DeepSeek V4 Flash 正式版上线：
跑分逼近 Opus 4.8，价格却只要几十分之一，Pro 版还要再等等

若你是正在评估 Agent 批处理 API 成本、从 deepseek-chat 迁移到 V4 命名，或在中国开源大模型混战中选型的 AI 开发者与技术负责人，7 月 31 日上线的 DeepSeek V4-Flash-0731 正式版值得优先读懂：参数规模不变（284B 总参数 / 13B 激活），性能提升完全来自后训练，Agent 跑分反超自家更大的 V4-Pro 预览版，价格仅为 Claude Opus 4.8 的几十分之一，而旗舰 V4-Pro 官方版与自研 Agent 框架 Harness 仍未发布。本文覆盖三个月时间线、核心定价表、CSA+HCA 架构与 Harness 拆解、与 Kimi K3 / GLM-5.2 / Qwen3.8-Max 横向对比、跑分争议、「斩杀线」价格战背景、六步迁移清单与 FAQ；可与 V4 满血版 GA 篇、Kimi K3 开源篇、Qwen3.8-Max 发布篇 交叉阅读。定价见 定价页。

[ SECTION_01 ] // TIMELINE 从 4 月预览到 7 月「官方版」：DeepSeek V4 Flash 时间线与五大痛点

• 2026 年 4 月 24 日：DeepSeek-V4 预览版首次发布并开源，含 V4-Pro（1.6T / 49B 激活）与 V4-Flash（284B / 13B 激活），均支持 100 万 token 上下文，MIT 协议。
• 2026 年 7 月 24 日：旧接口 deepseek-chat 与 deepseek-reasoner 正式停用，全部流量切换到 V4 系列命名。
• 2026 年 7 月 27 日：月之暗面 Kimi K3（2.8T 总参数）开源权重上线 Hugging Face，给 DeepSeek 制造竞争压力。
• 2026 年 7 月 31 日：DeepSeek-V4-Flash-0731 正式版进入 API 公测，开源权重同步上线 Hugging Face；changelog 首次点名自研 Agent 框架「Harness」，称即将随 V4 正式版发布。仅限 API，App 与网页端暂未同步。
• 截至 2026 年 8 月 5 日：V4-Pro 官方版仍是「尽快发布」，无官方确认日期；媒体援引未署名消息源称 8 月 10–20 日 GA 窗口——未经 DeepSeek 官方证实，仅供参考。

工程痛点（发稿时仍须正视）：

• 不是新模型，是重训：架构与 4 月预览版完全相同，若团队预期「更大参数 = 更强能力」，选型逻辑需切换到「后训练质量」维度。
• Pro 与 Harness 仍悬空：旗舰 V4-Pro 官方版与 DeepSeek Harness 均未公开发布，Agent 跑分依赖尚未公开的 Harness 极简模式。
• API-only 割裂体验：消费端 App / 网页未同步 0731 构建，生产 API 与日常聊天入口可能版本不一致。
• 跑分对 Harness 高度敏感：Terminal Bench 2.0 等 Agent 类分数官方自己提示不能简单等同于模型通用能力。
• 海外开发者反馈可用性问题：据 21 世纪经济报道援引社区反馈，正式版存在输入缓存命中率偏低、安全分类器偶发超时等细节，与「跑分暴涨」叙事形成反差。

[ SECTION_02 ] // SPECS DeepSeek V4 Flash 正式版核心数据：定价、参数与协议一览

DeepSeek 已预告未来 API 将在北京时间 9–12 点、14–18 点高峰时段2 倍加价，截至发稿未公布具体生效日期。相对 Claude Opus 4.8，据 21 世纪经济报道援引的公开比价，V4-Flash 在缓存未命中输入约便宜 36 倍、缓存命中输入约 179 倍、输出约 89 倍——均为厂商标价，非独立审计。

