DeepSeek V4 Flash 0731，限时3折优惠！ 输入：$̶0̶.̶1̶4̶ $0.042 / 百万 Token 缓存：$̶0̶.̶0̶3̶ $0.009 / 百万 Token 输出：$̶0̶.̶2̶8̶ $0.084 / 百万 Token API 稳定，轻松接入，依托 NVIDIA 加速计算基础设施，高效推理。 数据全隔离、全程不落盘、绝不用于训练。全方位保障用户隐私合规。

DeepSeek V4 Flash 0731，限时3折优惠！ 输入：$̶0̶.̶1̶4̶ $0.042 / 百万 Token 缓存：$̶0̶.̶0̶3̶ $0.009 / 百万 Token 输出：$̶0̶.̶2̶8̶ $0.084 / 百万 Token API 稳定，轻松接入，依托 NVIDIA 加速计算基础设施，高效推理。 数据全隔离、全程不落盘、绝不用于训练。全方位保障用户隐私合规。

DeepSeek V4 Flash 0731：推理能力追上大厂，成本却只要 4 美分 DeepSeek V4 Flash 0731 在在抽象推理测试中达到 61.4% 准确率（ARC-AGI-2），每次任务成本 4 美分，比 OpenAI、Anthropic 等闭源模型便宜 10 倍以上。 这验证了一个关键判断：开源模型通过"推理时计算"路线，正在用更低成本逼近大厂性能。

这次 DeepSeek V4 Flash 0731 的价格一出来，我想了一下，感觉昨天刚降价的 GPT-5.6，好像又贵了🙃。 OpenAI 前一天刚把 GPT-5.6 Luna 降价 80%，现在是每百万 Token 输入 0.2 美元、输出 1.2 美元；Terra 也降了 20%，来到 2 美元和 12 美元。 结果 DeepSeek Flash 的官方 API 价格依然只有输入 1 元、输出 2 元人民币，缓存命中更低至 0.02 元。 更关键的是，这次 Flash 的定位已经不只是「便宜模型」。在 DeepSeek 公布的 Agent 和 Coding 基准里，它超过了 V4 Pro Preview，Terminal-Bench 2.1 达到 82.7，DeepSWE 达到 54.4，部分成绩已经接近 Opus 4.8。虽然这些还是官方数据，并且使用了 Max 推理和自家的 Harness，独立评测还需要再等等。 我感觉，模型厂商接下来很难再单靠「旗舰能力」维持高价。 Agent 任务调用次数多、运行时间长，Token 价格会直接决定一个产品能不能大规模跑起来。DeepSeek 这种定价，会逼着其他厂商继续降价，或者证明自己在稳定性、工具调用和真实任务成功率上，确实值几十倍的差价。 接下来更有悬念的，是 DeepSeek V4 Pro 正式版会怎么定价。 Flash 已经把能力和价格压到了这里，Pro 还能留下多大的定价空间？

本地运行 DeepSeek-V4-Flash-0731 正式版，真没想象中贵。 你只需要准备这三样东西： 1.一台 1 万出头的 AI 主机 不用机房，放家里就能跑。 2.一张 3080 预填充约 250 tok/s，生成约 14.23 tok/s。 3.约 151 GiB 的模型 跑的是 Unsloth UD-Q8_K_XL，号称无损量化版。 换成 2080 Ti，生成也有 12.26 tok/s。 加到两张 3080，生成反而只有 13.98 tok/s，还没一张快。 整套成本大概 1 万出头。模型已经跑起来了，双卡还得继续调。

DeepSeek 正式把 V4-Flash 官方版（代號 0731）開公測。重點不是模型本身變大，而是 Agent 能力大幅躍升（同一架構、同一尺寸：總參數 284B、激活僅 13B、原生 1M 上下文）。目前只更新了 Flash API，V4-Pro 官方版與 App/Web 還沒動，Pro 官方版「即將」上線。 核心規格與定價（對比優勢最明顯的地方） • 架構：MoE（混合專家），與預覽版完全一樣 • 上下文：1M tokens（最大輸出 384K） • 開源：MIT 全開源權重 • 官方定價（每百萬 tokens）： • 輸入（cache miss）：$0.14 • 輸入（cache hit）：$0.0028（幾乎免費） • 輸出：$0.28 • 並發上限：2500 這價格大約是 Claude Opus 系列的 1/10～1/20，也明顯低於 GLM-5.2。