大家好，我是程序员天天困。
10 天前写 Qwen3.8 那篇的时候，我提过一句：DeepSeek V4 满血版最快 7 月 20 号上线。昨天晚上刷朋友圈看到有朋友说 deepseek-v4-flash-0731 官方上线了，这次是真来了——不过先到场的不是 Pro，是 DeepSeek V4 Flash 正式版，API 直接上线公测，没有发布会，就悄悄更新了一条日志。官方也同步预告了：V4-Pro 正式版会尽快发布，只是具体时间没给。
这篇我把这件炸圈的事拆成四块讲：官方成绩单写了什么、成绩为什么这么离谱、白菜价有多白菜、后端开发怎么切换。看完你再决定要不要把 API 换过去。
一、官方成绩单：9 项 Agent 基准，远超 V4-Pro 预览版
DeepSeek V4 Flash 正式版这次最狠的不是便宜，是 Agent 成绩单。
官方更新日志里的原话是「Agent 能力大幅增强，基准测试远超 V4-Pro-Preview」，后面跟了一串数字：
- Terminal Bench 2.1: 82.7
- NL2Repo: 54.2
- Cybergym: 76.7
- DeepSWE: 54.4
- Toolathlon verified: 70.3
- Agent Last Exam: 25.2
- Automation Bench (Public): 25.1
- DSBench-FullStack: 68.7
- DSBench-Hard: 59.6
Terminal Bench：让 AI 在真实终端环境里完成任务的基准测试，从改配置、跑脚本到修 bug，考的是「让 AI 自己去操作系统」的本事。你可以理解为 AI 界的现场实操考试。
其中 Terminal Bench 2.1 是被引用最多的一个，82.7 分已经把自家 V4-Pro 预览版甩在身后。
不过有个细节我得说清楚：官方注明了这些分数是在 DeepSeek 自研 Harness 极简模式（还没发布）下跑的，max 档位、topp=0.95、temperature=1.0。自研框架测自家模型，分数先打个折，这点上我站理性派。
二、第三方也盖章了：智能指数反超自家 Pro
官方自测可以打折听，但这次第三方评测跟官方数字对上了，这是我说「碾压」不心虚的原因。
Artificial Analysis（AA）：独立第三方 AI 评测机构，用统一测试集给各家模型排智能指数（Intelligence Index），相当于大模型圈的第三方验货。
AA 在发布当天（2026-07-31）就把 Flash-0731 放上了榜单：智能指数 50 分，比 4 月发布的 Flash 预览版高 10 分，比自家 V4-Pro 还高 6 分，只比 OpenAI 最便宜款 GPT-5.6 Luna（51 分）低 1 分（GLM-5.2、Muse Spark 1.1 同为 51 分，开源榜第一的 Kimi K3 为 57 分）。而且它跑完整套测试用的 token 比上一版还少了 12%——效率和分数一起涨。
一个激活参数只有 130 亿的轻量模型，把参数规模大得多的自家旗舰预览版反超了。三个月前没人信这个。
三、最离谱的一条：结构没动，只重做了后训练
Flash 正式版真正炸圈的不是分数，是官方日志角落里那句话：模型的结构、尺寸和预览版一模一样，只把后训练整个重做了一遍。
284B 总参数、13B 激活参数，一个数都没改。4 月预览版发布时，官方还自己承认「高难度 Agent 任务和 Pro 有差距」；三个月后，同一个身子，把 Pro 反超了。
MoE（混合专家架构）：把一个大模型拆成很多个「专家子模型」，每次推理只点亮其中一小部分参数，用更少的算力干活。284B 是仓库里全部的货，13B 是每次实际搬出来的。
打个比方，这就好比同一台发动机：参数规模是排量，排量定了极速上限；后训练是变速箱调校，决定你实际开起来是肉还是跟脚。Flash 这次相当于没换发动机，光把调校重做了一遍，加速直接快了一档——说明它之前压根没摸到自己的上限。
四、白菜价：2 元 vs 6 元 vs 12 美元
