DeepSeek V4 Flash 0731 是 DeepSeek 快速、經濟的 V4 Flash 系列在 2026 年 7 月的發布版本，它是先前 V4 Flash 的接替版，而不是並列的一個變體。
- 輸入
- 文字 $0.44/M
- 輸出
- 文字 $1.32/M
- 快取讀取
- $0.044/M
- 上下文
- 1M
- 相較 GPT-4o
- 便宜約 91%
Benchmark 成績
廠商公布: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
價格在同類中的位置
價格在 66 個同類模型中的位置
這條線顯示該模型的價格，在 Synthorai 上同類模型裡處於什麼位置。兩端標出了最便宜和最貴的那個。這裡是基礎價，批次、區域與快取寫入的折扣見價格頁。
規格與限制
Token
| 上下文視窗(廠商規格) | 1,000,000 |
|---|---|
| 最大輸出(廠商規格) | 393,216 |
提示詞快取
| 快取方式 | 自動 |
|---|---|
| 存活時間 | 無固定 TTL（長期未使用即自動清理） |
思考
| 參數 | reasoning_effort |
|---|---|
| 取值 | minimal · low · medium · high 具體接受哪些由廠商決定 |
模型
| 模態 | 文字 → 文字 |
|---|---|
| 參數量 | 總參數 284B · 啟用 13B MoE |
| 授權條款 | 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
單一提示詞 — 經由閘道測量
DeepSeek V4 Flash (0731) 通過 · 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.
輸出 365 tok (+266 思考) 延遲 5.1 s
指令遵循（恰好三句，可數）、受眾適配（面向 CFO 的語氣），以及下方 token 計量所暴露的隱藏思考計費缺口。
DeepSeek V4 Flash (0731) 通過 · 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). […]
輸出 1268 tok (+1016 思考) 延遲 14.0 s
修復是否真的正確（可執行）、解釋的資訊密度，以及在一個邊界明確的任務上的 token 效率。
DeepSeek V4 Flash (0731) 通過 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": null, "guidance": null }
輸出 1119 tok (+1072 思考) 延遲 12.3 s
schema 服從度（不臆造欄位）、幻覺壓力（guidance 明確被暫緩給出），以及結構化輸出路徑的差異。
DeepSeek V4 Flash (0731) 未命中 · 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. […]
輸出 254 tok (+80 思考) 延遲 4.4 s
約束服從度（字數預算、禁用詞表、唯一的那句問句）、文風指紋，以及長度控制。
30 秒用上 DeepSeek V4 Flash (0731)
OpenAI 相容:換掉 base_url,SDK 不用改。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(""));關於 DeepSeek V4 Flash (0731)
- 架構與規模沒有變化——混合專家模型，總參數 284B、推理時啟用 13B——DeepSeek 把提升歸因於大幅增強的後訓練流程而非新設計，重點放在智慧體工作流與推理品質上。
- 使這一系列在工程上具吸引力的部分全部保留：1M token 上下文視窗、384K 最大輸出、MIT 授權權重、函式呼叫、結構化輸出與串流。
- 思考預設開啟，軌跡回傳在 reasoning_content 中，這一點在它身上比多數模型更要緊：短提示下思維軌跡可能占到輸出 token 的絕大部分，於是過緊的 max_tokens 預算會回傳空回答，而思考所花的 token 照樣計費。
- 接入延遲敏感的鏈路之前，請為此留出預算或調低推理力度。
- 該模型輸入輸出均為純文字，不支援圖像輸入，需要視覺能力時應搭配視覺模型，而不是直接發送多模態訊息。
- 由於帶日期的發布版與不帶日期的滾動名都可呼叫，需要行為可重現時請固定帶日期的 id，並預期不帶日期的名字會隨時間前移。
- Synthorai 透過 OpenAI 相容的 chat completions 端點提供該模型。
常見問題
DeepSeek V4 Flash (0731) API 可以免費試用嗎?
可以,新帳號可獲得 10 次試用呼叫和最高 $1 的免費額度,無需信用卡。以輸入 $0.44/M 計算,光是這筆額度就足以對 DeepSeek V4 Flash (0731) 發出約 284 次 ~8K token 的請求。
DeepSeek V4 Flash (0731) 最擅長什麼?
284B MoE，啟用 13B，MIT 授權、接替先前的 V4 Flash 版本、1M 上下文，最大輸出 384K。完整能力請見「關於」一節,內容取自廠商官方發布說明。
DeepSeek V4 Flash (0731) 的價格是多少?
在 Synthorai 上,DeepSeek V4 Flash (0731) 輸入 $0.44/百萬 token、輸出 $1.32/百萬 token,即廠商牌價,無平台加價。快取命中的輸入 token 以 $0.044/M 計費。
DeepSeek V4 Flash (0731) 支援提示詞快取(prompt caching)嗎?
支援,且全自動:由 DeepSeek 供應的提示詞會自動快取,無需改程式碼。快取命中的輸入 token 以 $0.044/M 計費(未命中 $0.44/M)(TTL 無固定 TTL（長期未使用即自動清理）)。 提示詞快取指南 →
如何開通 DeepSeek V4 Flash (0731)?
把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "deepseek-v4-flash-0731" 即可。一組 API key 通用閘道上的所有模型。
DeepSeek V4 Flash (0731) 是開源的嗎?
是,權重以 MIT 授權 發布。也可以省下 GPU:這裡的託管版本按用量計費,無需自建基礎設施。 執行開放權重模型 →
相關模型
對比
本頁每個值都轉錄自廠商自己的文件(連結見上),並帶有核對日期。價格在全目錄範圍內比較;各廠商定義不同的規格值,只說明差異而不作圖表對比。此處沒有任何由我們測量的資料,也不做評分。