- 发布日期
智能体与编码能力大幅提升
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
DeepSeek 于 2026 年 7 月 31 日在 Hugging Face 上发布了 DeepSeek-V4-Flash-0731，并将官方 V4-Flash API 转入公开测试版。模型卡明确指出这是取代预览版的正式版本，架构和大小保持不变。性能提升来自重新后训练，而非新设计。该检查点附带了 DSpark 投机解码模块，与 DeepSeek-V4-Flash-DSpark 的结构一致。
DeepSeek-V4-Flash 是一个拥有 2840 亿参数的混合专家模型，每个 token 仅激活 130 亿参数。它拥有 100 万 token 的上下文窗口，每个 MoE 层包含一个共享专家和 256 个路由专家，其中每个 token 激活 6 个专家。该架构采用混合注意力，结合了压缩稀疏注意力和重度压缩注意力，并使用流形约束超连接替代传统的残差连接。预训练使用了超过 32 万亿 token，采用 Muon 优化器。
API 版本 deepseek-v4-flash 现已原生支持 Responses API 格式，并适配 Codex。定价为：缓存未命中时每百万输入 token 0.14 美元，缓存命中时每百万 token 0.0028 美元，每百万输出 token 0.28 美元，并发限制为 2500。该输出价格约为 deepseek-v4-pro 每百万 token 0.87 美元的三分之一。此版本未更新 V4-Pro API 和应用/网络模型。
可部署性分为两条截然不同的路径。通过 API，几乎任何人都可以以此价格运行代理循环，无需拥有 GPU，这对初创公司和独立开发者很有吸引力。对于自托管，门槛要高得多：即使每个 token 仅激活 13B 参数，所有专家仍常驻内存。DeepSeek 的 vLLM 示例在单个 4×GB300 节点上提供该模型，而 Unsloth 的动态 GGUF 范围从 8 位构建的 162 GB 到 3 位构建的 103 GB，需要大约 110 GB 的 RAM 加 VRAM 合计。
DeepSeek 报告称，0731 模型在每项代理（任务）上都优于 V4-Pro 预览版。
