DeepSeek V4-Flash：开源模型性能 Opus 级、成本 1/100

DeepSeek 在 7 月 31 日发布了官方 V4-Flash ——开源权重、MIT 许可证和技术报告，全部在第一天公布。

令人瞩目的不是分数有多高。而是分数和价格一起出现：在 Artificial Analysis Intelligence Index 上得 50 分，每百万个令牌的价格仅为 $0.14/$0.28。

前一天，OpenAI 将 GPT-5.6 Luna 降价 80%。就这样，令牌价格战在一天内打响。

变好了，但没有变大

根据 DeepSeek 的发布和技术报告，关键事实如下：

DeepSeek-V4-Flash-0731 是官方版本，取代了预览版，具有大幅增强的 agent 能力。

架构没有变化：相同的高效 MoE 核心（~284B 参数，~13B 活跃），附加了投机性解码模块，1M 上下文。

价格也没有变化——与预览版相同。

这意味着它的增强不是通过扩大规模，而是通过后训练实现的。

结果是：较小的 Flash 在 Terminal-Bench 2.1（82.7）、DeepSWE（54.4）、Toolathlon（70.3）和 Cybergym（76.7）上超过了 DeepSeek 自己更大的 V4-Pro 预览版。

Artificial Analysis 在 Intelligence Index 上将其评为 50 分——比 4 月的 V4 Flash 提高了 10 分，比 V4 Pro 领先 6 分，在开源权重模型中位居前 3。

价格就是有效载荷

每百万个令牌的成本（输入/输出）：

模型	输入价格	输出价格
DeepSeek V4-Flash	$0.14	$0.28

Artificial Analysis 报告称 DeepSeek 完成相当的基准任务的成本大约比 Fable 低 105 倍（一些独立运行显示范围为 105-137 倍）。

有一个流传开来的比较：Opus 5 在早 7 天发布。在一个任务上，Opus 5 一次就成功了，而 DeepSeek 需要三次——但 DeepSeek 用 ~900 行完成，而 Opus 5 用 ~3000 行，且 DeepSeek 的运行成本只有一分钱。

诚实地说：便宜的令牌 ≠ 便宜的结果

这是反面论点，这很重要。

一位开发者在两个真实代码库中隐藏了 105 个错误。V4-Flash 修复了 8 个——最后一名。但这次运行花费 $0.61，而 Fable 5 花费 $68.08。注意单位：每个任务的成本，而不是每百万个令牌。

这指向了一个真正的测量转变：

**每个令牌更便宜可能具有误导性。**如果模型需要更多轮次，每个任务的总成本可能最终会更高。

所以正确的问题不是"哪个模型每个令牌更便宜"。而是"实际完成这项工作花了多少成本，需要多少轮次？"关注可验证的结果，而不是代理指标。

开源权重 + MIT 是一个分发举动

最具战略意义的部分不是性能或价格——而是它如何发布的：权重在第一天开放，包含 MIT 许可证和技术报告。

这个时机没有逃过观察家的眼睛：在华盛顿提出 AI 控制和国会引入断电法案的同一周，一个前沿级模型被发布为自由软件。

加上 OpenAI 前一天的 80% 降价——"80% 的降价不是折扣，是武器"——战斗的形势就很清楚了：前沿智能正在被推向零，开源权重加上接近零的价格正在重新划分谁控制分发。

**获得改进不再需要扩大规模。**相同的结构，相同的价格，后训练将 Flash 推过了自己的 Pro。

三个关键信号

**按任务成本衡量，而不是每个令牌的价格。**便宜的令牌不能保证便宜的结果。

**开源权重加上接近零的价格是对分发的宣战。**谁能给"接触前沿"定价不再由少数实验室决定。

对任何构建者的两个含义

首先，当最好的模型每周都在变化，价格可能在一夜之间下降 80% 时，你不应该手工选择模型——你需要一个为你权衡成本和能力的路由层。随着价格战的升级，这个层变得越来越有价值。

其次，当智能趋向自由时，稀缺的东西不再是智能。而是判断力，以及将其指向重要地方的品味。

---

基于 DeepSeek 的官方发布（DeepSeek-V4-Flash-0731 权重、MIT 许可证、技术报告）、Artificial Analysis 基准和成本比较，以及公开讨论的独立开发者测试。数据和规格来自官方和第三方来源。