DeepSeek V4-Flash 正式版 API 上线：Agent 基准反超自家旗舰预览版

2026 年 7 月 31 日，DeepSeek 在官方 API 更新日志中宣布 V4-Flash 正式版 API 上线公测，模型名仍为 deepseek-v4-flash，版本号更新至 DeepSeek-V4-Flash-0731。这是一次"转正"而非"换代"：模型结构与预览版完全一致，仅重新进行了后训练。真正引发关注的是官方公布的 Agent 基准成绩——厂商称其反超了自家定价更高的 V4-Pro 预览版。

正式版只是"转正"，参数与预览版完全一致

根据 DeepSeek 官方 API 文档，V4-Flash-0731 总参数约 2840 亿（284B MoE），激活约 130 亿，模型结构、参数规模与预览版完全相同，差异只在于重新做了后训练。这意味着如果你已经在用预览版跑 Agent，迁移到正式版不会遇到接口层面的结构性变化，主要变化体现在能力与稳定性上。需要划清边界：模型结构一致是官方事实，而"后训练带来能力提升"属于厂商自述，目前没有第三方复现数据支撑。

2840 亿参数 MoE，激活仅 130 亿的经济含义

V4-Flash 延续了 MoE（混合专家）路线：总参数约 2840 亿，但单次推理仅激活约 130 亿。这种"大总参、小激活"的结构直接决定了它能把定价压到当前水平——计费主要按激活量而非总参数计算，这也是 Flash 输出价 $0.28/1M tokens 得以成立的架构前提。需要说明的是，激活参数少不等于能力弱：MoE 的设计目标正是用稀疏激活逼近稠密大模型的效果，但实际推理质量仍取决于训练数据与后训练工艺，激活比例本身并不是能力指标，不应拿它和稠密模型的参数量直接比大小。

Agent 基准：厂商自述的反超结论

官方公布的 Agent 基准成绩如下（厂商自述），覆盖终端任务、代码仓库生成、工具调用与软件工程等评估 Agent 自主完成任务能力的常见维度：Terminal Bench 2.1 为 82.7，NL2Repo 为 54.2，Cybergym 为 76.7，DeepSWE 为 54.4，Toolathlon Verified 为 70.3，Agent Last Exam 为 25.2。DeepSeek 同时声称，V4-Flash 正式版在这些 Agent 基准上反超了 V4-Pro 预览版。这里必须划清边界：基准数值与"反超"结论都来自厂商自述，属于待第三方验证的说法；而 V4-Pro 目前仍是预览版而非正式版，二者并不在同一成熟度上对比。作为编辑判断，Flash 在成本远低于 Pro 的前提下拿到相近甚至更高的 Agent 分数，是这次发布最值得关注的变化，但"反超"能否代表真实业务任务表现，仍需独立评测佐证，尤其这些基准是否对你的工作流有代表性，需要自己判断。

thinking 与 non-thinking 双模式，接口能力对齐旗舰

V4-Flash 正式版默认启用 thinking 模式，同时支持 non-thinking 模式，可按场景切换。接口层面支持 Tool Calls、JSON Output，以及处于 Beta 的 Chat Prefix Completion 与 FIM Completion。上下文长度为 1M tokens，最大输出 384K tokens。兼容性上，它同时支持 OpenAI 和 Anthropic 两种 API 格式，可与 Claude Code、GitHub Copilot、OpenCode 等 Agent 工具直接集成。这意味着原本基于 Claude 或 GPT 接口构建的 Agent 工作流，可以以较低改造成本把后端切换到 V4-Flash，原生 Tool Calls 与 1M 上下文的组合降低了"换模型"的工程门槛。一个值得记录的清理动作：旧的 deepseek-chat 与 deepseek-reasoner 模型名已于 2026 年 7 月 24 日废弃，分别对应 non-thinking 与 thinking 模式，迁移到统一命名后调用方式更清晰。

定价：Flash 比 Pro 便宜约一个数量级

根据 DeepSeek 官方定价页面，V4-Flash 正式版输入（cache hit）为 $0.0028/1M tokens，输入（cache miss）为 $0.14/1M tokens，输出为 $0.28/1M tokens，并发限制 2500。作为对照，仍在预览阶段的 V4-Pro 输入（cache miss）约 $0.435/1M tokens、输出约 $0.87/1M tokens，定价高出约三倍。对 Agent 这类多轮、长上下文、调用密集的场景，输出端成本往往占大头，Flash 的输出价格优势会随调用次数累积放大。需要区分的是，cache hit 的 $0.0028 是命中缓存时的价格，常态成本取决于实际命中率，不能直接拿它做预算。这是官方事实层面的定价对比，不是性能结论。

现在值得关注的理由，以及还不能下的结论

现在值得关注，原因有三：一是 Flash 以更低价格拿到了不弱于旗舰预览版的 Agent 基准分数，重新定义了"性价比旗舰"的候选名单；二是 1M 上下文加 384K 输出加原生 Tool Calls，构成了长链路 Agent 任务的基础设施；三是旧模型名已废弃，正在用旧名的团队有明确的迁移窗口。但当前证据不能推出以下结论：不能从厂商自述基准推断 Flash 在你的具体业务中一定优于 Pro；不能把"预览版反超"等同于"正式版全面胜出"，因为 Pro 尚未正式发布，两者成熟度不同；也不能把 cache hit 的极低价直接当成常态成本，实际命中率取决于提示词与缓存策略。建议把这次发布当作"低价高能力候选的入场"而非既定结论，先用 DeepSeek 开放平台 的公测额度在自己的真实任务上做对比，再决定是否替换现有主力模型。