codex（OpenAI 的编程 Agent 工具）做了适配。这两点合在一起说明 DeepSeek 这次升级明显是冲着"接入现有 Agent 工具生态"这个具体场景去的，而不只是刷一遍通用能力跑分——一个第三方模型如果只兼容旧的 Chat Completions 格式，接入 Codex 这类原生使用 Responses API 的工具时往往需要额外的适配层去做协议转换，容易在工具调用、流式返回这些细节上出岔子。DeepSeek 直接在模型侧做了原生适配，等于替想用"DeepSeek 底座 + Codex 前端"这套组合的开发者，省掉了这一层转换成本。本站此前在 Codex 中转站配置教程 里也提到过，Codex 走的是 OPENAI_BASE_URL 加自定义端点这套逻辑，原生 Responses API 支持意味着这条链路会更顺。

四、跑分实测：对齐 Claude Opus 4.8、GPT-5.6、Kimi K3、GLM-5.2

跑分涨得猛不代表就追上了顶级闭源模型，这两件事要分开看。目前能找到的、有明确出处的头对头对比数据是：在 Terminal-Bench 2.1 上，Claude Opus 4.8 的得分是 85.0，DeepSeek-V4-Flash-0731 的 82.7 落后约 2.3 分——差距已经相当接近。但在另外两项基准上，差距并不均匀：DSBench-FullStack 上 Opus 4.8 是 71.6，V4-Flash-0731 是 68.7，差 2.9 分，同样接近；但 DSBench-Hard 上 Opus 4.8 是 71.7，V4-Flash-0731 是 59.6，差了 12.1 分，明显被拉开。也就是说，"跟旗舰模型打平"这个说法在部分基准上成立，但在真正困难的任务（DSBench-Hard）上，V4-Flash 和顶级闭源模型之间仍然有实打实的差距，不能一概而论。

再看 V4 系列里更大的旗舰 V4-Pro：在 SWE-bench Verified 上得分 80.6%，和 Gemini 3.1 Pro 的 80.6% 打平，略高于 Kimi K2.6 的 80.2%——这三个数字放在一起，说明目前 SWE-bench Verified 这项编程基准上，头部模型之间的差距已经收窄到 1 个百分点以内，谁"第一"很大程度上取决于具体测试批次。这项数据针对的是 V4-Pro 而非本文主角 V4-Flash，两者不应混为一谈——本文特意分开列出，避免把不同模型、不同基准的数字揉在一起制造误导性的"打平"错觉。

再往外看一层，本站此前测评过的另外两个 2026 年 7 月热门模型也可以放进来做参照：Kimi K3（月之暗面，2.8T 参数，7月16日发布）在 Artificial Analysis Intelligence Index 上得分 57，在其收录的 189 个模型中排名第 4，排在 Claude Fable 5 和两档 GPT-5.6 Sol 推理设置之后，领先于 Claude Opus 4.8、GPT-5.5（xhigh 档）、Claude Sonnet 5 以及 GLM-5.2；SWE-bench Verified 上 Kimi K3 得分 76.8%，低于 DeepSeek-V4-Pro 的 80.6%。这些数字来自 Artificial Analysis、LMArena 等第三方评测机构，方法论公开，本文认为可以放心引用；至于 Gemini 3.5 Flash 的定价，目前能查到的第三方数字彼此差异很大（不同来源给出的输入价从每百万 token 0.15 美元到 1.50 美元不等），无法交叉验证，本文不会为了凑一个"更全"的对比表格而引用这类互相矛盾的数字。

五、定价：把9个当红模型放进同一张表

以下价格均为官方 API 首方定价（非中转站折扣价），部分数字来自 DeepSeek 官方文档，部分来自本站此前已核实并发布过的测评文章，一并列出方便横向对比：

模型	输入 $/M token	输出 $/M token	备注
DeepSeek V4 Flash	$0.14（缓存命中 $0.0028）	$0.28	纯文本，1M上下文，284B/13B激活
DeepSeek V4 Pro	$0.43（缓存命中 ≈$0.0036）	$0.87	高峰时段有动态溢价机制（7月中旬起）
Qwen3.6-35B-A3B	$0.14	$0.90	支持多模态，V4 Flash不支持
GLM-5.2	$1.40	$4.40	MIT开源权重
GPT-5.6 Luna	$0.20	$1.20	7月30日降价80%后的价格
GPT-5.6 Terra	$2.00	$12.00	7月30日降价20%后的价格
Claude Sonnet 5	$3.00	$15.00	Anthropic中档旗舰
GPT-5.6 Sol	$5.00	$30.00	OpenAI旗舰，7月30日价格未变
Claude Opus 4.8	$5.00	$25.00	Anthropic次高档
Claude Fable 5	$10.00	$50.00	Anthropic目前最贵旗舰

