DeepSeek 推出輕量級大型語言模型 DeepSeek-V4-Flash-0731，將其從預覽版升級為正式版。總參數 284B、推論時啟用 13B、脈絡長度 100 萬 token 的結構維持不變，動到的只有後訓練階段。即便如此，代理（agent）類基準測試的成績已經超越規模更大的 V4-Pro 預覽版。權重以 MIT 授權釋出。
※1 美元 = 157 日圓（截至 2026 年 8 月 1 日）
架構原封不動，重做的是後訓練
這次更新首先要留意的是模型骨架沒有更動。DeepSeek 在模型卡中明確寫出，架構與規模和預覽版一致，效能提升來自重新執行的後訓練，而不是全新設計。
V4-Flash 是總參數 284B 的 MoE（混合專家）模型，每個 token 只啟用 13B。每個 MoE 層由 1 個共享專家與 256 個路由專家組成，中間維度為 2048，每個 token 會觸發 6 個路由專家。前 3 個 MoE 層則改用雜湊路由。
注意力機制採混合設計，結合壓縮稀疏注意力（CSA）與高壓縮注意力（HCA）。一般的殘差連接由流形約束超連接（mHC）取代，擴展係數為 4，Sinkhorn-Knopp 迭代 20 次。預訓練使用超過 32 兆 token，最佳化器為 Muon。
另外要澄清一點，Hugging Face 上的儲存庫顯示參數量為 304B。那是因為在 284B 基座之外還附上了推測解碼的草稿模組 DSpark，模型本體並沒有變大。
代理指標反超上位模型的預覽版
成長幅度最明顯的是程式撰寫與代理領域。評估終端機操作的 Terminal Bench 2.1 上，成績從預覽版的 61.8 一舉拉到 82.7。上位的 V4-Pro 預覽版為 72.1，等於輕量版反超了大模型。
針對軟體開發任務的 DeepSWE 落差更大，從 7.3 提升到 54.4，改善超過 7 倍。此外 DeepSeek 也提出內部測試集 DSBench-FullStack 68.7、DSBench-Hard 59.6 的數值。
第三方評價同樣往上。基準彙整網站 Artificial Analysis 將 V4-Flash-0731 的 Intelligence Index 評為 50，比先前的 V4-Flash 高出 10 分。
不過把公布的數字照單全收並不妥當。DeepSeek 自己註明，程式代理類任務是在該公司 DeepSeek Harness 的最小模式下執行，而這套 harness 尚未公開。代理評測的結果會隨 harness 的寫法而變動，最好抱著要在自己環境重新量測的前提來看。
輸出單價約為上位模型的三分之一
API 價格維持不變，划算的程度相當突出。deepseek-v4-flash 的輸入在快取未命中時為每 100 萬 token 0.14 美元（約 22 日圓），快取命中時為 0.0028 美元（約 0.4 日圓）；輸出為每 100 萬 token 0.28 美元（約 44 日圓）。同時執行數上限設為 2,500。
作為對照，上位的 deepseek-v4-pro 輸出為每 100 萬 token 0.87 美元（約 137 日圓）。V4-Flash 的輸出單價約為其三分之一。代理迴圈會大量吃掉輸出 token，這個差距會直接反映在營運成本上。對沒有 GPU 預算的個人開發者或企業內部平台團隊而言，這是一個可以放心讓代理持續運轉的價格帶。
在介面層面，deepseek-v4-flash 已原生支援 Responses API 格式，也完成了對 Codex 的適配。至於 V4-Pro 的 API 以及 App 版與網頁版模型，這次並不在更新範圍內。
自行架設需要 100GB 以上記憶體
權重採 MIT 授權且無需申請權限，商用地端部署的條件已經齊備。但硬體門檻完全是另一回事。
雖然每個 token 只啟用 13B，256 個專家卻全部常駐在記憶體中。vLLM 提供的建議組態是在搭載 4 張 GB300 的單一節點上提供服務。若走量化路線，Unsloth 的動態 GGUF 中無損 8 位元版為 162GB、3 位元版為 103GB，需要 RAM 與顯示記憶體合計約 110GB。
換句話說，自行架設實際可行的對象，只有擁有推論叢集的中大型企業，或是能備妥一台高規格工作站並接受積極量化的情況。這並不是能在筆電上隨手跑起來的模型。
導入前值得先掌握的細節
實作時容易卡住的地方也有幾處。首先，這個模型沒有 Jinja 格式的對話樣板。DeepSeek 改為附上 encoding/ 資料夾，提供 encode_messages 與 parse_message_from_completion_text 兩個函式。以樣板為前提的既有程式碼需要改寫。
推論深度透過 reasoning_effort 控制，可選 low、high、max 三段。在 high 與 max 之下，輸出最長可延伸到 384K token。取樣方面官方建議代理用途使用溫度 1.0、top_p 0.95，其他情況兩者皆為 1.0。
要啟用隨附的 DSpark，只需在 vLLM 端傳入 1 個旗標。
--speculative-config '{"method":"dspark","num_speculative_tokens":7,"draft_sample_method":"greedy"}'
DSpark 論文指出，在總吞吐量相當的條件下，與 MTP-1 基準相比單一使用者的生成速度快 60% 至 85%。這直接影響使用時的體感速度，自行架設時值得一開始就打開。
總結
DeepSeek-V4-Flash-0731 沒有改動設計，只重組了後訓練，就把代理與程式撰寫的成績大幅拉高。輸出單價落在上位版本的三分之一左右，權重也以 MIT 授權開放。另一方面，公布的分數是由廠商自己在未公開的 harness 上量測，自行架設還需要 100GB 以上的記憶體。若要評估導入，先用自己的任務跑一輪評測會是合理的起點。
