2026年7月31日，DeepSeek正式宣布DeepSeek-V4-Flash正式版（版本号V4-Flash-0731）API上线公测。官方表示，此次仅升级Flash版本，架构与参数规模与预览版保持一致，重点通过后训练大幅强化Agent能力，尤其在代码修改、工具调用和多步骤任务执行上表现突出。V4-Pro正式版则预计将尽快发布。

模型概况与核心规格

DeepSeek V4-Flash采用混合专家（MoE）架构，总参数约2840亿，每次激活约130亿参数，支持1M token上下文窗口。这一设计在保持较高智能水平的同时，显著降低了推理成本与硬件门槛，使其既能通过API高效调用，也能在单机高内存设备上本地运行。

官方强调，正式版主要针对Agent场景进行了后训练优化，而非简单扩大参数规模。测试中使用了DeepSeek Harness极简模式，并在max推理档位下进行评测。

测试指标：多项基准“炸雷”

官方披露的数据显示，V4-Flash-0731在多项智能体、代码与自动化基准上全面超越此前的V4-Pro预览版：

Terminal Bench 2.1：得分82.7
DeepSWE：得分54.4
在九项Agent相关基准中整体表现显著优于V4-Pro预览版
Artificial Analysis Intelligence Index（最高推理档位）给出50分，远高于同类可比模型中位数（约17–25分）
部分独立榜单中，其在开源权重模型中排名靠前，性价比尤为突出

定价方面，V4-Flash保持极具竞争力的低价策略（输入约$0.14/百万Token、输出约$0.28/百万Token量级），任务执行成本可低至数美分，仅为部分前沿模型的极小比例。这一组合让其在“性能-价格”曲线上表现极为抢眼。

实际使用效果：亮眼数据背后的观察

尽管测试指标表现强劲，社区与独立评测已开始出现更审慎的声音。部分开发者反馈，模型在标准基准上表现优异，但在真实复杂工作流中仍存在“benchmark maxed”（基准优化过度）的迹象：标准测试中得分很高，实际执行时可能出现不够稳定、细节处理粗糙或长程一致性不足的问题。

也有用户肯定其在代码Agent、工具调用和日常自动化任务中的实用性，尤其是在成本敏感场景下，低价+足够强的能力带来了显著体验提升。总体来看，正式版的实际效果仍需更大规模、更长时间的真实场景验证。

可能影响：开源与高性价比赛道的新变量

1. 对开发者与企业的影响 极低的价格与强化的Agent能力，使V4-Flash成为构建高并发Agent、代码助手和自动化流水线的有力候选。开发者可用极低成本进行大规模实验与部署，降低试错门槛。

2. 对国产大模型竞争格局的影响 V4-Flash的正式发布进一步巩固了DeepSeek在高性价比开源/半开源赛道的位置。其与Kimi K3、Qwen等模型形成差异化竞争：前者强调极致成本与Agent效率，后者则在参数规模与综合智能上发力。

3. 对全球AI市场的影响 低价高性能模型持续挤压中端闭源模型的生存空间，可能加速“模型路由”策略的普及——简单任务用廉价高效模型，复杂任务再调用旗舰。同时，开源权重模型的实用价值进一步得到验证。

4. 潜在风险与观察点

基准与真实表现的差距需持续跟踪。
后训练强化Agent能力的同时，是否引入新的幻觉或不稳定性，仍需验证。
V4-Pro正式版的表现将决定DeepSeek在更高端市场的竞争力。

行业启示：指标与落地之间的距离

DeepSeek V4-Flash正式版以亮眼测试数据