DeepSeek V4 Flash 0731 は、DeepSeek の高速かつ経済的な V4 Flash 系列の 2026 年 7 月リリースであり、従来の V4 Flash と並列のバリアントではなく、その後継にあたります。
- 入力
- テキスト $0.44/M
- 出力
- テキスト $1.32/M
- キャッシュ読み取り
- $0.044/M
- コンテキスト
- 1M
- GPT-4o 比
- 約 91% 割安
ベンチマーク
ベンダー公表: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
価格の位置づけ
同種 66 モデル中の料金の位置
このバーは、Synthorai 上の同種モデルの中でこのモデルの価格がどこに位置するかを示します。両端には最も安いモデルと最も高いモデルの名前が入ります。表示は基本料金で、バッチ・リージョン・キャッシュ書き込みの割引は料金ページにあります。
スペックと制限
トークン
| コンテキストウィンドウ(ベンダー仕様) | 1,000,000 |
|---|---|
| 最大出力(ベンダー仕様) | 393,216 |
プロンプトキャッシュ
| キャッシュ方式 | 自動 |
|---|---|
| 保持時間 | 固定 TTL なし(未使用のまま一定期間で自動削除) |
思考
| パラメータ | reasoning_effort |
|---|---|
| 値 | minimal · low · medium · high 受け付ける範囲はプロバイダー次第 |
モデル
| モダリティ | テキスト → テキスト |
|---|---|
| パラメータ数 | 合計 284B · アクティブ 13B MoE |
| ライセンス | MIT |
- July 2026 release of DeepSeek V4 Flash
- same 284B/13B-active MoE design, gains from a stronger post-training pipeline rather than a new architecture
1つのプロンプト — ゲートウェイ経由で測定
DeepSeek V4 Flash (0731) パス · 3 sentences
Enabling reasoning mode prompts the model to generate extensive internal chain-of-thought tokens before answering, often multiplying total token output per query by several times. This directly inflates costs because we are billed per token, and these reasoning tokens are processed at a premium compute tier that carries a higher price per million tokens. However, this spend buys measurably higher accuracy and fewer failed calls, so we are tracking it against specific error-reduction KPIs to ensure the ROI justifies the increase.
出力 365 tok (+266 思考) レイテンシ 5.1 s
指示追従（ちょうど三文 — 数えられる）、読み手に合わせた調整（CFO 向けの語り口）、そして下のトークン計から見える隠れた思考の課金ギャップ。
DeepSeek V4 Flash (0731) パス · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The original bug stems from initializing `cur` to 0 and only incrementing it when adjacent elements are equal, which counts the number of *equal transitions* rather than the actual run length—so every run of length L is reported as L−1, and a single‑element run (with no transitions) yields 0. Moreover, because `best` is updated only inside the equality branch, it never accounts for a run that ends at the last element if that run is longer than any previously seen (though the real issue remains the off‑by‑one). […]
出力 1268 tok (+1016 思考) レイテンシ 14.0 s
修正が実際に正しいか（実行可能か）、説明の密度、そして範囲の限られたタスクでのトークン効率。
DeepSeek V4 Flash (0731) パス · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": null, "guidance": null }
出力 1119 tok (+1072 思考) レイテンシ 12.3 s
スキーマ遵守（フィールドをでっち上げない）、ハルシネーション圧（guidance は明示的に保留されている）、そして構造化出力の経路の違い。
DeepSeek V4 Flash (0731) 失敗 · 141 words, 0 banned, 1 question
