专题 · FULL STORY

DeepSeek V4 Flash：低价开源引发实测热潮

DeepSeek V4 Flash 模型正式开源并发布，凭借极低的使用成本和比肩顶级闭源模型的性能引发社区实测热潮。该模型迅速登顶各大平台调用量榜首，在多项基准测试中展现出惊人的性价比。

2026-07-31 ~ 2026-08-08 · 6 集 · 168 条

第 1 集 · DeepSeek V4 Flash实测：低成本高性能引发社区热议(2026-07-31,33 条)

DeepSeek-V4-Flash-0731 发布后，凭借极低的使用成本和比肩顶级闭源模型的性能，在开发者社区引发大量实测。数据显示该模型智能指数达到 50 分，追平 Gemini 3.6 Flash，实际任务能力接近 Claude 3.5 Sonnet。在多项复杂任务实测中，它以极低的 token 消耗证明了开源模型在当前 AI 价格战中的绝对性价比优势。

已确认

  • 性能跑分：据 Artificial Analysis 测评数据，DeepSeek V4 Flash (0731) 取得 50 分，追平 Gemini 3.6 Flash，接近 2026 年 3 月创下的 51 分最高纪录。@bindureddy 指出其实际任务能力接近 Claude 3.5 Sonnet。
  • 成本碾压优势：@teortaxesTex 指出，虽然 GPT-5.6 Luna 输入价格低廉，但其输出 token 价格（$1.20/M）远高于 DeepSeek（$0.28/M）。@autooff 以每月 70 亿 token 估算，Luna 约需 250 美元，DeepSeek 仅为其三分之一。@zainhas 的对比数据表明，单任务成本 DeepSeek 为 $0.03，Luna 为 $0.07，便宜 2.3 倍。@Hesamation 也补充，即便 Luna (max) 经历 80% 降价，DeepSeek V4 Flash 依然几乎等同于免费。
  • 编程与 3D 任务：@cedricchee 在 Codex CLI 中测试 248B 参数的 DeepSeek-V4-Flash 生成 3D 体素宝塔花园，耗时 10 分钟仅花 0.07 美元；另一次 37 次 API 请求的测试耗时 17 分钟，消耗约 379 万 token，仅花费 0.04 美元。@Arindam1729 用其编写 3D 贪吃蛇游戏，3 次迭代完成，总成本不到 1 美元。@Teknium 也转发了单次复杂 Agent 任务耗时 32 分钟仅花 0.07 美元的测试。
  • 多模态与安全测试：@teortaxesTex 在同价位测试中，DeepSeek V4-Flash 在三项 Canvas 渲染测试中胜过 GPT-5.6 Luna。但在网络安全 CVE 基准测试中，DeepSeek Flash v4 找回 24/32 个 CVE（pass@3 召回率 75%），性价比仍逊于 Luna。
  • 推理速度：@benburtenshaw 报告该模型在推理端点可达 400 tokens/s 生成速度，租用成本仅 10 美元/小时。
  • 本地部署：多位开发者分享了本地运行经验。@AmbitiousFold2874 使用 4 张 5060 Ti (16GB) 搭配 DDR4 3200 内存，在 128k 上下文下运行；@LegacyRemaster 使用 RTX 6000 (96GB) 与 W7800 (48GB) 混合算力运行 Q3KXL 量化版；@Different-Pickle1021 在 A100 (40GB) 上使用 Q8KXL 量化（162GB）并将专家层卸载至 CPU，生成速度约 15.8GB 显存占用；@Nyghtbynger 在 200K 上下文中测试，模型保持连贯性；@xjdr 指出提示词格式和工具调用怪癖可能引发集成问题；@zephyrz9 在 M3 Ultra Mac Studio (512GB) 上达到 40 tok/s；@Fit-Produce420 在 AMD Strix Halo 上支持约 64K 上下文，速度约 35 tok/s；@akhaliq 转发使用 7 张 3090 运行 Q8 量化版。

尚未确认

  • 部分为开发者个人实测，未提供完整复现细节，结果可能因任务具体设定而异。
  • 关于 DeepSeek V4 Flash 与 Luna 的智能评分（50 vs 51）来自 @zainhas 与 @joorklee 的引用，但未说明具体评测方法。

为什么重要

DeepSeek V4 Flash 以极低的价格提供了接近甚至超越部分闭源模型的能力，大幅改变了 AI 服务的成本结构。在 OpenAI 等厂商发起降价战的背景下，该模型不仅对头部厂商构成了实质性的竞争压力，也为开发者提供了极具性价比的平替方案。

