DeepSeek V4-Flash 正式版砸穿底价：13B 激活反杀 49B，$0.14/M 重新定义 Agent 模型

一句话结论：DeepSeek 用 284B 总量 + 13B 激活参数的"小模型"，在 9 个 Agentic 基准上全数反超自家 49B 激活的 V4-Pro-Preview，并以 $0.14 / 1M token 的 cache-miss 价格，把"能不能跑 Agent"的入场卷压到了连 Seed 轮团队都能签字的程度。

一、把"小模型不能做 Agent"的偏见，直接掀桌

7 月 31 日深夜，DeepSeek 把 V4-Flash 正式版（0731 checkpoint）发布到 Hugging Face，同一天把 deepseek-v4-flash API 升级到 public beta。

模型结构零变化：284B 总参 / 13B 激活 / 1M 上下文 / CSA+HCA 混合注意力 / DSpark 投机解码模块挂载 / 166.9 GB 完整权重。
升级方式也写得明明白白：只做后训练，不重做预训练。

这个"不变架构、只做后训练"的发布会，被很多人看一眼就划过去——但数字不讲客气：

9 个 Agentic 基准上，V4-Flash-0731 把同门 49B 激活的 V4-Pro-Preview（Preview）全部反超。

基准	V4-Flash-0731	V4-Pro (Preview)	差距
Terminal Bench 2.1	82.7	72.1	+10.6
NL2Repo	54.2	38.5	+15.7
Cybergym	76.7	52.7	+24.0
DeepSWE	54.4	12.8	+41.6
Toolathlon-Verified	70.3	55.9	+14.4
Agents' Last Exam	25.2	16.5	+8.7
AutomationBench Public	25.1	12.8	+12.3
DSBench-FullStack †	68.7	41.8	+26.9
DSBench-Hard †	59.6	31.1	+28.5

注：标 † 的是 DeepSeek 内部测试集；公共 Code Agent 任务用 DeepSeek 自家尚未发布的 Harness 跑 max reasoning。

不要只看"V4-Flash 赢了 V4-Pro"。该紧张的是：Flash 用比 Pro 少 73% 的激活参数，把 Pro 整套 Agentic 维度都打了一遍。

更大的冲击是比照对象——同样 V4-Flash-0731，跑在 1M 上下文下：

基准	V4-Flash-0731	GLM-5.2	Opus-4.8
Terminal Bench 2.1	82.7	81.0	85.0
NL2Repo	54.2	48.9	69.7
Cybergym	76.7	—	83.1
DeepSWE	54.4	46.2	58.0
Toolathlon-Verified	70.3	59.9	76.2
Agents' Last Exam	25.2	23.8	25.7
AutomationBench Public	25.1	12.9	27.2

跟闭源旗舰 Opus 4.8 差不到 0.5-15.5 分；跟国产最强的 GLM-5.2 大部分维度都贴脸对线，部分还赢。

一个 13B 激活参数的 MIT 开源模型，做到这一步，这件事本身就把 Agent 模型的入场券重新画了一遍。

二、9 个数字告诉你这不是"略胜"，是"碾压"

1. Terminal Bench 2.1：82.7 这是"AI 操作真实终端"最权威的基准——后训练学不来"看见 shell 报错之后该输哪条命令"，82.7 说明 Flash-0731 的 agent loop 政策被重塑得可以稳定落地 shell 任务。

2. NL2Repo：54.2 从一句自然语言到一个可运行仓库，难度不亚于"让 AI 自己起一个新项目"。比 Preview 的 39.4 提升 +14.8，提示词对齐比什么都值钱。

3. Cybergym：76.7 安全类操作的实测场，比 Preview 的 38.7 翻了一倍——意味着 Flash-0731 在做漏洞扫描、payload 投递这类多步骤工具链时，不会因为没训过就抓瞎。

4. DeepSWE：54.4 这是衡量"AI 看完一个 SWE-Bench issue 之后能不能提交一个真正能过 CI 的 patch"，比 Preview 的 7.3 提高了 +47.1，是 9 个基准里跳跃最大的一项。

5. Toolathlon-Verified：70.3 跨工具、长链路、最容易掉链子的 Agentic 评测，比 Preview 的 49.7 提高 +20.6。"工具调用稳定"这件事直接决定了 Flash-0731 是否可以作为生产 Agent 的编排层。