**Introducing Prompt Cache for API Gateway** We are pleased to announce Prompt Cache, a new feature that stores and reuses identical prompt prefixes across all connected LLM providers. By automatically recognizing repeated requests, this cache reduces token consumption and lowers latency without altering your application logic. Whether you use OpenAI, Anthropic, or open-source models, the cache operates transparently, ensuring consistent behavior while cutting costs. Developers can configure cache TTL and scoping rules via a simple API call, giving you precise control over data freshness and privacy. This feature also minimizes redundant upstream calls, freeing provider rate limits for more critical workloads. Start caching today through the dashboard or CLI, and watch your operational expenses drop significantly. […]
出力 254 tok (+80 思考) レイテンシ 4.4 s
制約の遵守（語数の上限、禁止語リスト、唯一の疑問文）、文体の指紋、そして長さの制御。
30 秒で DeepSeek V4 Flash (0731) を使う
OpenAI 互換。base_url を差し替えるだけで、SDK はそのまま。POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="deepseek-v4-flash-0731",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "deepseek-v4-flash-0731",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-flash-0731",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "deepseek-v4-flash-0731",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("deepseek-v4-flash-0731")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));DeepSeek V4 Flash (0731) について
- アーキテクチャと規模は変わらず、総パラメータ 284B・推論時に 13B を活性化する Mixture-of-Experts で、DeepSeek は改善の要因を新しい設計ではなく大幅に強化された事後学習パイプラインに帰し、エージェント的なワークフローと推論品質に注力したと説明しています。
- この系列を運用面で魅力的にしていた要素はすべて引き継がれます。
- 100 万トークンのコンテキストウィンドウ、384K の最大出力、MIT ライセンスの重み、関数呼び出し、構造化出力、ストリーミングです。
- 思考は既定で有効でトレースは reasoning_content に返りますが、この点は多くのモデル以上に重要です。
- 短いプロンプトでは推論トレースが出力トークンの大半を占めることがあり、max_tokens の予算が厳しいと本文が空のまま返る一方、思考に使ったトークンは課金されます。
- レイテンシに敏感な経路へ組み込む前に、その分を見込むか推論の強度を下げてください。
- 入出力ともテキストのみで画像入力には対応しないため、視覚が必要な場合はマルチモーダルなメッセージを送るのではなく視覚モデルと併用してください。
- 日付付きのリリースと日付なしのローリング名の双方が呼び出せるため、再現性が要る場合は日付付き id を固定し、日付なしの名前は時間とともに前進すると想定してください。
- Synthorai は OpenAI 互換の chat completions エンドポイント経由で提供します。
よくある質問
DeepSeek V4 Flash (0731) API は無料で試せますか?
はい。新規アカウントには 10 回のトライアル呼び出しと最大 $1 の無料クレジットが付与され、カード登録は不要です。入力 $0.44/M で計算すると、このクレジットだけで DeepSeek V4 Flash (0731) に対して約 284 回の ~8K トークンのリクエストを送れます。
DeepSeek V4 Flash (0731) は何が得意ですか?
284B MoE、13B 活性化、MIT ライセンス、従来の V4 Flash の後継、100 万コンテキストと 384K 最大出力。全体像はベンダー公式のリリースノートに基づく「このモデルについて」セクションをご覧ください。
DeepSeek V4 Flash (0731) の料金はいくらですか?
Synthorai 上の DeepSeek V4 Flash (0731) は入力 100 万トークンあたり $0.44、出力 100 万トークンあたり $1.32 です。ベンダー定価のままで、プラットフォーム手数料はありません。キャッシュ済み入力トークンは $0.044/M で課金されます。
DeepSeek V4 Flash (0731) はプロンプトキャッシュに対応していますか?
はい、自動で有効です。DeepSeek 経由のプロンプトはコード変更なしでキャッシュされます。キャッシュ済み入力トークンは $0.044/M(未キャッシュは $0.44/M)で課金されます(TTL 固定 TTL なし(未使用のまま一定期間で自動削除))。 プロンプトキャッシュガイド →
DeepSeek V4 Flash (0731) を利用するには?
お使いの OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="deepseek-v4-flash-0731" を設定すれば完了です。API キー 1 本でゲートウェイ上のすべてのモデルを利用できます。
DeepSeek V4 Flash (0731) はオープンソースですか?
はい。ウェイトは MIT ライセンス で公開されています。GPU を用意する必要もありません。ここでホストされる版は従量課金で、自前のインフラ運用は不要です。 オープンウェイトモデルの実行について →
関連モデル
比較
このページの値はすべてベンダー自身のドキュメント(上部にリンク)から転記し、確認した日付を付しています。価格はカタログ全体で比較しますが、ベンダーごとに定義が異なる仕様値は差異を明記するにとどめ、図表で比較はしません。当社が測定した数値はなく、スコアも付けていません。