[ SECTION_03 ] // ARCHITECTURE 后训练如何「变出」性能？架构、Harness 与中国开源六边形混战

架构未变，变的是后训练：V4-Flash-0731 与 4 月预览版参数规模与结构完全相同，官方明确性能提升完全来自重新后训练。284B/13B 的 Flash 在多项 Agent 基准上超过 1.6T/49B 的 V4-Pro 预览版——2026 年下半年竞争焦点正从「堆参数」转向「后训练数据与方法」。

技术报告《DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence》披露三项架构改动（预览版已引入，正式版沿用）：

1. 混合注意力（CSA + HCA）：对外称 DSA 稀疏注意力，降低长上下文计算与显存；
2. 流形约束超连接（mHC）：改进传统残差连接；
3. Muon 优化器：替换传统优化器，提升训练收敛与稳定性。

官方指标（尚未见独立第三方复现）：100 万 token 上下文下，V4-Pro 相对 V3.2 单 token 推理 FLOPs 仅为 27%，KV Cache 占用仅为 10%。

Harness 首次亮相：7 月 31 日 changelog 正式命名 DeepSeek Harness——自研 Agent 执行框架，对标 Claude Code。此前 DeepSeek 模型主要依赖 Claude Code、OpenCode 等第三方工具。官方 Agent 跑分（Terminal Bench 2.0、Toolathlon 等）全部用 Harness「极简模式」测出，且框架尚未公开发布；官方原话：跑分对 harness 选择非常敏感。

反差结论：V4-Flash 在第三方指数上并非最高，甚至落后于 Kimi K3 与 GLM-5.2；但单任务成本约为 Kimi K3 的 1/29、GPT-5.6 Sol 的 1/62、Claude Fable 5 的 1/105。DeepSeek 打的是「够用智能 + 极致价格」，而非「跑分第一」——这也解释预览版为何曾连续七周稳坐 OpenRouter 调用量第一。

争议点（避免过度解读）：

• Terminal Bench 2.0 上 Flash 0731 得 82.7、V4-Pro 预览版 67.9——基于 Harness minimal mode、max 档位、top_p=0.95、temperature=1.0，应视为「厂商 + 特定框架」结果。
• V4-Pro GA 与 Harness 上线时间未经官方证实；融资/IPO 传闻（约 74 亿美元融资、487 亿美元估值等）目前来自财经媒体「据报道」，无监管备案或 DeepSeek 官方确认。
• 中文社区「斩杀线」：DeepSeek「够用性能 + 极端低价」组合迫使友商要么明显更强、要么更便宜——同期 GPT-5.6 Luna 降价 80% 的媒体报道可与此对照。

[ SECTION_04 ] // DEPLOY DeepSeek V4 Flash 六步接入清单：从 API 迁移到 Agent 生产落地

1. 完成模型名迁移：将存量 deepseek-chat / deepseek-reasoner 替换为 deepseek-v4-flash 或 deepseek-v4-pro；OpenAI / Anthropic 兼容客户端通常只需改 model 字段。详见 V4 GA 迁移篇。
2. Flash vs Pro 路由：批量 Agent、代码流水线、成本敏感场景优先 Flash-0731；复杂推理且预算充足可暂用 Pro 预览版，待官方 Pro GA 后再评估切换。
3. 配置 API 端点与 Key：在 DeepSeek 控制台获取 API Key，base URL 指向官方文档端点；发版后请重新打开链接核对。
4. 设计缓存与峰谷策略：长系统 prompt 尽量命中缓存（$0.0028/M 输入）；7×24 Agent 须规划北京时间高峰 2 倍加价窗口（已预告未生效）。
5. Agent 工具链 A/B 测试：在 Claude Code、Cursor、OpenCode 等实际 harness 上对比 Flash 0731 与竞品，勿仅信 Terminal Bench 厂商自报分。参见 7 月 OpenRouter 分层选型。
6. 固化 7×24 macOS Agent 宿主：长时 Harness 类任务须跑在常驻 macOS 节点；笔电合盖 sleep 会中断 OAuth 与批任务。详见 帮助中心 与 订购页。