6-9. Agents' Last Exam、AutomationBench Public、DSBench-FullStack、DSBench-Hard 也都全数反超 Pro。

把这些数字放在一起，能看见一个事实：

Agent 能力不是一个"参数越多越强"的指标，而是一个"在合适监督信号下训练多少次"的问题。

DeepSeek 用这次发布把这件事摆到桌面上：架构从 V4-Preview 到 V4-Flash-0731 没动过；变化的只有奖励信号、reasoning effort（HIGH/MAX 拆分）、和 DSpark 投机解码的挂载方式——结果 agent 维度爆涨。

三、价格屠刀：$0.14 / 1M，cache hit 直降 50 倍

数字之外，今天最刺激的不是分数，是单价。

DeepSeek 官方页面上 V4-Flash 的报价是：

模式	单价（per 1M tokens）
Input（cache miss）	$0.14
Input（cache hit）	$0.0028
Output	$0.28
并发上限	2,500

做个对比：

DeepSeek V4-Pro：输出 $0.87/M。Flash-0731 输出价仅是 Pro 的 32%。
Claude Opus 4.8：官方价格远高于 100 倍量级。Flash-0731 实际是 Opus 的 1/90。
国产闭源旗舰 GLM-5.2、Qwen3.5：商用价位都在 Flash-0731 的 5-15 倍。

但更狠的是缓存价：$0.0028 / 1M tokens 的 cache hit 价。当 prompt 高度相似（agent loop、code review、固定的 system prompt 段），你把稳定段落放进缓存，实际单 token 成本再降 50 倍。

这意味着什么？

意味着:

给一家 SaaS 平台跑整套自动 Code Review Agent Loop（每个 PR 一份 80K token 的固定 system prompt + 5K token 的 diff）——一次性 system prompt 走 cache hit，剩下的只是一千几百万的输出，月费可以压到不到 20 美元。
给内部知识库跑 long-context RAG + 工具调用——1M context 全程在线，几十万 token 的"思考"成本可能只是 2-3 美元。
给 AI Startup 起步——连 GPU 都不用买，MIT 权重 + 13B 激活的推理成本，可以在 DeepSeek 一家算力上跑通整套业务闭环。

模型成本长期被打到 $0.14 这个量级，"要不要上 Agent"这个决策，再也不是"先算算账单"能挡住的。

四、DSpark + Responses API + Codex：技术栈直接拉齐

这一波 V4-Flash 的"基础设施"，是同期主推的三个技术：

1. DSpark 投机解码 DeepSeek 自家的 DSL 推测解码方案，挂载在 0731 模型上。打开方式就一行 vLLM 配置：

vllm serve deepseek-ai/DeepSeek-V4-Flash-0731 \
  --speculative-config '{"method":"dspark","num_speculative_tokens":7,"draft_sample_method":"greedy"}'

DSpark 把"一个大模型跑一步"切成"一个小草稿跑 7 步 + 大模型验证"，推理延迟直接降一半以上，Agent loop 用户感知最明显——之前的 timeout 会消失。

2. Responses API 原生支持 OpenAI 推 Responses API（结构化输出 + 文件 + 工具调用合并）后，所有想跟 OpenAI 生态兼容的模型都要回应，DeepSeek 这次正面拥抱：deepseek-v4-flash API 现在原生输出 Responses 格式。

3. Codex 适配 Agentic 领域里"是否原生适配 Codex"直接决定生态位。DeepSeek 这次把 Codex 当一等公民处理，意味着 Codex 上写好的 agent 模板、prompt-tuning、tool 编排可以几乎零改动迁移到 DeepSeek。