还有 13 条相关讨论 →

第 2 集 · DeepSeek V4-Flash 发布：Agent 能力跃升，开源且极致低价(2026-07-31,100 条)

7月31日，DeepSeek 正式发布 V4-Flash 模型 API 并同步在 Hugging Face 开源模型权重。本次更新未改变模型架构，主要通过重新后训练大幅提升了 Agent 能力，多项基准测试得分超越前代 V4-Pro-Preview，并以极具竞争力的定价提供比肩旗舰模型的性能，引发社区热议。

已确认

  • API与架构：DeepSeek-V4-Flash 正式版 API 已开放公测。模型采用 MoE 架构，支持100万 token 上下文，原生支持 OpenAI Responses API 格式，全面适配 Codex 并推出一键配置脚本。官方澄清本次升级仅限 V4-Flash API，V4-Pro API 及 App/Web 端保持不变，V4-Pro 正式版即将发布。
  • Agent能力跃升：官方确认 Agent 能力大幅提升，TerminalBench2.1 得分82.7（较4月预览版暴涨25.8分），Cybergym 76.7，Toolathlon 70.3，DeepSWE 54%。在 Artificial Analysis 智能指数中获得 50 分，较前代跃升 10 分，反超自家 V4-Pro 6 分，逼近 GPT-5.6 Luna 与 GLM-5.2。
  • 开源与生态：DeepSeek 在 Hugging Face 发布了 DeepSeek-V4-Flash-0731 权重，采用 MIT 协议，支持8-bit 与 fp8 精度。Hugging Face 工程师 Victor Mustar 部署了免费公共推理端点，无需 token 即可调用。编码工具 Cline 已率先集成该模型。
  • 极致性价比：该模型定价极具竞争力，输入价格仅 $0.11 每百万 token，输出价格 $0.27。据网友对比，其成本仅为 Kimi K3 的五十分之一或 Gemini 3.6 Flash 输出价格的三十分之一。

尚未确认

  • DeepSWE 编程榜单成绩目前主要由 DeepSeek 单方面宣称，发帖人强调尚未得到独立第三方完全验证。

为什么重要

  • V4-Flash 通过重新后训练实现 Agent 能力跨越式提升，为开发者提供更强大的任务执行与工具调用模型。其原生兼容 Codex、开源权重及极具竞争力的成本优势，进一步降低了智能体开发门槛，被部分观察者视为又一次“DeepSeek 时刻”。

还有 80 条相关讨论 →

第 3 集 · DeepSeek V4 系列引热议：Flash 性能暴涨与 Pro 规模之争(2026-07-31,3 条)

AI 社区近期热烈讨论 DeepSeek V4 系列。有观点推测 V4-Flash 性能大幅提升，可能得益于更强大的 V4-Pro 充当强化学习教师模型。同时，业界也在探讨模型规模与能力的关系，关注约 300B 参数的 V4-Pro 能否凭借更强的基座击败 2.8T 参数的新模型，以及评估饱和对模型进步的潜在限制。

第 4 集 · DeepSeek V4 Flash登顶OpenRouter，成本仅为竞品百分之一(2026-08-03,14 条)

DeepSeek V4 Flash（0731版本）正式上线后迅速登顶OpenRouter平台调用量榜首，单日Token消耗量据称超8万亿。多家独立评测机构的数据显示，该模型以远低于同档竞品的成本拿下了接近顶级的成绩，正在把大模型竞争的主轴从“单次智力比拼”推向“长任务性价比计算”。这被视为国产模型对全球闭源定价体系的一次正面冲击。

