Gemini flash 3.5 昨晚发布，现已可用。 - 模型效果大幅超越 3.1 Pro，指标和 gpt 5.5 接近，比 gpt5.5 好的是 Agentic 和 多模态。 - 价格只要 gpt5.5 的三分之一，缓存价格只要六分之一。 - API 定价 $1.50 / $9.00 per 1M token(输入/输出)，缓存 输入 $0.15。上下文窗口 1M token。 - 速度极快，是其他旗舰模型的4倍，非常适合 Agent 使用。 官方介绍地址：

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。

吴说获悉，Flash Rescue 联合创始人 Darcy 披露，面向中国受害人的资金盘项目 ODY 于 7 月 28 日增发 100 亿枚代币，并从交易池取走约 1500 万 USDT。目前其追踪到的 ODY 关联归集资金至少为 15,669,118 USDT，且同一主归集地址此前曾接收 KXG 钱包转入的 5,383,428 USDT，Darcy 据此认为 ODY 与 KXG 存在共用资金归集地址的情况。其称目前已知受害者超过 1 万人，案件已进入调查阶段。

OMP Agent × DeepSeek V4 Flash 用了一周， 说各直观感受： 速度快到来不及切窗口， 感觉要起飞了 ， 比技师打飞机还爽 刚才让它剪一个 4 分钟的终端录屏：自己分析帧差异、识别活跃段、算分段倍速、调 ffmpeg 参数、渲染导出。全程 3 个来回，2分钟 出片。 以前这种活我要开剪辑软件拖半天。 现在 OMP agent 干完了，我连半杯咖啡都没喝完。

推出 Velvet Flash 0.1（面向 Velvet-1）：更小、更专精、更出色 今天，我们正式发布 Velvet Flash 0.1——这是我们内部自研的、专为安全可靠的加密操作而设计的任务专用型 40 亿参数模型。 @Velvet_Capital 我们打造 Velvet Flash，是为了处理通用模型往往难以胜任的加密交互场景。它需要理解用户意图、选择正确的平台指令、准确提取参数、识别风险请求，并在任何涉及资金的操作前进行确认。一个模型必须做到精准、一致且安全。 在我们的加密技能基准测试中，Velvet Flash 以 50 分的综合成绩排名第一。Qwen3.5-27B 得分为 45，DeepSeek-V4 为 40，Llama-3.3-70B 为 32，Gemma-4-31B 为 31，Mistral-24B 为 20。尽管 Velvet Flash 仅有 40 亿参数，却取得了最高分，其参数规模比它所超越的多个模型小 6 到 17 倍。 该基准测试评估模型作为安全加密操作员的表现。每个模型会收到一份平台技能文档和一条自然语言请求。模型必须选择正确的指令，提取金额、代币、链和接收地址等参数，在执行任何涉及资金的操作前进行确认，并针对诈骗、错误链或风险请求发出警告。 训练成果最清晰的证明，来自 Velvet Flash 与其未训练的基座模型之间的差异。基座模型得分为 23，而 Velvet Flash 得分为 50。这意味着任务专用训练使得综合得分提升了一倍以上。 该模型还在五个能力维度上进行了评估：安全性、覆盖面、稳健性、路由能力和清晰度。安全性从 28 提升至 61，稳健性从 26 提升至 53，清晰度和用户体验从 22 提升至 52，路由能力从 30 提升至 47，覆盖面从 12 提升至 34。 安全性结果对我们来说最为重要。在金融产品中，模型必须知道何时继续、何时要求澄清、何时警告用户、何时不采取行动。它必须正确解析金额、保护敏感信息、识别可疑请求，并避免在未经确认的情况下转移资金。这些行为并非产品的次要功能。 一些较大的模型在个别平台上表现更优。Qwen3.5-27B 和 Llama-3.3-70B 在 Minara 上得分更高，而 Qwen 在 Binance Spot 上的表现也更好。 模型质量只是故事的一部分。一个 40 亿参数的模型比 270 亿、310 亿或 700 亿参数的模型部署和服务成本更低、更简便。它可以提供更低的延迟，所需基础设施更少，并让我们对部署和迭代拥有更大的控制权。Velvet Flash 部署在我们自己的基础设施上，这使我们能够围绕产品需求优化整个系统，而不是依赖通用模型作为外部黑盒。 该基准测试使用了涵盖 Minara、Binance Spot、OKX DEX、Uniswap、GMX 和 MetaMask 的六个核心平台。更广泛的 Velvet 评估涵盖 31 个平台，包括中心化交易所、钱包、DEX、DeFi 产品和交易工具。所有模型均接收相同的输入、相同的保留测试场景，并由同一个独立的评判系统进行评分。响应在五个加权维度上进行评分，并额外设置安全门控，用于检测诸如未经确认转移资金或错误解析金额等失败情况。 Velvet Flash 0.1 是该模型的第一个版本。我们将继续扩大平台覆盖范围、改善困难边缘情况、强化安全行为，并优化复杂多步骤工作流的性能。 更广泛的目标是建立内部能力，以打造更安全、更快、更便宜，且与所服务产品更契合的专用模型。

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。

deepseek V4 flash 便宜是真便宜，但是不能识别图片，还有点幻觉， 对程序理解的幻觉就像 你对一个年轻人介绍你的程序的时候 刚介绍了两句，他说他懂了 然后你让他说说自己 理解 他说的貌似有点道理，但是不你的程序