DeepSeek V4 Flash 正式版：跑分逼近 Opus 4.8、價格僅幾十分之一，Pro 版還要等多久？

若你正在為 Agent 流水線或百萬 Token 長文場景選型中國開源大模型，DeepSeek 於 2026 年 7 月 31 日將 V4-Flash 升級為官方正式版（build 0731）是這一週無法略過的事件：參數規模不變（284B 總量／13B 啟用），僅重新後訓練，Agent 跑分卻反超自家 1.6T 的 V4-Pro 預覽版，定價僅為 Claude Opus 4.8 的幾十分之一。本文面向 ML 工程師與技術決策者，梳理時間線、定價矩陣、Harness 框架爭議，以及與 Kimi K3、Qwen3.8-Max 的橫向對照。結論先行：V4-Flash-0731 打的是「夠用的智慧＋極致價格」，而非跑分第一；官方 V4-Pro 與自研 Harness 仍未上線，生產選型須把「可驗證性」放在榜單分數之前。

SECTION 01 V4-Flash 正式版上線後，五個最常被低估的風險

• 這不是新模型，是同一架構重跑後訓練：DeepSeek 官方明確說明 0731 版與 4 月預覽版參數規模、模型結構完全相同，效能提升「完全來自重新進行的後訓練」——若你的評估基於「更大＝更強」直覺，結論可能失真。
• Agent 跑分高度依賴未公開的 Harness：Terminal Bench 2.0 的 82.7 分（反超 V4-Pro 預覽版 67.9）全部基於 DeepSeek 自研且尚未公開的 Harness「極簡模式」測得；官方 changelog 主動提示「跑分對 harness 選擇非常敏感」，不宜直接橫向套用到 Claude Code、Cursor 等框架。
• 僅限 API，App 與網頁端未同步：7 月 31 日更新僅覆蓋 API 公測，消費者 App 與網頁聊天仍為舊版——若團隊混用多端入口，須確認實際路由的 model 名稱。
• V4-Pro 官方版時間仍不確定：多家媒體援引未署名消息源稱 8 月 10–20 日 GA，但 DeepSeek 官方僅說「將盡快發布」——四月 V4 GA 分析中討論的 Pro 檔位時程表須按「未證實」規劃。
• 實際可用性與跑分敘事存在落差：據 21 世紀經濟報導援引海外開發者回饋，正式版存在輸入快取命中率偏低、安全分類器偶發逾時等問題——算力與參數儲備仍是能力上限的現實瓶頸。

SECTION 02 從 4 月預覽到 7 月正式版：時間線與核心定價

定價均為廠商自報；DeepSeek 已預告未來高峰時段（北京時間 9–12 點、14–18 點）2 倍加價，截至撰稿尚未公布生效日期。快取命中時 V4-Flash 輸入價約為 Claude Opus 4.8 的 1/179。

SECTION 03 效能怎麼「變出來」：架構、Harness 與六邊形混戰

根據技術報告《DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence》，V4 系列架構上的三處關鍵改動在 0731 版中延續不變：

• 混合注意力（DSA 稀疏注意力）：結合壓縮稀疏注意力（CSA）與高度壓縮注意力（HCA），降低長上下文場景的運算與顯存開銷；官方稱 V4-Pro 在百萬 Token 下所需 FLOPs 僅為 V3.2 的 27%，KV Cache 僅 10%。
• 流形約束超連接（mHC）：對傳統殘差連接結構的改進，提升訓練穩定性。
• Muon 優化器：替換傳統優化器，加速收斂——效能躍升主要來自後訓練資料品質與方法，而非堆參數。

7 月 31 日 changelog 首次正式出現 DeepSeek Harness——自研 Agent 執行框架，對標 Claude Code，用於檔案讀寫、工具呼叫與端到端工程任務。在此之前 DeepSeek 模型主要依賴第三方 Agent 工具；官方 Agent 跑分全部用 Harness「極簡模式」（max 檔位、top_p=0.95、temperature=1.0）測得，且框架尚未公開。

有趣的反差：在 Artificial Analysis 第三方指數上，V4-Flash 智慧分並非最高，甚至落後 Kimi K3；但單任務成本僅為 K3 的約 1/29、Claude Fable 5 的約 1/105。這也解釋了為何 V4-Flash 預覽版能在 OpenRouter 7 月排行榜連續七週穩坐呼叫量第一——目標使用者是需要大規模呼叫、對絕對智慧上限不那麼敏感的 Agent 與批次任務場景。中文開發者社群將此稱為「斬殺線」：夠用的效能加極端低價，給同行設下一條生存門檻，也促使 GPT-5.6 Luna 一次性降價 80% 等競品密集調價。