这张表按输入价格从低到高排列，能看出几个直观的结论：DeepSeek V4 Flash 和阿里 Qwen3.6-35B-A3B 的输入价格并列全场最低（都是 $0.14/M），但 V4 Flash 输出价格（$0.28）明显更便宜，前提是你不需要多模态能力——V4 Flash 目前是纯文本模型，看图、读截图、做 UI 还原这类任务它做不了，Qwen3.6 可以。如果拿 V4 Flash 直接和金字塔顶端的 Claude Fable 5 比，输入价格差了约 71 倍，输出价格差了约 178 倍——这个差距不是"打折"级别，而是量级上的差异。

另外值得单独说明的是 DeepSeek V4 Pro 的"高峰期动态溢价"机制：从 7 月中旬开始，V4 Pro 在服务器负载高的时段会上浮价格，这是 DeepSeek 管理热门模型算力容量的方式。V4 Flash 目前没有这套机制，定价始终恒定，这也是很多预算敏感场景选择 Flash 而非 Pro 的另一个实际理由——不只是因为便宜，也因为账单可预测。

真实调用示例——DeepSeek 官方 API 兼容 OpenAI 格式，也可以通过 /anthropic 路径兼容 Anthropic 协议接入 Claude Code：

curl https://api.deepseek.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-v4-flash",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

六、为什么偏偏是7月31日：价格战和资本市场的双重背景

把这次更新放到时间线里看会更有意思。就在 DeepSeek 公布 0731 版本的前一天（7月30日），OpenAI 刚宣布把 GPT-5.6 系列里两档较低成本模型的价格砍掉一大截——Luna 输入/输出价格从 $1/$6 降到 $0.20/$1.20，降幅 80%；Terra 从 $2.50/$15 降到 $2/$12，降幅 20%；旗舰 Sol 价格保持不变。OpenAI 把这次降价归因于内部效率提升，但分析普遍认为，这和企业客户对 AI 支出回报率的疑虑、以及中国低价开源模型带来的竞争压力脱不开关系。DeepSeek 紧接着次日就把自己最便宜的模型也做了一次大幅能力升级——虽然价格数字本身没有变化，但相当于用同样的钱买到了明显更强的 Agent 能力，效果上和降价是同一个逻辑。

更大的背景是整个行业的资本开支正在同步狂飙：就在同一周，微软公布 2026 财年第四季度财报，Azure 营收增速加快到 43%，公司同时把 2027 财年资本开支指引大幅上调至 2550 亿至 2600 亿美元；亚马逊同期公布的第二季度财报里，AWS 增速加快到 37%、创近 18 个季度新高，CEO 安迪·贾西表示公司 AI 与芯片两项业务的年化营收已"各自突破 250 亿美元"；Meta 则把全年资本开支指引下限上调至 1300 亿美元，但因为投入激增导致利润不及预期，财报公布后股价盘后一度下跌近 8%。三家美国科技巨头一边把资本开支往上调到历史新高，一边在利润端开始承受市场的质疑——这恰恰是 DeepSeek 这类"用更少计算量做更多事"的效率型打法最有说服力的时间点：当算力本身越来越贵、投资人对"AI 支出何时兑现回报"越来越没耐心，一个能把 1M 上下文的推理成本压到官方定价这个量级的模型，故事会讲得比"再堆一批 GPU"更容易让人信服。

再往资本市场看一层：据路透社 7 月 20 日援引知情人士报道，DeepSeek 正筹备新一轮融资，目标估值约 5000 亿元人民币（约 740 亿美元），计划最多筹集 500 亿元人民币，为年内可能启动的 A 股 IPO 程序做准备——这将是继 2026 年 6 月完成的 74 亿美元融资轮（彼时估值约 4500 亿元人民币）之后的又一轮增资。同期，彭博亿万富翁指数显示，DeepSeek 创始人梁文锋的身家在一周内从约 167 亿美元跃升至 360 亿美元，超过 Anthropic 联合创始人 Dario Amodei 和 OpenAI 联合创始人 Greg Brockman，成为全球 AI 模型创始人中身家最高者。这些数字合在一起说明一件事：DeepSeek 在 2026 年已经不只是一个"便宜的开源替代品"，而是一个正在被资本市场认真定价、准备走向公开市场的头部玩家，V4 Flash 这次升级也应该放在这个背景下理解——它既是技术迭代，也是这家公司在 IPO 前持续证明自己产品竞争力的动作之一。

