DeepSeek V4 Flash

DeepSeek V4 Flash 0731 是 DeepSeek 小型智能体模型的正式版，于 2026 年 7 月 31 日发布，当天即以 MIT 协议开放权重。它延续了 4 月预览版的 284B 总参 / 13B 激活 MoE 架构，但针对智能体性能重新做了后训练，附带 DSpark 投机解码模块，并新增原生 Responses API 与 Codex 支持。在 DeepSeek 公布的评测中，正式版 Flash 已经跑赢了体量更大的 V4-Pro 预览版，成为前沿智能体编程领域单位任务成本最优的模型之一。

核心功能

• 为智能体重新后训练：架构与预览版相同，但后训练重点放在工具调用与多步任务上，并在每一轮工具调用中把完整推理历史保留在上下文里。
• DSpark 投机解码：内置草稿模块加速推理；vLLM 上加一个 --speculative-config 参数即可启用，SGLang 上配置 DSPARK。
• 三档推理强度：low、high、max 控制思考深度，max 会进行完整的问题拆解与边界情况测试；也支持非思考模式。
• Codex 就绪 API：原生支持 OpenAI Responses API 并明确适配 Codex，另提供 Anthropic 兼容的 /anthropic 端点。
• 超大上下文：1M token 上下文、最高 384K 输出 token，长智能体会话可以装进一个窗口。

模型规格

定价

发布时已宣布将引入 2 倍高峰时段加价（北京时间 09:00-12:00、14:00-18:00），但发布时尚未生效。

评测亮点

• Terminal Bench 2.1：82.7 分，比预览版高出 20 多分。
• 智能体评测：在 DeepSeek 公布的每一项智能体基准上都超过 DeepSeek-V4-Pro 预览版，尽管激活参数量约为其十二分之一。
• 生态：antirez 的 DwarfStar 4（ds4）原生 C 推理引擎正是围绕这个模型打造的。

适用场景

• 成本敏感的智能体流水线：每 1M token $0.14/$0.28，获得接近前沿的智能体表现。
• Codex 兼容工作流：已经在用 OpenAI 形状 API 的团队只需改模型名即可切换，技术栈不动。
• 本地智能体部署：MIT 权重可用 vLLM、SGLang 或 llama.cpp 级别的引擎跑在普通硬件上。
• 高并发服务：API 最高支持 2,500 个并发请求。

优势

1. 性价比之王：13B 激活参数，在智能体基准上击败了 49B 激活的旗舰。
2. 开放且实用：MIT 权重加 DSpark 与超大上下文，是单位成本最强的开源智能体模型。
3. 生态契合：原生 Codex 适配与 Anthropic 兼容端点，几乎消除了集成摩擦。

使用技巧

1. 启用 DSpark：投机解码是头号提速特性，在你的服务栈上按文档加对应参数即可。
2. 为 max 档提高输出上限：max 推理级别能充分利用 384K 的输出上限。
3. 吃满 98% 缓存折扣：长共享前缀命中缓存几乎不花钱，这会改变你组织智能体提示词的方式。

总结

DeepSeek V4 Flash 0731 是这个夏天最具代表性的小型智能体模型：开源权重、1M 上下文，以及让接近前沿的智能体编程可以大规模负担得起的成本结构。如果你的团队要在预算内构建智能体，它是最强的起点。

替代方案

• DeepSeek V4 Pro 0813：成本次要、追求极限能力时的 1.6T 旗舰。
• GLM-5.3：价格略高的新晋开源权重编程领头羊。
• Kimi K3：开源权重 2.8T 模型，智能体得分相当。