AREX Feed Article
DeepSeek V4-Flash 正式发布：Agent 基准全线反超旗舰，单任务成本$0.03引爆"死亡区"定价讨论
2026年7月31日，DeepSeek 将 V4-Flash 从预览版升级为正式公测版本（DeepSeek-V4-Flash-0731）。这款 284B 总参/13B 激活的 MoE 模型以 MIT 协议开源，通过纯后训练（无架构改动）在全部9项官方 Agent 与编程基准上反超了自家旗舰 V4-Pro-Preview。官方推文浏览量超过880万，社区已在消费级硬件上成功运行，Fortune 与 Financial Post 则据此提出"DeepSeek 死亡区"概念——定价更高或同价更弱的模型将面临生存危机。
事件：一次纯后训练的 Agent 能力跃升
7月31日 UTC 06:56，DeepSeek 官方 X 账号发布 V4-Flash 正式版公测消息，称其 Agent 能力"远超 V4-Pro-Preview"。同日，MIT 许可的模型权重在 Hugging Face 上线，Codex 原生适配到位，Responses API 格式获得原生支持。API 调用方式保持不变——仍使用 deepseek-v4-flash 标识符，用户无需改动代码即可获得新版本。
DeepSeek 明确表示，此次更新仅重跑了后训练阶段，模型架构和参数量与预览版完全一致。V4-Pro 预览版和 App/Web 端模型此次均未更新，官方 Pro 正式版"将尽快发布"。
自测基准：Flash 全面压制 Pro 预览版
DeepSeek 在模型卡片中公布了9项 Agent 基准分数，Flash-0731 在所有项目上均超过 V4-Pro-Preview。以下为核心对比（均为 DeepSeek 自报数据）：
| 基准 | Flash-0731 | Flash 预览 | Pro 预览 | Opus 4.8 |
|---|---|---|---|---|
| Terminal-Bench 2.1 | 82.7 | 61.8 | 72.1 | 85.0 |
| DeepSWE | 54.4 | 7.3 | 12.8 | 58.0 |
| Cybergym | 76.7 | 38.7 | 52.7 | 83.1 |
| Toolathlon-Verified | 70.3 | 49.7 | 55.9 | 76.2 |
| NL2Repo | 54.2 | 39.4 | 38.5 | 69.7 |
关键限制： Agent 基准均使用 DeepSeek 自研 Harness 框架（尚未公开发布）在 minimal 模式下运行，温度 1.0、top_p 0.95。Agent 分数对评测框架高度敏感，独立复现结果可能偏离官方数据。DSBench-FullStack 和 DSBench-Hard 为内部测试集，不可与第三方直接比较。
独立评测：Artificial Analysis 确认智力跃升
第三方评测机构 Artificial Analysis 对0731版本进行了独立测试，关键结论：
- Intelligence Index 50，较4月预览版提升10点，反超 V4-Pro（44）6个点
- 追平 Gemini 3.6 Flash（Intelligence Index 50），距 GPT-5.6 Luna（max）仅差1点
- GDPval-AA v2（真实工作 Agent 任务）Elo 从 1189 跃升至 1559
- Terminal-Bench 2.1 达 79%（+17个百分点），与 DeepSeek 自报的 82.7 趋势一致
- 幻觉率下降 12 个百分点，但整体仍偏高（Forbes 引用数据显示约 84% 幻觉率）
定价与"死亡区"
V4-Flash 定价维持预览版水平：
| 计费项 | V4-Flash | V4-Pro 预览 |
|---|---|---|
| 输入（缓存未命中） | $0.14/百万 token | $0.435/百万 token |
| 输入（缓存命中） | $0.0028/百万 token | $0.003625/百万 token |
| 输出 | $0.28/百万 token | $0.87/百万 token |
缓存命中价格仅 $0.0028，为输入价的 98% 折扣——Artificial Analysis 称这是行业内最激进的缓存策略。对于反复发送系统提示和工具定义的 Agent 工作流，实际成本远低于标价。
Artificial Analysis 实测单次 Intelligence Index 任务成本约 $0.03，对比 Claude Fable 5 的 $3.15（约 105 倍差距）和 Opus 5 的 $1.86。
Financial Post 8月4日报道据此提出"DeepSeek 死亡区"（DeepSeek death zone）概念：在 Artificial Analysis 广泛流传的性价比图表上，V4-Flash 划定了一条残酷边界——定价高于它且能力不显著更强的模型，将极难在开发者市场立足。报道引用上海咨询公司 ZenGen Labs 创始人 Dermot McGrath 的话称："V4-Flash 真正改变的是 Agent 工作负载的经济学。"
Forbes 8月3日以"105倍便宜于 Fable 5"为题报道，同时警告 V4-Flash 在知识准确性任务上的局限——高幻觉率使其不适合关键企业场景。
社区部署：从 DGX Spark 到 RTX 3060
开放权重和 MIT 许可已引发社区广泛自部署：
- DGX Spark：社区已在单台 DGX Spark 上成功运行完整 V4-Flash（NVIDIA 开发者论坛讨论）
- 双 RTX 3060 + 96GB RAM：Reddit 用户报告 IQ2_M 量化版本约 3.5 tok/s，约 90 分钟推理
- Unsloth 提供动态 GGUF 量化：无损 8-bit 版本 162 GB，3-bit 版本 103 GB，需约 110 GB 总内存
- DeepSeek 推荐：vLLM 在单节点 4×GB300 上以全精度服务
- 纯 CPU 推理方案也在社区中传播
实际意义与限制
"廉价层即强力层"正在改写 Agent 经济学底线。 开发者无需在高性能和高性价比之间二选一——Flash 在 Agent 任务上同时提供了更强性能和更低成本。这一格局使依赖高价差获利的闭源模型面临前所未有的定价压力。
然而，多项限制不容忽视：
- Agent 基准的跨框架可移植性未经验证，独立评测结果可能低于官方数据
- 复杂规划能力仍被认为弱于 Claude Opus 4.8 等前沿旗舰，更适合执行层而非架构层
- 幻觉率虽有改善但仍偏高，知识密集型场景建议配合 RAG 或继续使用 V4-Pro 预览版
- 峰值时段 2× 定价政策已预告但尚未生效（北京时间 09:00–12:00、14:00–18:00）