对国内开发者来说，这三件事比"跑分"重要得多——它们决定了 Flash-0731 是"实验室里的高分模型"，还是"能直接接入 Cursor/Cline/Codex 的生产级底座"。

五、MIT + 167GB 权重：自托管门槛真不高

DeepSeek 没玩"开源预览"那一套。同一天，0731 整套权重直接上传 Hugging Face，MIT 协议，无门禁。

但自托管需要看清楚一件事：

每位 expert 即使本轮不激活，也要常驻显存。

原生 FP4+FP8 权重：166.9 GB（Hugging Face 显示的就是这个数）
Unsloth Dynamic 2.0 8-bit GGUF（UD-Q8_K_XL）：162 GB
Unsloth Dynamic 2.0 4-bit GGUF（UD-Q4_K_XL）：155 GB

DeepSeek 自己给的 vLLM 示意是 1× 4×GB300 节点能跑（参考价：单节点大约 80-120 万人民币区间）。对中型 SaaS、量化团队、独立研究者来说，这不是"实验室机器"——这是"一个能写出工具链的工程团队"就能装得下的规模。

真正要注意的：

1M context + 13B 激活 ≠ 1M context + 13B 显存。配套的 KV cache、专家路由表、投机解码草稿模块都会吃显存，110 GB 显存 + RAM 组合是 Unsloth 给出过的下限。

如果预算不到百万级，可以直接用 DeepSeek 自己的 API——Flash-0731 的吞吐最高给到 2,500 并发，够撑大多数 agent 业务从 PoC 到生产。

六、迁移窗口：10 月 24 日之前，必须换 API 名

这一波正式版有一个不容忽视的截止日期：

老 deepseek-chat / deepseek-reasoner 两个 identifier 已经在 2026-07-24 退役；之前调用这些名字的请求自动迁移到 V4 家族，但到 2026 年 10 月 24 日全部停服。

这意味着：

现在跑在 deepseek-chat 上的业务，必须在 10 月 24 日之前迁移到 deepseek-v4-flash（或者更大尺寸的 V4-Pro，等其正式版上线）。
迁移路径官方已经写好，但改 identifier 之外也要重新跑评测——因为 V4-Flash-0731 在 agent 维度大幅变强，对历史 agent 的不同 prompt 模板可能"过度聪明"，需要重新对齐。

这个时间点是 76 天后。如果你今天还在用 deepseek-chat，可以现在就开始测试：deepseek-v4-flash 的 Responses API 兼容 OpenAI 标准，只需要一行 model= 改名加 headers 改写。

七、和"卷不动"的同行比起来，Flash-0731 怎么选

2026 下半年 Agent 模型赛道白热化——选 Flash-0731 还是别的？

场景	推荐	理由
Seed / Series A AI Startup	Flash-0731 + Cache Hit	成本可压到两位数月费，能撑 100 万次 Agent call
中型 SaaS，固定 prompt 的代码 review / 客服	Flash-0731 API + DSpark	不到 100 美元/月跑全公司内部 agent
超长上下文 RAG（1M tokens 文档级）	Flash-0731	价格平权到 Nano 级别
学术/前沿研究，需要极致数学 / OOD	等 V4-Pro 正式版	Flash 不在所有维度上碾压闭源旗舰
企业私有部署（涉密）	自托管 4×GB300 节点	Flash-0731 是目前最便宜的"能自托管的 Agent 模型"
任何生产环境	抓紧 10-24 之前迁移	不然服务会断

八、结语：这个版本把"AI 开发的成本曲线"掰弯了一次

回到最开始那一句话：

13B 激活反杀 49B，$0.14/M 重新定义 Agent 模型。

这件事的本质，不是 DeepSeek 做了一次"模型升级"。它是一次**"Agent 模型经济学"的重写**：

Agent 维度上，"参数越多越强"的迷信被自家后训练否定了一次。
价格上，"敢用大模型当 Agent 编排底座"的财务门槛被砍到了一杯咖啡钱。
协议上，"MIT + Responses API + Codex 适配"把开源 Agent 模型的"代理战争"打成了生态战。

