DeepSeek V4 Flash API 成本：思考模式破坏严格 JSON

DeepSeek V4 Flash 每百万输入 token 收费 $0.14，每百万输出 token 收费 $0.28，缓存命中价为 $0.0028。当前以该名称提供的 0731 重训版本存在一个需要在路由层规避的缺陷：开启思考模式（默认设置）并使用严格 json_schema 时，我们通过两条独立请求路径测试了 13 次，其中 8 次返回的整数字段损坏。关闭思考模式后，所有测试均恢复正常，抽取任务的 token 用量也降至原来的七分之一。我们在发布首日实测了 deepseek-v4-flash-0731，包括数据损坏、重训后更陡峭的关闭思考性能断崖、能恢复准确率的最低预算、1,024-token 缓存页，以及它与预览版本和 V4 Pro 之间仍然存在的差异。

TL;DR

• 默认思考模式配合严格 json_schema 时，deepseek-v4-flash-0731 在两条请求路径的 13 次测试中有 8 次出现整数字段损坏；V4 Pro 为 4 次中 2 次，只有预览版本全部正常。
• 0731 重训版本加剧了关闭思考后的性能断崖：两步数学题的准确率从 6/6 降至 0/6。
• 缓存以 1,024-token 为一页，最低门槛约为 1.1K token；预热后 0.3 秒即可命中，缓存条目存活时间超过 45 分钟。
• enable_thinking: false 修复了所有结构化输出测试，token 用量仅为默认设置的七分之一；两步数学题的安全思考预算为 256。

三个 V4 版本的规格和实测表现有何差异？

三者使用相同的 tokenizer、缓存和思考机制，但价格与故障模式不同。下表数据来自针对三个版本执行的相同探测，短横线表示未测试该项。首日分析讨论主要关注基准测试，下面则比较实际运行表现：

V4 Flash 的思考模式会破坏结构化输出吗？

在 0731 版本上会，而且这种错误很隐蔽，足以直接流入生产环境。我们使用严格 json_schema 从一张发票中抽取四个字段：供应商、日期、总金额和明细项数量。默认开启思考后，模型返回的 JSON 符合 schema，但数值错误。原文明确列出 3 个明细项，line_items 却分别返回 -1、1、-1 和 -19。通过我们的网关执行 5 次，正确率为 0/5。限制预算也无法规避：预算为 64 token 时仍以相同方式损坏；即使预算提高到 256 token，3 次中仍有 1 次把明细项数量返回为 670。数据损坏与是否存在思考过程有关，而不是思考过程的长度。在第二条独立请求路径上，同一测试分两批执行 8 次，其中 3 次损坏：一次把原文中的 $520.00 返回为 519.95，另一次把明细项数量返回为 22。这条路径即使收到关闭思考的要求也仍保留推理，因此下文的可靠修复方案是在主路径上验证的。所有 JSON 都能正常解析并通过 schema 校验，只有字段值错误。对于信任校验结果的流水线，这是最危险的故障模式。

修复只需一行：设置 enable_thinking: false 后，每次都返回正确且有效的 JSON，completion 约为 44 token，而默认设置为 328 token。同系列模型的差异也很明显：使用相同方法并开启思考时，预览版本 4/4 全部正常，而 V4 Pro 在 4 次中损坏 2 次。这说明问题贯穿 V4 思考模型系列，在重训后的 Flash 上最严重。它也不是已有记录中的“思考加 schema”故障。vLLM 今年 4 月修复过一个数据通路问题：DeepSeek 的 JSON 被放进 reasoning 字段，而 content 为空。这里的数据通路正常，错误发生在字段值本身，影响更严重。在 DeepSeek 修复前，应把思考模式与严格结构化输出视为互斥配置。这不会产生额外成本：单步抽取本来就是适合关闭思考的任务，而且成本可降低 7 倍。

API 接受哪些思考控制参数？

它提供两种关闭方式、精确预算，以及一个无法关闭思考的 effort 档位。我们测试的接口接受 reasoning_effort 值 low、medium、high、xhigh 和 max。与 Qwen 3.8 Max 不同，none 和 minimal 会被拒绝，因此仅靠该参数无法让模型停止思考。要关闭思考，可使用 enable_thinking: false 或 thinking: {"type": "disabled"}，两者表现相同，在简单问题上都返回 9-token 的答案。thinking_budget 会精确执行到 token，结果与我们对 Qwen 3.8 的实测一致：请求 16，计量值就是 16。完整思维链通过 reasoning_content 返回，每次调用固定增加 5 token 的 prompt 开销。

我们没有测出 effort 档位带来任何变化。在一道高难度质数计数题上，low 和 high 分别消耗 31,374 和 31,370 个推理 token，默认设置为 26,897；三者答案都正确。这只是正常波动，没有看到任何预算上限。对于 Qwen 3.8，各档位实际是隐藏的预算上限，处理深度任务时会生效；V4 Flash 的档位在我们测试的所有深度上都没有产生变化。这个模型真正有用的控制项只有关闭开关和 thinking_budget，effort 档位可以视为摆设。讽刺的是，DeepSeek 自己的模型卡把 agent 基准测试配置固定为“max reasoning effort”，但在我们测试的接口上，该设置与默认值没有可辨别的差异。

两步数学题实际需要多少思考预算？

它需要的预算比重训前更多，这与我们针对其他模型给出的低成本模式建议正好相反。在可复现的两步算术测试中，题目为 1850 箱、每箱 24 个零件，发出 75% 后又新到 3,120 个。三个 V4 版本的表现像是三个不同的模型：