# OpenAI SDK 兼容示例（发版后请以 api-docs.deepseek.com 核对）
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_DEEPSEEK_API_KEY",
    base_url="https://api.deepseek.com"
)

response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "Summarize MoE post-training gains in one paragraph."}],
    temperature=1.0,
    top_p=0.95
)
print(response.choices[0].message.content)

[ SECTION_05 ] // FACTS_FAQ 可引用硬核数据、行业背景、FAQ 与 7×24 Agent 宿主收束

• 参数不变、后训练增益：284B 总参数 / 13B 激活，架构与 4 月预览版相同（来源：DeepSeek 官方 changelog，2026-07-31）。
• Terminal Bench 2.0：Flash-0731 官方报 82.7 vs V4-Pro 预览 67.9（Harness minimal mode，厂商自报）。
• 百万上下文效率：V4-Pro 相对 V3.2 在 1M token 下 FLOPs 27%、KV Cache 10%（来源：DeepSeek 技术报告，待独立复现）。
• Artificial Analysis：Intelligence Index 50，单任务成本 $0.03（第三方，经财经媒体转引）。
• 上下文窗口：Flash 与 Pro 均为 1M token，MIT 开源权重（来源：Hugging Face 模型卡）。
• 资本市场侧面：7 月 31 日 V4-Flash 正式版上线当天，英伟达、博通、AMD 等算力股未明显波动——与 2025 年初 R1 发布时芯片股集体下跌形成对比。

社区情绪：V4-Pro 迟迟未兑现「7 月中旬全量上线」预期时，中文 AI 社区曾戏称创始人梁文锋「梁白开」；Flash-0731 超预期后又称「梁圣」——戏谑昵称反转本身是观察社区情绪的有趣侧面。

FAQ 精选：

• Q：V4 和 V3.2 最大区别？A：原生 1M 上下文 + 长上下文计算/显存大幅下降 + Agent 专项优化。
• Q：Flash 还是 Pro？A：大规模低成本调用选 Flash-0731；复杂推理且预算足可暂用 Pro 预览版。
• Q：V4 Pro 官方版能用吗？A：截至 8 月 5 日不能，仅 Flash-0731 官方版且 API-only。
• Q：跑分能信吗？A：SWE-bench Verified 等第三方基准较可信；Terminal Bench 等 Harness 依赖分数须等独立复现。
• Q：对开发者实际影响？A：deepseek-v4-flash 自动指向新官方版；旧名须尽快切换。

下列为撰写时依据的公开来源；若上游更新，请以原文为准。

https://api-docs.deepseek.com

https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash

https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro

替代方案的真实缺点（工程视角）：① 在 16GB 笔电上硬跑 284B 级权重或长上下文 Agent，统一内存与磁盘瞬间饱和，API 再便宜也救不了本地硬件天花板；② 笔电合盖 sleep 后 OAuth 过期、Harness 类长时批任务中断，OpenRouter 调用量第一的模型无法完成 7×24 流水线；③ 为验证 DeepSeek Agent 工作流一次性买断高配 Mac Studio，3 个月闲置折旧远高于按周租用——推理应走 API，本地只需稳定 macOS Agent 编排面。

对需要独占 Apple Silicon、7×24 在线、按天/周/月弹性扩容、在 macOS 宿主上稳定跑 DeepSeek V4-Flash API 驱动的 Agent（Claude Code、OpenCode、Cursor 等）与 iOS CI 同机验证的开发者与 AI 自动化团队，NOVAKVM 的 Mac Mini 云端裸金属租赁通常是更优解：六地节点、高内存档位、SSH 直连，把 DeepSeek API 推理与裸金属 macOS 执行面分层——云端极致性价比调用 + 本地 Agent 编排，避免自托管大模型与笔记本 sleep 中断的双重陷阱。请在 NOVAKVM 定价页 对照 M4 Pro 与存储扩容，在 订购页 拉起试验机；远程会话见 帮助中心。