未来 90 天，业界会出现一批声称"对接 Claude / GPT 的国产 Agent"产品——它们能开始写 PRD、做财务预测、跑代码 review，不是用更强的模型，而是用便宜 90 倍的 Flash-0731。

当这件事发生时，记得回来翻翻这篇文章——它就是这个变化的起点。

微头条版（300-500 字）

DeepSeek 干了件离谱的事：13B 激活反杀 49B，$0.14/M 砸穿底价

7 月 31 日，DeepSeek 把 V4-Flash 正式版（0731 checkpoint）发布到 Hugging Face。架构一个字没改——284B 总量、13B 激活、1M 上下文、DSpark 投机解码挂载。只做后训练，不重做预训练。

结果 9 个 Agentic 基准全部反超自家 V4-Pro-Preview（Preview 49B 激活），其中 DeepSWE 从 7.3 飙到 54.4，Toolathlon 49.7 跳到 70.3。"小模型做不了 Agent"——这个偏见被掀桌了。

但更狠的是价格。Flash-0731 现在 $0.14 输入 / $0.28 输出 per 1M tokens，比自家 V4-Pro 输出还便宜 68%；cache hit 单价 $0.0028——等于把"Agent 调用预算"砍到 50 倍。

实际意义：

跑整套 Code Review Agent，月费 20 美元内。
1M 上下文 RAG，一次思考 2-3 美元。
Seed 期 AI 团队，全栈跑通业务闭环不用买 GPU。

DSpark + Responses API + Codex 适配 + MIT 协议 + 10-24 之前强制迁移——这不是模型升级，是 Agent 经济学的重写。

你怎么看？AI 创业的窗口期是不是彻底变了？

知乎版

一句话结论

DeepSeek-V4-Flash-0731 用 13B 激活参数在 9 个 Agentic 基准上全数反超自家 V4-Pro（Preview）的 49B 激活版本，并以 $0.14 / 1M token 的定价把 Agent 模型的入场费用砍到 $0.0028 cache hit，让 Agent 不再是"算完账再决定"的工程问题。

论证要点

能力反超：13B 激活参数跑赢 49B 激活参数——本质是"Agent 能力是策略问题，不是参数问题"，后训练在 Agent 维度能产生更大增益。
价格屠夫：cache hit $0.0028 / 1M，输出 $0.28 / 1M——把"千万次 Agent 调用"压到两位数月费。
基础设施就位：DSpark + Responses API + Codex 适配 + MIT 协议 + 无门禁权重。
迁移窗口：2026-10-24 之前必须从 deepseek-chat 迁移到 deepseek-v4-flash。

适用场景

Seed / Series A AI 创业团队：Flash-0731 + Cache Hit，月费两位数。
中型 SaaS：Flash-0731 API + DSpark 跑 code review / 客服 agent。
长上下文 RAG / 文档级推理：Flash-0731 1M 上下文。
企业私有部署：1× 4×GB300 节点自托管 Flash-0731。

不适用场景

需要极致数学 / OOD 能力的学术研究：等 V4-Pro 正式版。
已经跑顺 V4-Pro 的生产业务：当前 Pro 还是 Preview 状态，迁移到 V4-Flash-0731 是一次"重做 agent 模板"。
GPU 资源贫乏：Flash-0731 自托管门槛在 110 GB 显存 + RAM 组合，预算不到百万级请用 API。

风险与注意

DSBench-FullStack / DSBench-Hard 是 DeepSeek 内部测试集，复现需要等 Harness 公开。
公共 Code Agent 任务用了 DeepSeek 自家未发布的 Harness minimal 模式 max reasoning effort，结果可能有 1-3 分的 harness 偏差。
1M 上下文 + 13B 激活 ≠ 13B 显存，所有专家常驻，KV cache 也吃显存。

配套媒体