DeepSeek V4 Flash：一百万上下文、13B 激活参数，它为什么能把大模型价格打下来？
DeepSeek V4 Flash 0731 图文解读
为什么一个每次只激活 13B 参数的模型，能把 Agent 性能和价格同时打下来
先别看参数，先看价格
DeepSeek 在 2026 年 7 月 31 日把 DeepSeek-V4-Flash-0731 推到 API 公测。真正让人第一眼停下来的，是它把百万 Token 的价格压到了人民币个位数。
图 1｜按 DeepSeek 中英文官方定价页整理。人民币与美元均为官方列价，并非实时汇率换算。
把数字换成一次真实任务：输入 10 万 Token 的代码和文档，再输出 1 万 Token 的分析结果，按缓存未命中的常规定价计算，大约只要 0.12 元人民币，约 0.0168 美元。即使后续峰时价格按官方预告翻倍，仍然是几毛钱级别。
一句话判断：V4 Flash 的意义不是"聊天更便宜"，而是让长时间运行的编程 Agent、搜索 Agent 和自动化工作流第一次拥有非常低的边际推理成本。
0731 版本究竟更新了什么
这次不是重新训练了一个更大的底座。官方更新日志写得很明确：0731 与 V4 Flash Preview 使用相同的模型架构和规模，主要变化是重新进行了后训练，并强化了 Agent 能力。也就是说，硬件账单没有突然变大，但模型学会了更稳定地使用终端、代码仓库和外部工具。
图 2｜0731 与 Preview 的官方 Agent 基准对比。DSBench 属于官方内部测试，公共基准也使用了指定 Harness 与 max 推理强度。
最夸张的是 DeepSWE，从 7.3 跳到 54.4；Terminal Bench 2.1 从 61.8 提升到 82.7；CyberGym 从 38.7 提升到 76.7。它甚至在官方列出的多项测试中超过了参数更大的 V4-Pro Preview。
但这里必须保持清醒：这些结果来自官方测试配置，部分 Harness 尚未发布，而且 DSBench-FullStack 与 DSBench-Hard 是内部数据集。它说明模型进步很大，不等于任何业务场景都能直接复现同样的提升。
为什么它能又便宜又强
第一层答案是 MoE。V4 Flash 总参数约 284B，但每个 Token 只激活约 13B。可以把它理解成一家拥有大量专业员工的公司：遇到代码问题就叫代码专家上班，遇到数学问题再换另一组专家，而不是每次让全公司一起开会。总知识容量很大，单次计算量却被控制住。
图 3｜DeepSeek-V4 官方总体架构：CSA/HCA 混合注意力、DeepSeekMoE、mHC 与 MTP。来源：官方技术报告 Figure 2。
第二层答案是它不再粗暴地"看完全部历史"。Agent 连续执行几十次工具调用后，最贵的往往不是生成新文字，而是每生成一个 Token 都要重新翻阅前面巨大的上下文。V4 用 CSA 和 HCA 两种注意力交替处理历史信息。
CSA 先压缩，再挑重点
图 4｜CSA：先压缩 KV，再由 Lightning Indexer 选择与当前问题最相关的块，同时保留近期滑动窗口。来源：官方技术报告 Figure 3。
CSA 可以理解为先把长会议记录压成许多摘要块，再让索引器只找出当前问题真正相关的几块。它既减少了需要保存的 KV Cache，也减少了每次注意力计算要扫描的范围。
HCA 把更远的历史压得更狠
图 5｜HCA：对远距离历史进行更高比例压缩，再对压缩后的短序列做稠密注意力。来源：官方技术报告 Figure 4。
HCA 不再精挑细选，而是把很远的历史压缩成极短的全局记忆。近期信息保留细节，远期信息保留轮廓。两种机制交替出现，使百万 Token 不只是"能塞进去"，而是尽可能做到"塞进去后还能用得起"。
图 6｜官方报告中的效率对比：在超长上下文下，V4 Flash 的单 Token FLOPs 与 KV Cache 增长明显低于 V3.2。来源：官方技术报告 Figure 1。
Agent 不只是记得多，还要连续做事
V4 还改变了工具调用期间的思考管理。普通聊天中，新一轮问题到来时可以丢掉旧推理，避免上下文越来越臃肿；但在工具调用场景里，模型会保留跨轮次的推理状态，不必每次重新恢复"我已经做到哪一步"。
图 7｜有工具调用时保留跨轮思考；普通对话时按轮清理。来源：官方技术报告 Figure 7。
0731 模型还附带 DSpark 推测解码模块。通俗理解，就是模型先向前猜一小段，再由主模型一次性验证。猜对的部分可以批量通过，减少逐字等待。它不会凭空提升答案质量，但能降低 Agent 长输出和多轮执行中的延迟。
另外，V4 使用 mHC 强化层与层之间的信息传递，并在训练中采用 Muon 优化器提升收敛效率和稳定性。技术报告显示，V4 系列在超过 32T Token 的数据上预训练；而 0731 的重点，则是继续用后训练把这些底层能力变成更可靠的工具使用行为。
它带来的影响，不只是新一轮价格战
图 8｜AIgoYuri 基于官方技术与定价信息整理的产品影响。
对开发者来说，过去很多 Agent 项目不是模型不会做，而是上下文越跑越长、成本越滚越大、工具链中途失控。V4 Flash 同时降低输入价格、KV Cache 压力和长任务计算量，意味着同一笔预算可以进行更多次尝试、回滚和验证。
对 AI 创业者来说，模型本身正在越来越像云计算基础设施：能力逐渐接近，调用价格不断下降。真正拉开差距的，将不再是"我接入了哪个模型"，而是你有没有独家数据、稳定工作流、评测体系，以及能不能把模型输出变成客户愿意付费的结果。
对开源生态来说，V4 Flash 权重采用 MIT 许可证，具备本地部署和二次开发空间。不过 284B 总参数仍不是消费级显卡模型。它的"便宜"首先体现在官方 API 和大规模推理效率上，不代表普通电脑可以轻松完整部署。
我的结论：DeepSeek V4 Flash 0731 最值得关注的不是某一项榜单，而是它把"高性能 Agent + 百万上下文 + 极低 API 价格"放进了同一个产品。模型价格继续下降后，最值钱的将是任务定义、数据闭环和真正可交付的产品。
发布时需要保留的三个注释
- 0731 目前是 API 公测版本；官方明确说明，这次仅升级 V4 Flash API，Web、App 与 V4 Pro 当时没有同步更新。
- 官方预告将引入峰谷定价，北京时间 9:00–12:00 与 14:00–18:00 的价格可能为常规价格 2 倍，生效时间以公告为准。
- 官方基准依赖指定推理强度与 Agent Harness，部分数据集为内部测试；产品选型仍应使用自己的真实任务进行回归评测。
官方资料来源
Agent 垂直技术社区，欢迎活跃、内容共建。
更多推荐
9
0- 0
已为社区贡献3条内容
所有评论(0)