这里有两个结论。第一，agent 重训把算术能力转移到了思考通道：预览版本关闭思考后还能勉强作答，0731 则完全失效，而 Pro 几乎不受影响。第二，最低预算取决于具体模型。在同一批测试中，16 个思考 token 足以完全恢复 Qwen 3.8 Max 的表现，但 0731 需要 256。达到该预算后，准确率为 100%，成本也低于默认设置：completion 总量为 53—188 token，默认设置则为 100—200 token。把思考预算配置迁移到其他模型时，需要重新验证准确率。这个控制手段是通用的，但阈值不是。

隐式缓存的实际表现如何？

它采用 1,024-token 分页，最低门槛较低，读取快，保留时间长。随着 prompt 增长，加入随机盐值的前缀配对测试分别精确命中 1,024、2,048、4,096 和 7,168 token，说明缓存按 1,024-token 页对齐。最低门槛略高于一页：704-token prompt 从未命中，1,166-token prompt 命中了 1,024 token。预热后 0.3 秒即可命中，不需要针对缓存构建延迟设计额外逻辑。缓存条目在 45 分钟后仍然可用，是我们在这一价位测试过的隐式缓存中存活时间最长的。Qwen 3.8 Max 的缓存条目会在 15 到 45 分钟之间失效，最低门槛也接近 4.3K token。DeepSeek 公布的缓存命中输入价格为每百万 token $0.0028，仅为未命中价格的 2%，且写入不加价。仍应遵循常规的分层原则：稳定前缀放在前面，易变内容放在后面。

1M 上下文和 384K 输出上限真实吗？

在我们测试的所有位置上，上下文窗口都能正常工作。「大海捞针」测试中预埋的覆盖码在 137,638、465,238 和 838,198 个 prompt token 处均能逐字返回，耗时 7 到 20 秒。这是我们在该价位测到的最快长上下文召回速度。输出限制比文档更宽松：DeepSeek 公布的最大输出为 384K token，但无论是否开启思考，max_tokens 设为 393,217 甚至 524,288 的请求都会被接受。这说明请求阶段并未强制执行上限，设置过大的预算也不会明确报错。如果业务依赖输出上限，应自行设置限制。

预览版、0731 和 Pro：请求实际落在哪个版本？

DeepSeek 的定价页面现在只列出一个 SKU：deepseek-v4-flash，当前模型版本为 DeepSeek-V4-Flash-0731，价格保持不变。实际运行中，部分路由仍会以原名称提供预览版本。虽然两者使用相同的 tokenizer，在英文、中文和代码语料上的 token 计数完全一致，因此预算可以直接迁移，但从外部仍很容易区分。最可靠的指纹是关闭思考测试：在我们的批次中，关闭思考后处理两步数学题，预览版约为 2/6，0731 为 0/6；预览版也是唯一完全通过结构化输出测试的版本，结果为 4/4，而 0731 为 5/5 损坏，Pro 为 2/4 损坏。如果流量依赖其中任一行为，应直接探测实际调用的 endpoint，不要只相信模型名称。V4 Pro 的价格为 $0.435/$0.87，它避开了数学题的性能断崖，但仍有结构化输出问题。

规划预算时还要考虑一点：这三个模型共用的 tokenizer 在相同语料上会比 Qwen 3.8 多产生约 6—9% 的 token。跨供应商比较预算时，不能只看价目表，还要结合各语言的 token 密度数据。

常见问题

DeepSeek V4 Flash 的结构化输出安全吗？

关闭思考后是安全的：严格 json_schema 会生效，我们批次中的所有抽取结果都正确。0731 版本默认开启思考时，通过两条请求路径执行 13 次，其中 8 次返回的整数字段损坏，但仍能通过 schema 校验。V4 Pro 在相同测试中有 4 次中 2 次损坏，只有预览版本全部正常。在缺陷修复前，应在结构化输出路由上固定设置 enable_thinking: false。

可以关闭 DeepSeek V4 Flash 的思考模式吗？

可以，有两种写法：enable_thinking: false 或 thinking: {"type": "disabled"}。但 0731 重训后，关闭思考处理多步任务的表现很不稳定，两步数学题的结果为 0/6。对于超过单步查询的任务，应把 thinking_budget 的最低值设为 256。实测该配置准确率为 100%，成本也低于默认设置。

V4 Flash 缓存要求的最小 prompt 是多少？

略高于 1,024 token：704-token prompt 从未缓存，1,166-token prompt 则精确命中 1,024 token。缓存按 1,024-token 页量化，预热后 0.3 秒即可命中，存活时间超过 45 分钟。缓存命中输入的标价为每百万 token $0.0028，是未命中价格的 2%。

0731 发布后价格变了吗？

没有。DeepSeek 仍按每百万输入 token $0.14（缓存未命中）、$0.0028（缓存命中）和每百万输出 token $0.28 收费，并把 0731 作为当前模型版本并入现有的 deepseek-v4-flash 名称。变化的是行为，而不是价格：模型更依赖思考模式，并出现了上文所述的结构化输出缺陷。

数据于 2026-08-04 通过 Synthorai 网关测得，主测模型为 deepseek-v4-flash-0731，对照组为 deepseek-v4-flash 预览版和 deepseek-v4-pro。测试包括：记录每次请求 payload 的严格 schema 抽取批次，并通过第二条独立请求路径复核；effort 档位接受度与无效值测试；加入随机盐值的两步准确率批次（每组 n=4—6）以及逐级提高思考预算的恢复测试；按 2.5 秒间隔执行的加盐缓存配对，覆盖最低门槛、分页、构建延迟和间隔测试；两种模式下的 max_tokens 边界探测；三个 V4 模型与 Qwen 3.8 Max 在相同三类语料上的 tokenizer 计数。金额采用发布时 DeepSeek 公布的标价，请以自己的供应商计量结果为准。随着 DeepSeek 继续迭代 0731 版本，模型行为可能发生变化。

← 返回博客