DeepSeek V4-Flash成本低105倍引热议，稳定性与基准过拟合存疑

DeepSeek V4-Flash-0731 模型近期在多项基准测试中展现出极高的性价比，据 Artificial Analysis 实测，其完成相同任务的整体成本比竞品 Fable 5 低 105 倍。这一数据促使业界呼吁将关注点从传统的单 token 价格转向单次任务成本。尽管跑分亮眼，但该模型在实际应用中的 API 稳定性、综合能力以及计费方式的合理性仍存在争议，且对测试框架极为敏感。

已确认

• 在 Terminal-Bench 2.1 评测中，DeepSeek V4-Flash 得分为 82.7 分，与 Fable 5 的 80.5 分表现近乎一致。
• 据 Artificial Analysis 实测报告，DeepSeek 完成相同基准任务的整体成本比 Fable 5 低 105 倍。@zainhas 与 @mustafamhus 均确认了这一成本差距。
• 该模型输出定价为 $0.28/M，恰好与 OpenAI 降价 80% 后（叠加 OpenRouter 促销至 $0.60/M）的 GPT-5.6 Luna 落入同一价格区间。
• LM Studio 已上线该模型，支持本地运行或云端使用，并在代码库学习和修改任务中展现出极具成本效益的优势。
• 模型目前提供 Low、High 和 Max 三档努力等级（没有 Medium）。@teortaxesTex 指出，DeepSeek 需要开启到 Max 级别才能与 Grok 4.5 的 M 级表现持平。

尚未确认

• API 稳定性与实际总成本：开发者 @kmsdev 在 34 个提示词的测试中发现，该模型在 OpenRouter 上的供应商表现不稳定，多次生成失败，且最终花费 1.29 美元，在性能与成本上均不敌 Kimi K3。
• 单 token 定价的误导性：@cephaloform 与投资人 Chamath 等人指出，尽管 DeepSeek 每 token 价格极低，但如果模型需要更多轮次才能完成任务，其实际总成本反而可能更高。
• 测试框架的极度敏感：@PMinervini 与 @teortaxesTex 发现，DeepSeek V4 Flash 对测试框架非常敏感。如果使用了不匹配的工具链（如 Pi、Claude Code 等），模型表现会大打折扣甚至疯狂消耗上百万 Token；但在正确的框架下，则展现出接近 GPT 级的性价比。
• 基准测试过拟合争议：@rickasaurus 认为当前大模型基准测试存在严重过拟合问题，并指出 5 个月前 GPT-4o 在 Artificial Analysis 智能指数最高分为 51，而本周 DeepSeek V4-Flash 在同一榜单拿下了 51 分，跑分图表已失去参考价值。

为什么重要

• 评价体系的转变：@mustafamhus 与 @AravSrinivas 均指出，这种两个数量级的成本下降极其罕见，堪称 DeepSeek 的“2.0 时刻”。这要求企业决策者和开发者跳出传统的单 token 定价思维，开始真正关注“单次任务成本”。@intellectronica 更是称其为便宜到无法计量的时刻。@svenai 也补充称，DeepSeek 以 3 美分成本达到了约 50 分的智能水平，凸显极致性价比。
• 开源模型横向对比：在具体的游戏生成等任务实测中（@mustafamhus），DeepSeek V4-Flash 虽然成本极低，但在得分上依然落后于 Kimi K3（9.5/10，花费 $0.0740）和 GLM 5.2（9/10，花费 $0.0480），表明单纯追求成本下降并不能完全替代模型间的综合能力竞争。

2026-08-01 ~ 2026-08-03 · 17 条相关

事件全程(共 15 集)→

• 第 1 集:DeepSeek-V4-Flash架构曝光：主打百万上下文(2026-07-31,3 条)
• 第 2 集:Unsloth发布DeepSeek V4 Flash 0731量化版，支持本地部署(2026-07-31,6 条)
• 第 3 集:DeepSeek配华为芯推理利润率反超OpenAI(2026-08-01,2 条)
• 第 4 集:DeepSeek-V4-Flash前端编码惊艳，性价比远超同档模型(2026-08-01,3 条)
• 第 5 集:DeepSeek V4前瞻：Flash引入四级推理强度(2026-08-01,2 条)
• 第 6 集:DeepSeek历代模型训练算力成本大幅下降(2026-08-01,2 条)
• 第 7 集:DeepSeek V4-Flash API公测，Agent能力大幅提升(2026-08-01,5 条)
• 第 8 集:DeepSeek V4-Flash成本低105倍引热议，稳定性与基准过拟合存疑(2026-08-01,17 条)
• 第 9 集:DeepSeek V4 Flash 本地部署潮(2026-08-01,26 条)
• 第 10 集:DeepSeek V4 Flash 量化实测：低精度版本大幅提速且无损质量(2026-08-04,2 条)
• 第 11 集:单卡RTX 5090成功跑满DeepSeek百万上下文(2026-08-04,2 条)
• 第 12 集:DeepSeek-V4-Flash 登顶性价比前沿，运行成本远低竞品(2026-08-05,4 条)
• 第 13 集:DeepSeek V4 Flash跑分曝光，性能反超Pro版(2026-08-05,3 条)
• 第 14 集:DeepSeek V4 Flash登顶ARC-AGI性价比，成本仅GPT-5.6四分之一(2026-08-08,9 条)
• 第 15 集:实测双机集群运行 DeepSeek V4 Flash 完美通过 22 项编码测试(2026-08-10,2 条)

• 【源头】DeepSeek-V4-Flash 评测翻车：得分与成本均不敌 Kimi K3 — kms_dev · 2026-08-01
• DeepSeek V4-Flash以105倍低成本完成基准任务，但单token低价或误导 — cephaloform · 2026-08-02
• DeepSeek V4-Flash推理成本骤降百倍，被指迎来2.0时刻 — AravSrinivas · 2026-08-02
• DeepSeek完成同任务成本仅为竞品1/105 — JosephJacks_ · 2026-08-02
• 【源头】DeepSeek V4-Flash 基准测试成本仅为 Fable 的 1/105 — zainhas · 2026-08-02
• 【源头】DeepSeek V4-Flash 逼近 Fable 5，AI 竞争转向性价比 — mustafamhus · 2026-08-02
• Kimi K3 与 GLM 5.2 实测：DeepSeek V4 Flash 便宜 150 倍 — mustafamhus · 2026-08-02
• DeepSeek V4 Flash发布：AI推理成本“便宜到无法计量” — intellectronica · 2026-08-02
• DeepSeek V4 Flash 与 OpenAI Luna 同价位实测对比 — eyishazyer · 2026-08-02
• 测试框架决定模型成绩：DeepSeek V4 Flash 实测引争议 — PMinervini · 2026-08-03
• 实测 DeepSeek V4 Flash:能力比肩竞品且成本降 34 倍 — mattturck · 2026-08-03
• DeepSeek V4-Flash跑分逼近GPT-4o，社区批基准测试已严重过拟合 — rickasaurus · 2026-08-03
• DeepSeek定价被指价格屠夫：3美分性能比肩50分智能 — sven_ai · 2026-08-03
• DeepSeek V4-Flash评测：Max级算力才追平Grok，但单次成本极低 — teortaxesTex · 2026-08-03
• DeepSeek V4 Flash实测：选错测试框架会疯狂烧Token — teortaxesTex · 2026-08-03
• DeepSeek-V4-Flash 曝光：输入$2输出$6，单卡3090即可跑 — Boring_Aioli7916 · 2026-08-03

另有 1 条近重复转述:mustafamhus