七、国内中转站怎么接入：这是本站读者最该关心的一节

先说最重要的一个技术细节：这次 0731 升级没有改变模型 ID，调用端依然是 deepseek-v4-flash，DeepSeek 只是在服务端把权重换成了重新训练后的版本。这意味着任何此前已经在支持列表里列出 deepseek-v4-flash 的中转站，理论上今天起转发的请求就已经自动命中新版本，不需要中转站方做任何配置改动——这也是模型服务商在云端做"原地升级"（in-place upgrade）的常见方式，本站此前在 DeepSeek 模型 ID 迁移那篇文章里也提到过类似逻辑（旧 ID deepseek-chat/deepseek-reasoner 已于 7 月 24 日退役，统一迁移到 deepseek-v4-pro[1m] 和 deepseek-v4-flash）。

需要提醒的是，"自动命中新版本"是基于中转站直接转发到 DeepSeek 官方接口这个前提成立的——如果某个中转站是把模型权重下载到自己的推理集群上自行托管（而不是纯转发官方 API），版本更新就需要中转站自己手动跟进，具体以各家公告为准，本文不替任何一家中转站做这个承诺。

从本站已核实的供应商信息看，DeepSeek 官方平台（platform.deepseek.com）本身就是调用 V4 系列模型最直接的入口，国内可直连，无需科学上网。同时，多家已在本站 AI API 中转站对比 收录的供应商已把 DeepSeek V4 系列纳入模型覆盖范围，包括硅基流动（SiliconFlow）、老张API、YKH.AI、FlowBar、UiUiAPI 等——具体价格、并发限制以各家最新公告为准，选型时建议重点核对两点：一是是否明确支持 deepseek-v4-flash 这个模型 ID（而非仍停留在旧的 deepseek-chat），二是是否同时支持 OpenAI 格式和 Anthropic 格式（后者决定了能不能直接接 Claude Code）。真实海外聚合平台 OpenRouter 上也能查到 DeepSeek V4 Flash 的条目，同时挂着多家第三方推理服务商，价格因供应商而异，部分低于官方定价，这也是海外聚合类中转的常见模式——多家算力提供方竞价，用户可以按价格、速度或稳定性选择路由策略。

如果你已经在用 LiteLLM 或 Claude Code Router 之类的网关方案做多模型混用，接入方式和之前完全一样，只需要把子 Agent/低复杂度任务的模型指向更新后的 deepseek-v4-flash 即可，不需要额外改动：

model_list:
  - model_name: deepseek-v4-flash
    litellm_params:
      model: openai/deepseek-v4-flash
      api_base: https://api.deepseek.com
      api_key: os.environ/DEEPSEEK_API_KEY

更完整的接入步骤（申请 Key、配置环境变量、Claude Code 迁移避坑清单）可以直接参考本站已发布的 Claude Code 切换 DeepSeek 完整指南 和 LiteLLM 完整教程，两篇文章里的配置示例本身就已经在用 deepseek-v4-flash 这个模型 ID，本次升级不需要改动任何一行配置。

八、谁该用、谁不该用

• 高频、低复杂度的批量任务（内容摘要、数据提取、简单问答、代码补全、Claude Code 的子 Agent/快速任务）→ V4 Flash 目前的性价比在同类模型里几乎找不到对手，直接用。
• 需要处理图片/截图/设计稿的 Agent 工作流 → V4 Flash 是纯文本模型，做不了，需要多模态能力的话应该考虑 Qwen3.6-35B-A3B 或其他支持视觉的模型。
• 预算敏感但又需要 V4 系列更强推理能力的场景 → 权衡 V4 Pro 的高峰溢价机制，非高峰时段调用，或者干脆把复杂任务留给 Pro、简单任务分流给 Flash，两档搭配用。
• 对"追上顶级闭源旗舰"有硬性要求的困难任务（比如 DSBench-Hard 这类场景）→ 目前的数据显示 V4-Flash 和 Claude Opus 4.8 之间仍有实打实差距，不建议把它当作 1:1 平替。
• 国内团队、已经在用中转站接入其他模型的开发者 → 优先确认中转站是否已经更新到新的模型 ID，同时留意是纯转发官方接口还是自建托管，这决定了你能不能自动吃到这次升级。

九、结论

DeepSeek V4 Flash 这次"最新发布"，本质上不是一个全新模型的登场，而是同一个 284B/13B 激活参数的 MoE 模型，经过一次重新训练，在 Agent 相关跑分上实现了数量级的提升——DeepSWE 从 7.3 涨到 54.4，Terminal-Bench 2.1 从 61.8 涨到 82.7，涨幅之大足以让它在部分基准上追平参数量是它 6 倍的自家旗舰 V4-Pro，甚至逼近 Claude Opus 4.8。定价上，它维持着 $0.14/$0.28 每百万 token 的官方价格，在同期所有主流模型里处于价格底部区间，但代价是不支持多模态，且在真正困难的任务上和顶级闭源模型仍有明显差距。