2026年7月31日，DeepSeek悄然在API更新日志中宣布DeepSeek-V4-Flash-0731正式版上线公测。没有发布会，没有直播，但这个"廉价版"模型却在Agent能力上碾压了三个月前的V4-Pro预览版，社区评测大爆发。本文从8个维度全面评测DeepSeek V4 Flash正式版。
DeepSeek V4 Flash正式版采用MoE架构，总参数量2840亿，激活参数仅130亿，支持100万token上下文，可切换思考/非思考模式。与4月24日发布的预览版相比，架构和尺寸完全一致，仅重新进行了后训练。开发者无需改代码，继续用deepseek-v4-flash模型名调用即可自动切换。
| 维度 | 评分 | 说明 |
|---|---|---|
| Agent能力 | 9.0 | DeepSWE从7.3飙升至54.4，暴涨6倍+，接近Opus 4.8 |
| 编程能力 | 8.5 | Terminal Bench 2.1得分82.7，超过GLM-5.2的81.0 |
| 推理能力 | 8.0 | Artificial Analysis智能指数50分，比预览版高10分 |
| 中文理解 | 9.0 | 国产模型中文语境理解能力领先 |
| 性价比 | 10.0 | 缓存命中0.2元/百万tokens，Claude的1/90 |
| 上下文 | 9.0 | 100万token上下文，长文档处理无忧 |
| 生态兼容 | 7.5 | 仅限API，App/网页端/V4-Pro API未变化 |
| 工具调用 | 8.5 | Toolathlon Verified 70.3，工具调用综合能力强 |
最大亮点是DeepSWE（评估AI Agent在真实、长周期、多步骤编程任务中的自主解决能力）从预览版的7.3分飙升至54.4分，暴涨超过6倍。在Terminal Bench 2.1（评估AI Agent在Linux终端环境中自主规划、执行多步命令行任务及错误恢复能力）中，Flash正式版得分82.7，高于V4-Pro-Preview的72.1和GLM-5.2的81.0，逼近Opus-4.8的85.0。
| 评测项目 | V4 Flash正式版 | V4 Pro预览版 | 提升幅度 |
|---|---|---|---|
| Terminal Bench 2.1 | 82.7 | 72.1 | +10.6 |
| Cybergym | 76.7 | - | 新上榜 |
| Toolathlon Verified | 70.3 | - | 新上榜 |
| NL2Repo | 54.2 | - | 新上榜 |
| DeepSWE | 54.4 | 7.3 | +47.1（6.5倍） |
| DSBench-FullStack | 68.7 | - | 新上榜 |
| DSBench-Hard | 59.6 | - | 新上榜 |
| Agent Last Exam | 25.2 | 15.8 | +9.4 |
DeepSeek V4 Flash正式版的价格极具冲击力：
对比Claude Fable 5（输入$3/百万tokens、输出$15/百万tokens），V4 Flash的成本仅为Claude的约1/90。开发者实测：V4 Flash+Hermes完成一个任务约40秒，花费不到0.01元；GPT-5.6 Sol+Codex完成同一任务1分47秒，花费约0.03元。虽然Codex输出质量更高，但V4 Flash的交付已达可用水平。
在Artificial Analysis Intelligence Index中，V4 Flash-0731（最高推理档位）拿下50分，比4月发布的V4 Flash预览版高10分，比V4 Pro预览版高6分。虽然与GPT-5.6 Luna（51分）还有1分差距，但考虑到成本差距（V4 Flash每次测试平均3美分 vs Claude Fable 5的$3.15），性价比极高。
在OpenRouter全球调用量榜单中，DeepSeek V4系列持续位居前列，中国大模型包揽全球调用量前六，DeepSeek是核心贡献者。
开发者孙涛（8月1日）反馈："在国内模型里，它比GLM 5.2会好一些，但是比GPT 5.6其实还差一些。"这一定位非常清晰：V4 Flash不是要挑战顶级闭源模型，而是以极低价格提供接近顶级的能力。
社区评测中，"鹈鹕骑自行车"SVG测试成为社区新基准，V4 Flash在生成复杂SVG图形方面表现稳定。HuggingFace上线167GB开源权重，有人在一加13手机上跑满血版，进一步验证了MoE架构的灵活性。
| 模型 | 智能指数 | 每次测试成本 | Agent能力 |
|---|---|---|---|
| DeepSeek V4 Flash 0731 | 50 | $0.03 | DeepSWE 54.4 |
| GPT-5.6 Luna | 51 | 较高 | - |
| Claude Fable 5 | 66+ | $3.15 | - |
| Kimi K3 | 57 | $0.86 | - |
| GLM-5.2 | 51 | - | Terminal Bench 81.0 |
DeepSeek V4 Flash正式版以8.2/10的综合评分，证明了"廉价版"也能打硬仗。130亿激活参数、0.2元/百万tokens的缓存价格、Agent能力暴涨6倍——这三个数字让它成为2026年下半年最值得开发者关注的模型。如果你是API开发者，V4 Flash正式版是目前性价比最高的选择，没有之一。
想对比更多模型？查看我们的AI模型实时排行榜，或阅读Qwen3.8-Max深度解析。也推荐了解Seedance 2.5评测和MiniMax H3评测。