DeepSeek 发布 DeepSeek-V4-Flash-0731，称正式版重点提升了 Agent 和编码能力。模型权重采用 MIT 许可证公开，Hugging Face 标注其总参数量为 3040 亿；官方 API 的非缓存输入价格为每百万 Token 0.14 美元，输出为 0.28 美元。

一句话结论：DeepSeek 把前沿 Agent 模型的调用价格继续压低，但“API 很便宜”和“模型很轻”不是一回事；3040 亿参数的开放权重仍需要昂贵硬件，而高基准分数还依赖最大推理强度和未公开的评测脚手架。

0731 不是全新架构，而是 V4 Flash 正式版的后训练更新，并保留 DSpark 推测解码模块。DeepSeek 自报，在 Terminal Bench 2.1 上得分从预览版的 61.8 提升至 82.7，在 Toolathlon-Verified 上从 49.7 提升至 70.3，多项 Agent 测试超过 V4 Pro 预览版。

这些数字不能直接理解成所有开发者都能得到同样效果。模型卡说明，代码 Agent 测试使用尚未发布的 DeepSeek Harness、max 推理强度和指定采样参数；两个 DSBench 指标还是公司内部测试集。它们适合说明更新方向，不足以单独证明模型在真实仓库里稳定胜过闭源对手。

DeepSeek 还把 reasoning_effort 分成 low、high 和 max。更高档位意味着更长思考和更多输出 Token。每百万 Token 的单价很低，不代表完成一个任务的总价一定最低；真正该比较的是相同任务成功一次用了多少 Token、重试多少次、占用多久以及工具调用是否可靠。

本地部署也暴露了另一个成本面。官方 vLLM 示例使用单节点 4 张 GB300，并启用专家并行、FP8 KV Cache 和推测解码。开放权重给企业带来审计、微调和自主部署权，但普通团队很可能仍通过 DeepSeek 或第三方 API 使用它，实际依赖没有消失，只是可以替换供应商。

低价的战略意义很直接。模型能力接近时，Agent 产品的成本重心会从单次推理转向长上下文、工具执行、失败重试和评测。美国模型公司可以继续卖更高成功率，但如果价格差达到数量级，就必须证明每一美元多买到了什么。

关键事实

• 模型规模：Hugging Face 标注 3040 亿总参数，权重采用 MIT 许可证
• 官方价格：缓存未命中输入每百万 Token 0.14 美元，输出 0.28 美元
• 产品定位：支持思考与非思考模式，重点加强 Agent 和编码任务
• 评测边界：部分成绩使用未发布 Harness、最大推理强度和内部测试集

OC 判断

别只看每百万 Token 单价。企业应固定自己的任务集，同时测成功率、总 Token、延迟、重试和人工返工；本地部署还要计入 GPU、并行框架与运维人力。DeepSeek 的优势是真正把价格压力传到行业，但最终赢家要看单位成功任务成本，而不是价目表最小的一格。

为什么重要

• 对开发者：测试不同 reasoning_effort 档位，最低单价可能被超长输出和重试抵消。
• 对企业：开放权重提供供应商替代方案，但大模型自托管仍是基础设施项目。
• 对行业：低价开放模型迫使闭源厂商用可靠性、工具生态和服务保障解释溢价。

参考来源

• DeepSeek-V4-Flash-0731 model card
• DeepSeek API models and pricing
• DeepSeek-V4 technical report