价格这块不用算太细也能看懂：Flash 的单价是自家 Pro 的三分之一，输出价只有 OpenAI 最便宜型号 Luna 的四分之一左右。
官方定价页写得明明白白（每百万 token，美元按 1:7.2 折算）：
| 模型 | 输入（缓存命中） | 输入（未命中） | 输出 |
|---|---|---|---|
| DeepSeek V4 Flash 正式版 | 0.02 元 | 1 元 | 2 元 |
| DeepSeek V4 Pro 预览版 | 0.025 元 | 3 元 | 6 元 |
| GPT-5.6 Luna（刚降 80%） | $0.02 | $0.2 | $1.2 |
| GPT-5.6 Terra（刚降 20%） | $0.2 | $2 | $12 |
这里有个背景值得说道：OpenAI 就在 Flash 上线前一天（7 月 30 日）宣布 GPT-5.6 降价，Luna 直接降了 80%。结果降完价，Luna 的输出价（$1.2）依然是 Flash 的 4 倍多，Terra 更是它的 40 多倍（$12 vs 2 元）。
「白菜价」三个字不是修辞——官方定价页就是这么标的。
可能有人会问：这么便宜，是不是在烧钱抢市场，早晚要涨价？
以 2026 年 8 月初为准，官方定价页已经写明「即将采用峰谷定价」，高峰时段（北京时间 9:00～12:00、14:00～18:00）价格翻倍——涨价机制已经在路上了，但不等于整体涨价。另外 AA 的数据显示，Flash-0731 跑同样测试用的 token 还少了 12%，说明低价有一部分是效率撑起来的，不全是补贴。真要在生产环境长期跑，盯住官方定价页比听任何人的推测都靠谱。
五、后端开发怎么看：切换成本几乎为零
最后说点实际的。对后端开发，这次更新最容易被忽略的一条是：换到 Flash 正式版的成本几乎为零。
API 调用方式不变，把模型名改成 deepseek-v4-flash 就行。官方还原生支持 OpenAI 的 Responses API 格式，并且针对性适配了 Codex——不用改 Base URL 就能切模型：
# 官方示例：只改 model 参数即可切换到 V4 Flash 正式版
from openai import OpenAI
client = OpenAI(api_key="你的key", base_url="https://api.deepseek.com")
resp = client.chat.completions.create(
model="deepseek-v4-flash", # 之前是 deepseek-v4-pro
messages=[{
"role": "user", "content": "帮我看看这段代码的 bug"}],
)
print(resp.choices[0].message.content)
Responses API：OpenAI 推出的新一代 API 接口格式，把对话、工具调用、推理过程统一进一个响应对象里，专门给 Agent 类应用用。你可以理解成「给 AI 干活的接口，比聊天接口更粗的管道」。
不过我也得泼盆冷水：Flash 不支持视觉输入，知识密集型任务和 Pro 还有差距——官方自己说过 Flash 的世界知识「稍逊一筹」，代码里 API 文档、库行为这类事实问题最好人工复核。我的用法是：跑量任务全给 Flash，卡壳的难题再切 Pro 或别的旗舰，各干各的活。
以 2026 年 8 月初为准，DeepSeek V4 Flash 正式版交出的答案是：后训练做到位，便宜的小模型照样能把旗舰预览版拉下马。另外官方更新日志里也写了一句：V4-Pro 正式版将会尽快发布，定价页还注明 8 月初会给 Pro 接入 Responses API——想等旗舰正式版的，留意官方更新日志就好。真正的问题留给行业——当 13B 激活参数已经够用的时候，旗舰模型的护城河还剩多少。
我是程序员天天困，持续分享编程干货。觉得有用的话记得点赞收藏和关注~也欢迎在评论区聊聊：Flash 正式版这个成绩和价格，你准备切过去当主力 API 吗？还是继续观望？
