DeepSeek V4 Flash 0731 é a versão de julho de 2026 da linha V4 Flash da DeepSeek, rápida e econômica, e sucede ao V4 Flash anterior em vez de ficar ao lado dele como uma variante.
- Entrada
- texto $0.44/M
- Saída
- texto $1.32/M
- Leitura de cache
- $0.044/M
- Contexto
- 1M
- vs GPT-4o
- ~91% mais barato
Benchmarks
Publicado pelos fornecedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
O preço em contexto
Posição do preço entre 66 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Em cada extremidade está o mais barato e o mais caro. São tarifas base; os descontos de lote, região e escrita em cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do fornecedor) | 1.000.000 |
|---|---|
| Saída máxima (especificação do fornecedor) | 393.216 |
Cache de prompts
| Modo | automático |
|---|---|
| Duração | sem TTL fixo (limpo quando deixa de ser usado) |
Raciocínio
| Parâmetro | reasoning_effort |
|---|---|
| Valores | minimal · low · medium · high o conjunto aceite é do provedor |
Modelo
| Modalidades | texto → texto |
|---|---|
| Parâmetros | 284B no total · 13B ativos MoE |
| Licença | 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
conforme documentação oficial da DeepSeek ↗
Um prompt, medido pelo gateway
DeepSeek V4 Flash (0731) passou · 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.
saída 365 tok (+266 pensamento) latência 5.1 s
Cumprimento da instrução (exatamente três frases - contáveis), ajuste ao público (registro de CFO), e a lacuna de cobrança do pensamento oculto que os medidores de tokens abaixo expõem.
DeepSeek V4 Flash (0731) passou · 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). […]
saída 1268 tok (+1016 pensamento) latência 14.0 s
Se a correção é de fato certa (executável), a densidade da explicação, e a eficiência em tokens numa tarefa delimitada.
DeepSeek V4 Flash (0731) passou · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": null, "guidance": null }
saída 1119 tok (+1072 pensamento) latência 12.3 s
Obediência ao esquema (sem campos inventados), pressão de alucinação (guidance é explicitamente retida), e diferenças no caminho de saída estruturada.
DeepSeek V4 Flash (0731) falhou · 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. […]
saída 254 tok (+80 pensamento) latência 4.4 s
Obediência às restrições (orçamento de palavras, lista de palavras proibidas, a única pergunta), impressão digital de estilo, e controle de comprimento.
Use o DeepSeek V4 Flash (0731) em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu SDK. 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(""));Sobre o DeepSeek V4 Flash (0731)
- A arquitetura e o tamanho não mudam - um modelo Mixture-of-Experts com 284B de parâmetros totais e 13B ativados na inferência - e a DeepSeek atribui a melhoria a um pipeline de pós-treinamento bem mais forte, e não a um novo desenho, com o trabalho concentrado em fluxos agênticos e qualidade de raciocínio.
- Tudo o que tornava a linha atraente na operação permanece: a janela de contexto de um milhão de tokens, saída máxima de 384K, pesos sob licença MIT, chamada de funções, saída estruturada e streaming.
- O raciocínio vem ativo por padrão e o traço volta em reasoning_content, o que pesa mais aqui do que na maioria dos modelos: em prompts curtos o traço pode responder pela maior parte dos tokens de conclusão, de modo que um orçamento apertado de max_tokens devolve resposta vazia enquanto os tokens gastos pensando continuam sendo cobrados.
- Reserve essa margem ou reduza o esforço de raciocínio antes de colocá-lo em caminhos sensíveis à latência.
- O modelo é somente texto na entrada e na saída; não há suporte a entrada de imagens, portanto combine-o com um modelo de visão em vez de enviar mensagens multimodais.
- Como tanto a versão datada quanto o nome rotativo sem data continuam chamáveis, fixe o identificador datado quando precisar de comportamento reproduzível.
- A Synthorai o oferece pelo endpoint de chat completions compatível com OpenAI.
Perguntas frequentes
A API do DeepSeek V4 Flash (0731) é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $0.44/M de tokens de entrada, só esse crédito já cobre cerca de 284 requisições de ~8K tokens ao DeepSeek V4 Flash (0731).
Em que o DeepSeek V4 Flash (0731) é melhor?
MoE de 284B com 13B ativados, licença MIT; sucede ao V4 Flash anterior; contexto de 1M e saída máxima de 384K. Veja a seção Sobre para o quadro completo, extraído das notas de lançamento do próprio fornecedor.
Quanto custa o DeepSeek V4 Flash (0731)?
Na Synthorai, o DeepSeek V4 Flash (0731) custa $0.44 por milhão de tokens de entrada e $1.32 por milhão de tokens de saída. É o preço de tabela do provedor, sem margem da plataforma. Tokens de entrada em cache são cobrados a $0.044/M.
O DeepSeek V4 Flash (0731) suporta cache de prompts?
Sim, automaticamente: prompts servidos pela DeepSeek entram em cache sem nenhuma mudança no código. Tokens de entrada em cache são cobrados a $0.044/M, contra $0.44/M sem cache (TTL sem TTL fixo (limpo quando deixa de ser usado)). Guia de cache de prompts →
Como obtenho acesso ao DeepSeek V4 Flash (0731)?
Aponte seu SDK da OpenAI existente para base_url="https://synthorai.io/v1", defina model="deepseek-v4-flash-0731" e pronto. Uma única chave de API cobre todos os modelos do gateway.
O DeepSeek V4 Flash (0731) é open source?
Sim, os pesos são publicados sob a MIT License. Ou dispense as GPUs: a versão hospedada aqui é pagamento por uso, sem infraestrutura para operar. Como rodar modelos de pesos abertos →
Modelos relacionados
Comparar
Cada valor desta página é transcrito da documentação do fornecedor, ligada acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; os valores de especificação que os fornecedores definem de forma diferente são apresentados com a diferença indicada em vez de representados num gráfico. Nada aqui é medido por nós, e nada é pontuado.