已确认

  • 基准成绩：据@teortaxesTex转述WeirdML评测，DeepSeek v4 Flash（0731）以57.1%和63.0%的成绩打破成本与准确率的SOTA纪录，超越近期刚降价的GPT 5.6 Luna；评测者同时指出分数略低于预期，但更看好其Agent潜力。
  • 成本对比：独立评测机构Artificial Analysis数据显示（经@SirBoboGargle转述），在复杂真实世界工作负载中，使用DeepSeek V4 Flash的成本仅约0.03美元，而Claude Fable 5高达3.15美元，约为后者的百分之一。@ImaginaryDinner2710也指出，其成本比Anthropic Opus 5便宜100倍。
  • Vals榜单：据@zephyrz9引用Vals Index的结果，DeepSeek V4 Flash（0731）是榜单上首个得分超过60的最低价模型，比下一个最优模型便宜约35倍，且这一成本优势几乎全部来自其代码能力。
  • 调用量与迁移：@APPSO、@创业邦等报道，该模型已登顶OpenRouter调用量榜首，单日Token消耗超8万亿；国产模型总调用规模连续多周超越美国闭源模型总和，大量海外开发者主动将生产环境迁移至该模型。
  • 价格具象化：据@量子位转述，运行一局3D射击游戏约7分钱、一局CS约5毛钱，且海外中间商仍在叠加补贴，甚至出现1美分级别的报价。@FuSheng0306测算重度用户一周成本约30元。
  • 降本实践：@PrajwalTomar指出，许多开发者习惯在所有任务上使用昂贵的旗舰模型导致账单高企，而廉价开源模型效果不佳；通过在现有工具链中接入成本仅为旗舰模型五十分之一的DeepSeek V4 Flash，可有效平衡成本与性能。

为什么重要

  • @FuSheng0306将该模型比作AI时代的福特T型车，强调其极限性能未必登顶，但“刚好够用且人人用得起”。V4 Flash用极低价格和出色的代码、Agent能力，为开发者提供了远更具经济效益的选择，定义了市场的“斩杀线”。当成本降到竞品的数十分之一，Agent时代“长任务、多轮调用”的经济模型被重新定义——这已不再只是性能竞赛，而是一场算账竞赛。

第 5 集 · DeepSeek-V4-Flash发布并全面登陆各大平台(2026-08-06,4 条)

DeepSeek发布最新开源权重模型DeepSeek-V4-Flash-0731，拥有304B参数，性能超越更大体积模型。该模型已全面上线Ollama云端及engy.ai等平台，输出速度超120 tps。其API定价极具竞争力，输入与输出成本比官方及同级模型低30%至68%，主打高效与前沿性能。

第 6 集 · DeepSeek-V4 Flash实测：成本仅Luna六分之一，性能达八成(2026-08-07,14 条)

开发者zainhas基于DeepSWE基准对DeepSeek-V4 Flash 0731与GPT-5.6 Luna进行了软件工程任务实测。核心结论是DeepSeek性价比极高：单任务成本仅$0.10，约为Luna($0.60)的1/6，准确率达Luna的80%(53.3% vs 67.2%)。通过并行多次尝试或与Luna级联的策略，DeepSeek可追平甚至超越Luna，同时大幅降低成本。该对比为开发者选择模型提供了重要参考，凸显了低成本模型在软件工程场景的潜力。

已确认

  • 成本与准确率：DeepSeek每任务$0.10，Luna为$0.60，相差约5-6倍；准确率DeepSeek 53.3%，Luna 67.2%，Luna仅高约14个百分点。DeepSeek端到端耗时23分钟。
  • 多次尝试效果：DeepSeek经济性允许并行多次尝试，2次尝试(pass@2)准确率81.6%(成本$0.20)，4次达90.3%；Luna相应为70.1%和80.5%。
  • 级联策略：先用DeepSeek处理，验证失败时升级到Luna，准确率78.9%，成本$0.385，比Luna单模型(67.2%，$0.61)成本降37%(即Luna成本的63%)，准确率提升11.7%。
  • 任务重叠：两者共同解决87个任务，Luna独解15个，DeepSeek独解仅4个，相关性0.50。
  • 领域表现：Luna在7/8个领域胜出，在程序分析(69-33)、并发(70-38)、运行时内部(86-59)等难题上领先约30分；DeepSeek仅在查询与配置(78-70)上占优。DeepSeek在JavaScript上表现崩溃(35-60)，Python较弱(49-65)，Rust(55-60)和Go(62-79)尚可。
  • 失败模式：DeepSeek回归破坏率9%，Luna为15%，DeepSeek失败更优雅，而价格更高的模型反而更需要回归测试来防护。

尚未确认

  • 具体测试环境、任务集细节及模型版本信息未在帖子中完整披露。

为什么重要

该实测为开发者提供了明确的成本-性能权衡依据：在预算敏感场景下，DeepSeek-V4 Flash凭借极低成本和可接受的准确率成为高性价比选择；而通过多次尝试或级联策略，可在不显著增加成本的情况下达到甚至超越顶级模型。这有助于推动大模型在软件工程领域的更广泛应用。