SECTION 04 V4-Flash-0731 接入與 Agent 成本控管七步實作

1. 確認 model 名稱已遷移：若仍使用已停用的 deepseek-chat／deepseek-reasoner，須切換至 deepseek-v4-flash；OpenAI ChatCompletions 或 Anthropic 格式接入無需改程式碼，model 名會自動指向 0731 正式版。
2. 鎖定官方定價快照：記錄輸入 $0.14／$0.0028（快取未命中／命中）、輸出 $0.28 每百萬 Token，以及高峰 2 倍加價預告——上游政策變動極快。
3. 用任務成本而非 Token 單價試算：以典型 Agent 流水線（規劃→工具呼叫→彙總）估算月呼叫量；對比 Kimi K3 $3／$15 與 Qwen3.8-Max $2／$6，確認 Flash 是否值得為極致成本付「智慧分略低」的代價。
4. 區分廠商自報與第三方基準：SWE-bench Verified 等廣泛採用的第三方基準可信度較高；Terminal Bench 2.0 等 Agent 類跑分須標註「Harness 極簡模式、尚未公開」，等社群用 Claude Code、Cursor 獨立複現後再下結論。
5. 監控快取命中率與逾時：依海外開發者回饋，正式版存在快取命中率偏低與安全分類器逾時——在生產環境記錄 cache-hit ratio 與 P99 延遲，必要時設定 Fallback 至 Kimi K3 或 Qwen3.8-Max。
6. 在 OpenRouter 設多模型路由：主路由 V4-Flash 壓低成本，備援高智慧分模型應對複雜推理；參考 OpenRouter 7 月流量資料驗證 Flash 在真實 Agent 場景的穩定性。
7. 高頻 Agent 本地推理降本：當 API 月帳單超過 M4 實體節點租賃成本時，將試錯與中小模型推理遷到原生 Apple Silicon 裸機，僅把超長上下文或旗艦推理留給雲端 API——Xcode／iOS CI/CD 建置鏈仍須留在合規 macOS 硬體上。

SECTION 05 可引用資料與權威來源

• V4-Flash-0731 規格：284B 總參數／13B 啟用、100 萬 Token 上下文、MIT 開源、2026-07-31 正式版
• Agent 跑分（廠商自報＋Harness）：Terminal Bench 2.0 82.7（V4-Pro 預覽版 67.9）
• 第三方 Intelligence Index：50 分、單任務成本 $0.03（Artificial Analysis）
• 定價：輸入 $0.14／$0.0028、輸出 $0.28 每百萬 Token；較 Claude Opus 4.8 快取命中輸入約便宜 179 倍
• 未上線：V4-Pro 官方版、DeepSeek Harness 框架——官方口徑「盡快發布」，8 月 10–20 日為未證實傳言
• 競品時間軸：Kimi K3 權重 2026-07-27；Qwen3.8-Max GA 2026-08-02

以下連結請在發版或上游更新後再次開啟核對：

DeepSeek 官方 API 文件與更新日誌

Hugging Face — DeepSeek-V4-Flash 模型卡

Artificial Analysis — 第三方模型 Intelligence Index 與成本資料

V4-Flash-0731 以極低 Token 單價與夠用的 Agent 能力改寫了開源模型性價比曲線，但Harness 依賴的跑分、V4-Pro 跳票、快取與逾時等實際可用性問題——這三點決定了它更適合「大規模低成本 Agent 編排」而非「可審計的旗艦推理」。純 API 方案也無法取代 Xcode 編譯、Metal 除錯與 iOS 簽章鏈；在 macOS 上跑虛擬化環境有 EULA 紅線且常見 20–40% 效能損耗。務實組合是：V4-Flash 或 Kimi K3 負責百萬上下文 Agent 編排，VPSNIX M4／M4 Pro 雲端裸機 Mac負責本地 Agent 試錯、Ollama 推理與 iOS CI/CD——100% 蘋果原裝硬體、完整 Root 權限、零 Hypervisor 損耗、按天／月彈性下單。當 DeepSeek API 帳單持續攀升時，把反覆試錯的 Agent 迴圈遷到實體節點往往比繼續堆 API 配額更划算。詳見定價頁，並對照雲 Mac 租賃成本框架。

SECTION 06 常見問題 FAQ