DeepSeek-V4-Flash-0731发布：Agentic与编程能力大幅提升，API公测开启

一句话看懂

DeepSeek于2026年7月31日发布V4-Flash-0731，通过重新后训练而非新架构，大幅提升Agentic和编程能力，API进入公测，价格仅为V4-Pro的三分之一。

详细发生了什么

DeepSeek在Hugging Face上发布了DeepSeek-V4-Flash-0731，并将官方V4-Flash API转为公开测试版。模型卡明确表示，这是取代预览版的正式发布，架构和规模保持不变，性能提升完全来自重新后训练（re-post-training）。检查点附带DSpark投机解码模块，与DeepSeek-V4-Flash-DSpark结构一致。Hugging Face显示仓库总参数为304B，包含284B基础模型和草稿模块。

API方面，deepseek-v4-flash现在原生支持Responses API格式，并适配了Codex。V4-Pro API以及App和Web模型未更新。部署方式有两种：通过API，几乎任何人都可以部署，定价为每100万输入token（缓存未命中）$0.14，缓存命中$0.0028，每100万输出token $0.28，并发限制2500，约为V4-Pro输出价格（$0.87）的三分之一。自托管门槛较高：权重采用MIT许可且无门控，但所有专家常驻内存，尽管每token仅激活13B。DeepSeek的vLLM示例在单个4×GB300节点上运行，Unsloth的动态GGUF提供无损8-bit版本（162GB）和3-bit版本（103GB），需要约110GB的RAM加VRAM。

架构上，V4-Flash是284B参数的MoE，每token激活13B，上下文窗口1M token。每个MoE层有1个共享专家和256个路由专家，中间维度2048，每token激活6个路由专家。前三个MoE层使用哈希路由。注意力机制混合了压缩稀疏注意力（CSA）和重度压缩注意力（HCA），并使用流形约束超连接（mHC）替代传统残差连接。预训练使用超过32T token和Muon优化器。论文中的效率数据（27%的单token推理FLOPs和10%的KV缓存）是针对V4-Pro而非Flash。

基准测试方面，DeepSeek报告的数据显示，V4-Flash-0731在多个Agentic基准上大幅超越预览版和V4-Pro，例如Terminal Bench 2.1得分82.7（预览版61.8），NL2Repo 54.2（预览版39.4），Cybergym 76.7（预览版38.7），DeepSWE 54.4（预览版7.3）。但所有数据均为DeepSeek自行报告，且使用了未发布的DeepSeek Harness最小模式，独立运行结果可能不同。

中文圈视角

国内开发者最关心的是能否用上。API方面，DeepSeek官方API在国内可直接访问，无需梯子，这比OpenAI等海外服务有优势。价格方面，$0.14/1M输入token（缓存未命中）和$0.28/1M输出token，对于个人开发者和初创团队非常友好，可以低成本运行Agent循环。但需要注意，API调用涉及数据出境，对于处理敏感数据的企业，建议使用自托管。

自托管方面，MIT许可且无门控，国内企业可以合规部署。但硬件要求较高，3-bit量化需要约110GB内存，普通工作站可能吃力，更适合有GPU集群的中大型企业。相比之下，国内同类产品如Kimi、智谱GLM在轻量化部署上可能更有优势，但DeepSeek在开源和成本上领先。对于中文用户，V4-Flash的编程能力提升意味着可以用更低的成本完成代码生成、仓库级任务，甚至自动化运维。不过，由于Agentic基准测试的harness未发布，建议国内团队先跑自己的评测再决定是否采用。

几条值得记住的细节

API定价：$0.14/1M输入token（缓存未命中），$0.0028缓存命中，$0.28/1M输出token，并发限制2500。
自托管：MIT许可，无门控，但需要约110GB内存（3-bit量化）或4×GB300节点（全精度）。
架构不变：284B MoE，13B激活，1M上下文，但通过重新后训练提升性能。
基准提升：Terminal Bench 2.1从61.8升至82.7，DeepSWE从7.3升至54.4，但均为厂商自报。
推理配置：DSpark投机解码，推荐temperature=1.0，top_p=0.95，支持最高384K输出token。

一句话总结

V4-Flash-0731以更低价格提供更强Agentic能力，国内开发者可低成本接入API或自托管，但需自行验证基准。